-
公开(公告)号：CN118964842A
公开(公告)日：2024-11-15
申请号：CN202410986999.5
申请日：2024-07-23
Applicant: 电子科技大学
IPC: G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提出了一种基于多尺度Transformer的自适应经验模态分解预测方法，包括以下步骤：S1：基于时间序列，对数据进行预处理；S2：将S1的结果输入到自适应经验模态分解预测算法结构中，对输入数据集进行自适应经验模态分解，得到有限个本征模函数；S3：模型将S2的结果输入多尺度编码器中，得到各尺度编码特征向量；S4：将S3的结果输入多尺度解码器中，得到各尺度解码特征向量；S5：对S4的结果进行拼接和线性变换，得到时间序列预测结果。本发明提出的算法结合了自适应经验模态分解技术和多尺度Transformer模型。因此其不仅提高了预测的准确性和鲁棒性，还具备自适应能力，能够有效地避免数据中噪声的干扰，以适应非平稳时间序列。
-
公开(公告)号：CN116740954A
公开(公告)日：2023-09-12
申请号：CN202310522305.8
申请日：2023-05-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种多暂态有限状态机的地磁车辆检测方法，属于车辆检测领域，该方法包括对地磁传感器采集到的含噪声的原始地磁信号进行预处理，对所述原始地磁信号使用平移不变量小波去噪方法得到滤波后信号，并利用滑动窗口计算得出原始地磁信号的方差序列，将所述方差序列和滤波后信号输入多暂态状态机，状态机输出最终的车辆检测结果。本发明采用平移不变量小波去噪方法对原始含噪信号进行预处理，并提出一种基于方差信号的多暂态状态机车辆检测算法，在标准停车场中进行的实验结果表明，本发明所提出的算法相比于经典的车辆检测算法在准确率上有较大提升，为建立智慧停车系统、提升车辆管理效率提供了理论支撑，此外，本算法对于弱磁性车辆等特殊情况也能准确检测，适用范围更加广泛。
-
公开(公告)号：CN116488825A
公开(公告)日：2023-07-25
申请号：CN202310468532.7
申请日：2023-04-27
Applicant: 电子科技大学
IPC: H04L9/32
Abstract: 本发明提供了一种用于数据确权和数据溯源的非同质化通证的管理和验证方法，包括以下步骤：S1：NFT管理机构部署NFT管理智能合约，并公开相对应的NFT智能合约接口标准；S2：NFT智能合约拥有者根据接口标准实现并部署智能合约，然后向NFT管理智能合约请求注册；S3：NFT智能合约用户向NFT智能管理合约请求铸造NFT，NFT智能管理合约调用安全铸造函数进行NFT铸造；S4：NFT智能合约用户可通过NFT智能合约对NFT进行交互，如转移和销毁；S5：当NFT智能合约发生异常情况时，NFT智能合约拥有者可主动或被动的注销NFT智能合约。
-
公开(公告)号：CN116415655A
公开(公告)日：2023-07-11
申请号：CN202310447005.8
申请日：2023-04-24
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于有向无环图的去中心化异步联邦学习方法，包括以下步骤：S1：在智能合约中初始化全局有向无环图和联邦学习训练相关参数；S2：各客户端使用基于累计权重的随机游走算法从全局有向无环图中选取k个未验证节点，k是开始联邦学习之前商定的参数；S3：各客户端验证共识层所选取的k个未验证节点，若验证不通过则从全局有向无环图中重新获取未验证节点；S4：各客户端从验证通过的节点中提取模型，然后聚合这些模型为一个新的模型，之后在聚合的新模型基础上继续进行若干轮训练；S5：新模型训练完成后，生成新节点，并将客户端本地有向无环图结构更新到全局有向无环图,重复S2‑S5，直到联邦学习任务完成；S6：联邦学习任务完成后，将全局有向无环图存储在智能合约中，智能合约根据各客户端的贡献发放奖励；该发明与传统联邦学习相比，每个客户端可以异步获取模型，无需等待服务器的聚合，弥补了不同客户端的算力差异，并且由于有验证节点的步骤，避免了恶意节点对全局模型的攻击，提高了性能。
-
公开(公告)号：CN116383281A
公开(公告)日：2023-07-04
申请号：CN202310371579.1
申请日：2023-04-10
Applicant: 电子科技大学
IPC: G06F16/2458 , G06F16/29
Abstract: 本发明提供了一种用于空间中位置点分布均匀性的评估方法。这里的“空间”指的是对分析对象的数学化描述，例如我们可以将一张图片视为一个矩形的二维空间，从图像中提取出的特征点即为该空间中的位置点。该方法适用于图像处理、地理信息分析等领域中对点分布均匀性的评估。该方法利用点所占据的空间来计算点的分布情况，然后将其与理想状态下的点分布情况进行比较以评估点分布的均匀性。其中，“理想状态下的点分布情况”指的是，如果点在空间中均匀分布，则每个点应该占据相同大小的空间。与传统方法相比，本发明的方法适用范围更广，可以评估任意维度下点的分布均匀性，并且无需预先定义参数，不受点数量的限制，可以比较点数量存在较大差异的不同空间中点的分布均匀性。此外，该方法计算简单，计算量小，计算速度快。在实际应用中，该方法可以被应用于图像处理、地理信息分析等领域，为相关行业提供高效准确的分析工具。
