-
公开(公告)号：CN111554305B
公开(公告)日：2023-06-09
申请号：CN202010336844.9
申请日：2020-04-26
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于语谱图和注意力机制的声纹识别方法，包括步骤：数据预处理，将语音语料进行处理；特征提取，提取语谱图作为输入特征；特征处理，将语谱图输入卷积神经网络，利用卷积神经网络对多语谱图进行自动优化和降维；模型训练，利用X‑Vector说话人识别模型对语谱图特征进行训练，并引入注意力机制对帧级别特征进行权重处理；打分判决，对两个待测样本的似然对数比得分和预设条件进行判定，给出两个样本是否为同一个说话人的判断。和现有X‑Vector说话人识别技术相比，本发明引入卷积神经网络和语谱图，能更好地捕获说话人特征，并且采用注意力机制对统计层进行训练，成本低，效率高，提高了说话人识别系统的性能。
-
公开(公告)号：CN115374931A
公开(公告)日：2022-11-22
申请号：CN202111496687.9
申请日：2021-12-09
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于元对抗训练的深度神经网络鲁棒性增强方法，包括步骤：使用多种对抗攻击算法生成对抗样本，验证元对抗训练防御方法的鲁棒性；将对抗样本与干净样本按照不同的比例进行融合构造训练集；使用卷积神经网络的卷积操作对所述训练集中的数据进行特征提取；元学习阶段，变换特征提取器的参数，使得深度神经网络快速适应小样本任务；输出对抗样本的类别，计算准确率。与现有技术相比，在对抗训练过程中加入元学习方法，利用元学习在面对新出现的样本时具有较强的泛化性、较高的识别准确率的特点，解决对抗训练泛化性较差的问题。
-
公开(公告)号：CN110049037B
公开(公告)日：2021-12-14
申请号：CN201910298469.0
申请日：2019-04-15
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于数据链路层的网络视频数据获取方法，包括步骤：在数据链路层抓取、复制传输到本地计算机网卡上的所有MAC数据帧；对MAC数据帧进行逐帧解析并生成数据包；对所述数据包进行分析，得出视频数据所在位置；根据视频数据所在位置，选择出包含视频数据的数据包；将所述包含视频数据的数据包进行整理后合并生成视频文件。与现有技术相比，本发明视频数据获取过程简短高效；解析过程速度更快、占用资源更少；执行效率更加高效；视频生成速度更快、效率更高。
-
公开(公告)号：CN110049037A
公开(公告)日：2019-07-23
申请号：CN201910298469.0
申请日：2019-04-15
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于数据链路层的网络视频数据获取方法，包括步骤：在数据链路层抓取、复制传输到本计算机网卡上的所有MAC数据帧；对MAC数据帧进行逐帧解析并生成数据包；对所述数据包进行分析，得出视频数据所在位置；根据视频数据所在位置，选择出包含视频数据的数据包；将所述包含视频数据的数据包进行整理后合并生成视频文件。与现有技术相比，本发明视频数据获取过程简短高效；解析过程速度更快、占用资源更少；执行效率更加高效；视频生成速度更快、效率更高。
-
公开(公告)号：CN115146762A
公开(公告)日：2022-10-04
申请号：CN202210668973.7
申请日：2022-06-14
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于SE模块增强ViT模型鲁棒性的方法，包括步骤：使用多种对抗攻击算法生成对抗样本，验证所提出现有的ViT模型的防御方法在面对不同对抗样本时的鲁棒性；将对抗样本输入所提出ViT模型的Convolutional Token Embedding层，然后再通过归一化层；将S2得到的特征输入SE‑Transformer块，特征首先经过SE模块，然后计算特征的Query、Key和Value值；将步骤S2、S3重复执行，并在最后阶段中添加cls分类标记；使用MLP Head预测最终的类别，计算准确率。本发明利用SE模块突出每个特征图的重要信息，抑制次要信息，有助于模型进行关键特征的提取，强化通道的特征信息，减少无用的特征；同时结合ViT模型的自注意力机制(self‑attention)可以提取特征的长距离信息。
-
Patent Agency Ranking
公开(公告)号：CN115146762B
公开(公告)日：2024-10-29
申请号：CN202210668973.7
申请日：2022-06-14
Applicant: 兰州理工大学
