-
公开(公告)号：CN113918944B
公开(公告)日：2025-01-10
申请号：CN202111158960.7
申请日：2021-09-30
Applicant: 南京邮电大学
IPC: G06F21/56
Abstract: 本发明涉及一种基于界面布局的Android仿冒应用检测方法，基于正版Android应用中与待测Android应用中各Activity运行界面，提取其界面布局的界面结构特征向量、以及对应预设各类型特征的类型特征向量；并依据界面结构特征向量和界面的截图，筛选出各个待分析Activity组，再通过对应预设各类型特征的类型特征向量，计算各待分析Activity组相对应的相似度；最后基于正版Android应用与待测Android应用间相似度，判断待测Android应用是否为仿冒应用；相比较目前主流的仿冒APP检测算法而言，主要优势在于该方法抗混淆能力强，执行效率高，能够有效地检测不同类型的应用仿冒，不仅能够对传统的应用仿冒行为进行检测，同时能够有效地检测更加复杂、更有针对性的应用界面仿冒。
-
公开(公告)号：CN117668282A
公开(公告)日：2024-03-08
申请号：CN202311581604.5
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: G06F16/583 , G06F16/532 , G06F16/9032 , G06F18/2431 , G06F18/25 , G06V20/60 , G06V10/42 , G06V10/44 , G06N3/0455 , G06N3/0442 , G06N3/0464
Abstract: 本发明提供一种基于记忆网络和卷积增强的视觉问答处理方法，属于计算机视觉和自然语言处理领域结合的跨模态任务技术领域，通过记忆网络利用与图像相关的历史问题信息从全局角度生成图像的记忆补充特征，从而能够更加有效地利用同一张图像对应的历史问题中的互补信息，为模型提供更加全面和精确的历史记忆。其次应用卷积增强在问题引导的图像特征上进一步提取局部关键信息，随后与图像的记忆补充特征进行重加权融合，使模型在回答问题时更加关注与当前问题最相关的图像部分，从局部角度更精确的提取历史问题的互补信息，提高视觉问答模型的准确率。
-
公开(公告)号：CN116047404B
公开(公告)日：2023-08-04
申请号：CN202310320696.5
申请日：2023-03-29
Applicant: 南京邮电大学
IPC: G01S3/14 , G06F18/23213
Abstract: 本发明属于到达角测量技术领域，公开了一种基于Pmusic谱峰图的到达角测量方法，首先，在室内环境下采集WiFi发射机发射的无线信号数据，从WiFi信号中提取出CSI原始数据；其次，对原始CSI数据进行数据预处理，预处理步骤包括：线性拟合和同步消除；然后，对预处理后的数据使用子载波选择和MUSIC算法得到谱峰图数据Pmusic；接着，对谱峰图数据Pmusic进行谱峰选择，对选出来的Pmusic数据使用kmeans聚类方法找出轮廓系数最大的分类方式；最后，根据最大分类方式所得到的簇中Pmusic数据估计出发射机与接收机之间的到达角。本发明提高了AOA估计的精度，从而提高了定位效果。
-
公开(公告)号：CN112785058B
公开(公告)日：2022-07-29
申请号：CN202110088922.2
申请日：2021-01-22
Applicant: 南京邮电大学
Abstract: 基于多源迁移学习的水质预测方法，包括如下步骤：根据水域中待预测监测点水质信息以及临近监测点水质信息，构造基于多源迁移学习的水质预测框架，其由基于高斯卷积的水质特征提取网络，基于瓶颈层的水质特征对齐网络和基于ESN的水质预测模型组成，并得到初步预测结果；根据初步预测结果，优化基于多源迁移学习的水质预测框架中的预测参数；使用预测参数优化后的基于多源迁移学习的水质预测框架，得到最终的预测结果。本方法将多源迁移学习运用到水质预测中。有效利用了多个临近监测点的水质信息，构造了多个符合待预测点水质特征的水质预测模型，有效降低了模型预测偏差，提升了水质预测精度。
-
公开(公告)号：CN114638984A
公开(公告)日：2022-06-17
申请号：CN202210151497.1
申请日：2022-02-17
Applicant: 南京邮电大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06T7/90 , H04L9/40 , G06F16/955 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于胶囊网络的恶意网站URL检测方法，包括：根据进制转换规则将拦截到的待检测URL转换为三通道RGB彩色图像；基于胶囊网络构建目标检测模型；利用样本数据对目标检测模型进行训练，生成包含图结构和网络参数的目标检测模型；将待检测目标输入训练后的目标检测模型中，对拦截到的待检测URL是否属于恶意网站以及属于哪个恶意家族进行识别分类。本发明引入了恶意网站URL可视化方法，提高了检测效率；使用胶囊网络进行图像的特征提取和分类训练，提高了检测准确率，同时也较好解决了深度神经网络中小样本训练效果不佳的问题。