-
Patent Agency Ranking
公开(公告)号：CN109257160B
公开(公告)日：2023-07-04
申请号：CN201811481945.4
申请日：2018-12-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于决策树的侧信道模板攻击方法，首先采集能量迹，建立能量消耗矩阵U，构建决策树模型，选择从根节点至叶节点出现的特征，然后根据选择的特征对能量消耗矩阵U进行抽取，建立能量消耗矩阵T，再根据对应明文与密钥，选择密码算法关键点的函数建立汉明重量列向量H，以能量消耗矩阵T为输入、汉明重量列向量H为输出，构建模板，从而很好地提取了特征，最后，采集随机明文、固定密钥的能量迹，引入映射的匹配策略，得到密钥，从而提高了模板匹配效果，进而提高了攻击成功率。
-
公开(公告)号：CN114863169B
公开(公告)日：2023-05-02
申请号：CN202210453041.0
申请日：2022-04-27
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06N20/00 , G06N20/20 , G06F18/214
Abstract: 本发明提供了一种结合并行集成学习和联邦学习的图像分类方法，包括以下步骤：S1：每个客户端确定参与训练的数据集，并协商确定训练使用的各种参数；S2：客户端之间使用参与训练的数据集和协商确定的参数，采用联邦学习的方式并行训练，得到训练后的基础模型；S3：客户端使用未参与训练的基础模型得到预测结果，结合原有的标签得到元模型的训练数据集；S4：客户端使用未参与训练的基础模型得到预测结果，结合原有的标签得到元模型的训练数据集；S5：将要分类的图像输入训练好的基础模型，再将得到的预测结果输入训练好的元模型，得到最终的分类结果。本发明通过并行集成学习的方式，提升了联邦学习在非独立同分布数据集下的图像分类性能。
-
公开(公告)号：CN114710745B
公开(公告)日：2023-04-18
申请号：CN202210378318.8
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙与PDR信息深度融合的室内定位方法，属于蓝牙定位技术领域，包括以下步骤：采集场景中的蓝牙数据；处理采集的蓝牙的RSSI，对RSSI进行排序、测距，得到测距量；利用测距量生成新型测量误差模型，粒子滤波的状态方程和观测方程；利用前一时刻粒子滤波的估计粒子进行第一重粒子滤波，生成M个位置粒子；通过传感器数据，计算前进方向和步长，第二重粒子滤波利用PDR算法，生成N个步伐粒子，全部预测粒子数N*M；对全部预测粒子进行随机重采样，生成估计粒子，加权估计粒子的位置，得到定位位置。本发明的融合定位算法相比于蓝牙三角定位算法，鲁棒性更好，定位精度更高，实现成本比蓝牙三角定位算法更低。
-
公开(公告)号：CN114710745A
公开(公告)日：2022-07-05
申请号：CN202210378318.8
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙与PDR信息深度融合的室内定位方法，属于蓝牙定位技术领域，包括以下步骤：采集场景中的蓝牙数据；处理采集的蓝牙的RSSI，对RSSI进行排序、测距，得到测距量；利用测距量生成新型测量误差模型，粒子滤波的状态方程和观测方程；利用前一时刻粒子滤波的估计粒子进行第一重粒子滤波，生成M个位置粒子；通过传感器数据，计算前进方向和步长，第二重粒子滤波利用PDR算法，生成N个步伐粒子，全部预测粒子数N*M；对全部预测粒子进行随机重采样，生成估计粒子，加权估计粒子的位置，得到定位位置。本发明的融合定位算法相比于蓝牙三角定位算法，鲁棒性更好，定位精度更高，实现成本比蓝牙三角定位算法更低。
-
公开(公告)号：CN113242518B
公开(公告)日：2022-04-29
申请号：CN202110501956.X
申请日：2021-05-08
Applicant: 电子科技大学 , 成都畅联众智科技有限公司
IPC: H04W4/029 , H04W4/33 , H04W64/00 , H04B17/318 , G01S5/12
Abstract: 本发明提供了一种基于水晶型信标布局的改进位置指纹定位方法，属于指纹定位技术领域，包括以下步骤：在定位区域布置采样点，存储至数据库D；在采样点采集指纹信息，构建指纹库RSSI；在指纹库RSSI中选取RSSI值最大的iBeacon设备的相邻iBeacon设备作为参考点，并利用WKNN算法计算得到该相邻iBeacon设备的相对位置；将相对位置与RSSI值最大的iBeacon设备的绝对位置坐标通过累加计算得到绝对位置，得到定位坐标；利用卡尔曼滤波器修正所述定位坐标，完成基于水晶型信标布局的改进位置指纹定位。本发明在定位精度上比传统的位置指纹定位布局结构定位精度有所提升。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.03 seconds)