IPC: G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于SE模块增强ViT模型鲁棒性的方法，包括步骤：使用多种对抗攻击算法生成对抗样本，验证所提出现有的ViT模型的防御方法在面对不同对抗样本时的鲁棒性；将对抗样本输入所提出ViT模型的Convolutional Token Embedding层，然后再通过归一化层；将S2得到的特征输入SE‑Transformer块，特征首先经过SE模块，然后计算特征的Query、Key和Value值；将步骤S2、S3重复执行，并在最后阶段中添加cls分类标记；使用MLP Head预测最终的类别，计算准确率。本发明利用SE模块突出每个特征图的重要信息，抑制次要信息，有助于模型进行关键特征的提取，强化通道的特征信息，减少无用的特征；同时结合ViT模型的自注意力机制(self‑attention)可以提取特征的长距离信息。
-
公开(公告)号：CN117195461A
公开(公告)日：2023-12-08
申请号：CN202310285866.0
申请日：2023-03-21
Applicant: 兰州理工大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种自由活塞斯特林发动机性能优化方法，属于发动机技术领域，具体涉及一种正交实验和灰色关联度相结合的斯特林发动机整机性能优化方法，建立自由活塞斯特林发动机热‑动力学模型；根据对性能的影响权重，选取多个动力学参数作为实验因素，多个响应值作为影响整机性能的评价指标；设计正交实验方案；利用正交实验获得不同动力学参数水平组合下的响应值；基于灰色关联度分析方法，根据不同动力学参数水平组合下的响应值获得动力学参数在不同水平下的关联度，并根据大小进行排序，获得待优化参数的最优组合，验证并确定最优动力学参数组合，解决了现有斯特林发动机性能影响参数多、优化成本高的问题。
-
公开(公告)号：CN111935099A
公开(公告)日：2020-11-13
申请号：CN202010686940.6
申请日：2020-07-16
Applicant: 兰州理工大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于深度降噪自编码网络的恶意域名检测方法，包括步骤：构造单层自编码网络，将输入数据压缩后重构输出，通过输入与输出数据之间的误差，训练单层自编码网络；在单层自编码网络的输入数据中加入噪声，通过学习输入数据与输出数据之间的误差，去除噪声，形成单层降噪自编码网络；通过叠加多个单层降噪自编码网络，构造深度降噪自编码网络；逐层训练深度降噪自编码网络，对域名的分布式表征进行逐层压缩，提取域名的多维字符特征；根据深度降噪自编码网络提取的域名的多维字符特征，使用随机森林分类算法对待测域名进行检测，识别其中的恶意域名。本发明可以实现广谱恶意域名的检测，具有检测精度高、误报与漏报率低等优点。
-
公开(公告)号：CN111554305A
公开(公告)日：2020-08-18
申请号：CN202010336844.9
申请日：2020-04-26
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于语谱图和注意力机制的声纹识别方法，包括步骤：数据预处理，将语音语料进行处理；特征提取，提取语谱图作为输入特征；特征处理，将语谱图输入卷积神经网络，利用卷积神经网络对多语谱图进行自动优化和降维；模型训练，利用X-Vector说话人识别模型对语谱图特征进行训练，并引入注意力机制对帧级别特征进行权重处理；打分判决，对两个待测样本的似然对数比得分和预设条件进行判定，给出两个样本是否为同一个说话人的判断。和现有X-Vector说话人识别技术相比，本发明引入卷积神经网络和语谱图，能更好地捕获说话人特征，并且采用注意力机制对统计层进行训练，成本低，效率高，提高了说话人识别系统的性能。
-
公开(公告)号：CN109889491A
公开(公告)日：2019-06-14
申请号：CN201910001373.3
申请日：2019-01-02
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于词法特征的恶意域名快速检测方法，包括步骤：数据标准化，将待测域名按照长度进行正则化处理；权值计算，通过计算待测域名的权值，将域名词法特征的提取转化为数值计算；聚类分组，利用聚类算法将待测域名划分成组内域名在长度上相似的多个小组；组间排序，利用改进的堆排序算法按照组内权值总和计算各域名小组优先级；域名检测，按照优先级降序依次计算域名小组中每一域名与黑名单上域名之间的编辑距离，并根据编辑距离的大小快速判断出恶意域名。与现有技术相比，本发明不依赖在线获取域名解析数据，可以单独、快速完成恶意域名检测，为恶意域名的检测提供了一种新思路，丰富了恶意域名的检测手段。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