-
Patent Agency Ranking
公开(公告)号：CN110418353B
公开(公告)日：2022-04-08
申请号：CN201910676958.5
申请日：2019-07-25
Applicant: 南京邮电大学
IPC: H04W16/18 , H04W28/08 , H04L41/142 , G06N3/00
Abstract: 本发明提出了一种基于粒子群算法的边缘计算服务器放置方法，该方法的主体思路是：通过迭代不断更新边缘服务器的位置和速度，确定每一次迭代是每个边缘服务器所负载的基站，最后根据负载均衡程度判定边缘服务器的位置是否满足最优化的要求。该方法的有益效果在于可以一次性找出所有边缘服务器的位置，不用对每一个边缘服务器分别计算，大大节约了时间提高了效率。在考虑边缘服务器和基站之间的传输延迟最小化的同时考虑每个边缘服务器之间的负载均衡，让最中边缘服务器放置的位置同时满足最小化传输延迟和负载均衡两个特性，充分考虑现实情况，具有可操作性。
-
公开(公告)号：CN111310892A
公开(公告)日：2020-06-19
申请号：CN202010067852.8
申请日：2020-01-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于独立循环神经网络的语言模型建模方法，使用独立循环神经网络代替循环神经网络作为基本单元，由于独立循环神经网络的神经元只从输入和上一时刻的隐态本身接收信息，同一层之间的神经元没有相互作用，梯度的计算可以独立进行，同时针对独立循环神经网络进行dropout正则化，在时间序列上通过在层与层之间应用dropout以改善模型的过拟合现象；使用对数双线性模型降低输出层的计算量，加快训练速度。本发明结合了独立循环神经网络、正则化方法以及对数双线性模型的优越性，可以降低语言模型的困惑度并提升训练效率。
-
公开(公告)号：CN110401714A
公开(公告)日：2019-11-01
申请号：CN201910677699.8
申请日：2019-07-25
Applicant: 南京邮电大学
Abstract: 一种边缘计算中基于切比雪夫距离的卸载目标确定方法，该策略的主题思想是：本方法总的是采用切比雪夫距离算法，求出所有服务器设备资源剩余量与移动设备服务请求资源需求量的相同程度（相同程度越高，就代表该服务器更适合服务这一移动设备的服务请求），采用相同程度高的服务器，这样一来能有效减少对资源的浪费。同时该方法中，设立了中转设备，用于服务器设备和移动设备进行沟通的一个桥梁，有效减少移动设备和服务器设备直接沟通的次数。这样一来即可以减少对移动设备的宽带需求，又提高了移动设备的安全性，从来增加了用户体验。
-
公开(公告)号：CN110263514A
公开(公告)日：2019-09-20
申请号：CN201910094933.4
申请日：2019-01-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种物联网可穿戴设备中基于人体行为的身份识别方法,可应用于医疗、生活、军工等各个领域。本发明针对目前可穿戴式设备识别的效率低和准确度低的不足，对其进行改进，主要考虑可穿戴式设备的便携性，以及步态分析的较高准确性。本文提出的方法对个人的步频和步长两个特征进行提取，归一化之后，计算步频、步长的累积失真距离，并进行结果的动态判断，同时进行数据库的更新，这样既可以保证设备识别的便携性，又可以保证识别结果的较高准确度。
-
公开(公告)号：CN107302561B
公开(公告)日：2019-08-13
申请号：CN201710367002.8
申请日：2017-05-23
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 本发明涉及一种云存储系统中热点数据副本放置方法，通过文件的读写次数进行分类，再选择热度较高且合适的文件增加副本数量以达到平衡存储节点负载，一定程度上减少系统内部通信成本，提高云存储系统整体性能的目的；其原理是根据周期内对文件的访问情况做记录，对根据记录筛选得到的适合的热点文件增加额外的临时副本；本发明所设计方法可以在尽可能避免额外开销的条件下，有效控制部分文件热度急剧上升带来的消耗。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.097 seconds)
