-
公开(公告)号：CN107895177B
公开(公告)日：2021-08-03
申请号：CN201711143495.3
申请日：2017-11-17
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种保持图像分类稀疏结构的迁移分类学习方法，找到两个分布相近但不同的源域和目标域，源域包含有标签数据，首先在源域上利用监督分类方法训练分类器，并利用该分类器预测目标域数据的伪标签；其次，利用最大均值差异分别构造源域和目标域数据的边缘分布和条件分布项，将二者组合构成联合分布项；然后，利用有效投影的稀疏学习工具包构造所有数据上的稀疏表示矩阵S以构造稀疏结构保持项；接着，利用结构风险最小化原则构造结构风险最小化项；最后，将结构风险最小化项、联合分布项以及稀疏结构保持项结合起来构造统一的迁移分类学习框架，并利用包含核函数的分类函数表示定理代入框架求解获得最终可用于预测目标域类别的分类器。
-
公开(公告)号：CN101854391A
公开(公告)日：2010-10-06
申请号：CN201010182468.9
申请日：2010-05-25
Applicant: 南京邮电大学
Abstract: 本发明的目的是提供一种基于对等网络阿瑞斯协议分析系统及其实现方法。目前P2P流量成为网络负担的问题，可以通过部署P2P缓存服务器得到解决，缓存服务器架构中的协议识别系统，避免了以往协议分析系统所存在的功耗高，不稳定性以及识别效率低等问题。根据哈希搜索以及一些交互报文的应用层报文的大小以及报文特征字，对报文进行高效的识别，然后对哈希搜索请求报文进行分析并提取{源地址、下载资源号}信息，将其发送到索引服务器，同时将相应哈希搜索请求报文复制后缓存于队列里，进而等待索引服务器的返回节点列表信息，最后根据索引服务器返回的信息，构造哈希搜索返回结果报文给对等网络阿瑞斯客户端。
-
Patent Agency Ranking
公开(公告)号：CN101854391B
公开(公告)日：2013-01-02
申请号：CN201010182468.9
申请日：2010-05-25
Applicant: 南京邮电大学
Abstract: 本发明的目的是提供一种基于对等网络阿瑞斯协议分析系统及其实现方法。目前P2P流量成为网络负担的问题，可以通过部署P2P缓存服务器得到解决，缓存服务器架构中的协议识别系统，避免了以往协议分析系统所存在的功耗高，不稳定性以及识别效率低等问题。根据哈希搜索以及一些交互报文的应用层报文的大小以及报文特征字，对报文进行高效的识别，然后对哈希搜索请求报文进行分析并提取{源地址、下载资源号}信息，将其发送到索引服务器，同时将相应哈希搜索请求报文复制后缓存于队列里，进而等待索引服务器的返回节点列表信息，最后根据索引服务器返回的信息，构造哈希搜索返回结果报文给对等网络阿瑞斯客户端。
-
公开(公告)号：CN102143083A
公开(公告)日：2011-08-03
申请号：CN201110085747.8
申请日：2011-04-02
Applicant: 南京邮电大学
Abstract: 一种阿瑞斯协议分析系统中双缓存的设计与实现方法采用了哈希链表的存储结构，即开地址散列表的存储方式对抓取的数据包进行存取，并创新性地增加了统计信息头结构，缩短查询时间。此外，本发明借鉴了内存池的存取机制，在对节点进行删除操作时，只对节点内容进行清空，而不释放节点空间，有效地提高了存储的效率。同时基于散列表的存储方式，在查询速度以及存储空间方面本身就具有优势，可以有效减少查找范围，降低查找时间，动态地扩充容量。另外，采用的双哈希链表的双缓冲机制，使得共享数据的两个不同模块在同一时刻可以并行地操作共享缓冲区，互不干扰，有效地减少了模块间的协作，大大地增加了模块的独立性。
-
公开(公告)号：CN107895177A
公开(公告)日：2018-04-10
申请号：CN201711143495.3
申请日：2017-11-17
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6249 , G06K9/6256 , G06K9/6269
Abstract: 本发明公开了一种保持图像分类稀疏结构的迁移分类学习方法，找到两个分布相近但不同的源域和目标域，源域包含有标签数据，首先在源域上利用监督分类方法训练分类器，并利用该分类器预测目标域数据的伪标签；其次，利用最大均值差异分别构造源域和目标域数据的边缘分布和条件分布项，将二者组合构成联合分布项；然后，利用有效投影的稀疏学习工具包构造所有数据上的稀疏表示矩阵S以构造稀疏结构保持项；接着，利用结构风险最小化原则构造结构风险最小化项；最后，将结构风险最小化项、联合分布项以及稀疏结构保持项结合起来构造统一的迁移分类学习框架，并利用包含核函数的分类函数表示定理代入框架求解获得最终可用于预测目标域类别的分类器。
-
公开(公告)号：CN102571946B
公开(公告)日：2015-07-01
申请号：CN201110449361.0
申请日：2011-12-28
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 本发明的目的是提供一种基于机器学习的P2P流量识别与控制系统及其实现方法。目前P2P流量成为网络负担的问题，可以通过对P2P流量的识别进而有效地控制，可以大大降低P2P流量带来的资源带宽压力。该软件的主要功能是检测和控制P2P流量，其中内核模块实现的检测系统和PTCM机制是核心部分。使用正则表达式匹配的方法识别未加密流量，不能识别的流量采用集成学习算法做分类，同时将匹配的P2P流量进行哈希标识，这样就达到了DPI和TLI两种方式相结合的目的，然后将分类过的流量送入PTCM机制进行智能控制策略的生成，最后通过消息队列控制LINUX系统里自带的TC功能模块。
-
公开(公告)号：CN102571946A
公开(公告)日：2012-07-11
申请号：CN201110449361.0
申请日：2011-12-28
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 本发明的目的是提供一种基于机器学习的P2P流量识别与控制系统及其实现方法。目前P2P流量成为网络负担的问题，可以通过对P2P流量的识别进而有效地控制，可以大大降低P2P流量带来的资源带宽压力。该软件的主要功能是检测和控制P2P流量，其中内核模块实现的检测系统和PTCM机制是核心部分。使用正则表达式匹配的方法识别未加密流量，不能识别的流量采用集成学习算法做分类，同时将匹配的P2P流量进行哈希标识，这样就达到了DPI和TLI两种方式相结合的目的，然后将分类过的流量送入PTCM机制进行智能控制策略的生成，最后通过消息队列控制LINUX系统里自带的TC功能模块。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
