-
公开(公告)号：CN107544904B
公开(公告)日：2020-11-03
申请号：CN201710717237.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于深度CG‑LSTM神经网络的软件可靠性预测模型，属于计算机软件技术领域。本发明包括模型训练和模型预测两部分，模型训练部分：对软件失效数据集进行数据归一化处理；利用归一化处理后的软件失效数据集训练基于深度CG‑LSTM神经网络的软件可靠性预测模型，获得预测模型。模型预测部分：获取当前软件失效数据并采进行数据归一化处理，然后输入获得的预测模型进行未来的软件失效预测，得到预测结果。本发明克服基于传统神经网络的软件可靠性预测模型的梯度消失问题、泛化能力差问题，模型预测精度更高、适用性更广。
-
公开(公告)号：CN107609648A
公开(公告)日：2018-01-19
申请号：CN201710599192.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06N3/12
Abstract: 本发明设计了一种结合堆叠降噪稀疏自动编码器的遗传算法，主要包括堆叠降噪稀疏自动编码器部分、SOM神经网络部分和遗传算法。通过堆叠降噪稀疏自动编码器提取实时环境图像特征,同时消除环境噪声影响，经过SOM神经网络的映射拟合作为遗传算法中的适应度值，解决了传统遗传算法应用于复杂现实环境时，其固定适应度计算函数欠缺灵活性与准确性的问题，避免算法出现欺骗问题，提高了算法解的质量，同时SOM神经网络映射拟合能够有效避免其他神经网络的长时间迭代运算与输出误差问题。
-
公开(公告)号：CN107544904A
公开(公告)日：2018-01-05
申请号：CN201710717237.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于深度CG-LSTM神经网络的软件可靠性预测模型，属于计算机软件技术领域。本发明包括模型训练和模型预测两部分，模型训练部分：对软件失效数据集进行数据归一化处理；利用归一化处理后的软件失效数据集训练基于深度CG-LSTM神经网络的软件可靠性预测模型，获得预测模型。模型预测部分：获取当前软件失效数据并采进行数据归一化处理，然后输入获得的预测模型进行未来的软件失效预测，得到预测结果。本发明克服基于传统神经网络的软件可靠性预测模型的梯度消失问题、泛化能力差问题，模型预测精度更高、适用性更广。
-
公开(公告)号：CN107562074B
公开(公告)日：2020-05-22
申请号：CN201710607470.8
申请日：2017-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种面向MAUVS围捕的任务分配方法；针对MAUVS在围捕过程中目标AUV智能逃跑性能提高的问题，若仍然采用传统的围捕策略，即仅仅研究围捕过程中动作控制问题，会导致目标AUV逃逸的几率增大，本发明突破传统的围捕策略，提出了一种面向MAUVS围捕的任务分配方法，有效地提高了模型的精度，进而提高了围捕准确率。
-
公开(公告)号：CN107612959A
公开(公告)日：2018-01-19
申请号：CN201710599267.0
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明提供一种基于微服务自管理的云服务平台，包括：云微服务自管理单元、中间接口单元、用户单元。所述云微服务自管理单元包括：IaaS模块、PaaS模块、SaaS模块和数据模块，接收微服务在该单元动态部署，对微服务动态地按照所述的四个模块进行分类编排，对同一模块内的微服务进行分组编排，并将编排部署好的微服务组和微服务向中间接口单元注册，接受中间接口单元的监控、查询、调用。所述中间接口单元，包括解析调用模块和登记监控模块，接收云微服务自管理单元的注册，对登记监控模块的节点网络流变化特征进行匹配处理；接收用户单元的服务请求并解析成微服务组或微服务请求，查询、调用云微服务自管理单元中的微服务组或微服务。
-
Patent Agency Ranking
公开(公告)号：CN107609648B
公开(公告)日：2021-02-12
申请号：CN201710599192.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06N3/12
Abstract: 本发明设计了一种结合堆叠降噪稀疏自动编码器的遗传算法，主要包括堆叠降噪稀疏自动编码器部分、SOM神经网络部分和遗传算法。通过堆叠降噪稀疏自动编码器提取实时环境图像特征,同时消除环境噪声影响，经过SOM神经网络的映射拟合作为遗传算法中的适应度值，解决了传统遗传算法应用于复杂现实环境时，其固定适应度计算函数欠缺灵活性与准确性的问题，避免算法出现欺骗问题，提高了算法解的质量，同时SOM神经网络映射拟合能够有效避免其他神经网络的长时间迭代运算与输出误差问题。
-
公开(公告)号：CN107426207B
公开(公告)日：2019-09-27
申请号：CN201710603864.6
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于SA‑iForest的网络入侵异常检测方法，属于网络安全领域。首先通过对训练集随机选择属性训练出多棵iTree，通过交叉验证计算出它们的异常检测精度，同时采用Q‑统计量计算出iTree之间的差异性，然后把精确度和差异性作为iTree挑选标准，根据iTree的差异性和精确度，利用模拟退火算法从初始森林中选出比较优秀的iTree来构建集成iForest，然后对测试集进行测试统计出其异常分值，完成对网络入侵异常检测。该方法不仅减小了iTree的集成规模而且利用模拟退火优化算法的快速收敛性来提高网络入侵异常检测效率，同时还提高了算法的泛化能力和预测性能。
-
公开(公告)号：CN107688752A
公开(公告)日：2018-02-13
申请号：CN201710717235.6
申请日：2017-08-21
Applicant: 哈尔滨工程大学
CPC classification number: G06F21/6254 , G06K9/6218 , G06K9/6267
Abstract: 本发明公开了一种面向多视图聚类挖掘的个性化隐私保护方法，属于信息安全技术领域。本发明提出隐私偏序拓扑分类算法(PT，Privacy Topology)，针对不同隐私数据的敏感性差异表示问题，先定义隐私关系并构建隐私偏序集，据此设计隐私数据的拓扑分类算法求解隐私线序集。针对隐私数据的多个视图，对原始数据、隐私度、元组敏感度、隐私线序集等视图进行多视图聚类。提出面向聚类的个性化匿名算法(PPOC，Personal Privacy Oriented Classtering),通过可变k-匿名策略，利用面向多视图聚类的满足个性化需求的隐私保护算法，实现对不同聚类簇以及同簇内部不同元组施加程度有别的个性化保护操作。
-
公开(公告)号：CN107566153B
公开(公告)日：2020-09-25
申请号：CN201710599197.9
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种自管理的微服务实现方法，创新地提出把微服务按层级划分部署的方法；创新地使用Kubernetes技术进行不同服务层级的封装分组的方法，按组提供调用接口；创新地使用监控算法Bloom‑Filter思想的方法，使得云平台微服务的部署发现监控和管理合理高效，容易维护，并且有很好的扩展性，解决了用户对云服务平台功能种类及数量的需求动态迭代时，致使微服务进程数量众多甚至是海量时，云服务平台对微服务部署发现监控，查询调用，维护管理效率低下臃肿等问题。最终实现云平台中微服务的部署、发现、监控及维护管理，不受制于用户对云平台功能服务数量及种类动态递增的需求。
-
公开(公告)号：CN107562074A
公开(公告)日：2018-01-09
申请号：CN201710607470.8
申请日：2017-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种面向MAUVS围捕的任务分配方法；针对MAUVS在围捕过程中目标AUV智能逃跑性能提高的问题，若仍然采用传统的围捕策略，即仅仅研究围捕过程中动作控制问题，会导致目标AUV逃逸的几率增大，本发明突破传统的围捕策略，提出了一种面向MAUVS围捕的任务分配方法，有效地提高了模型的精度，进而提高了围捕准确率。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
