-
公开(公告)号：CN109194444A
公开(公告)日：2019-01-11
申请号：CN201811017396.5
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据存储领域，具体涉及一种基于网络拓扑的平衡二叉树修复方法。包括以下步骤：构建修复平衡二叉树；数据修复。本发明所述的是一种基于平衡二叉树的纠删码技术，克服传统采用星型结构的纠删码在数据修复时，占用较高网络带宽的问题，提高修复效率，降低修复时间。
-
公开(公告)号：CN109491835B
公开(公告)日：2022-04-12
申请号：CN201811250945.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F11/14
Abstract: 本发明提出了一种基于动态分组码的数据容错方法，属于数据存储技术领域，具体涉及分布式存储系统中数据的容错问题，利用基于动态分组码的数据容错方法恢复丢失或失效的数据。首先按照分布式系统中磁盘的分组对将要存储的数据进行分块存储。当一个条带的数据存储完全时，对这个条带上的数据块应用DLRC编码，生成全局校验块和局部校验块并存储到校验块的磁盘中。当发现有数据块失效时，读取参与重构的节点数据，利用DLRC编码进行反向计算，重构出丢失的数据并重新存储到磁盘。本发明实现了存储开销、容错能力和重构开销的动态平衡，可以适用于不同存储系统的需求。在消耗同样的存储空间的情况下，DLRC编码容错能力高、重构开销低，具有良好的实用价值。
-
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：CN109492516A
公开(公告)日：2019-03-19
申请号：CN201811028694.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于DGRU神经网络的UUV集群行为识别方法，属于深度学习领域；本发明对GRU神经网络进行改进，提出了防止信息丢失的DGRU神经网络，并应用DGRU神经网路建立欠驱动UUV集群行为识别模型；本发明包括数据预处理阶段、模型训练阶段和模型预测阶段，具体包括如下步骤：(1)对UUV集群行为数据集进行数据清洗；(2)利用数据预处理后的数据集训练DGRU神经网络，建立UUV集群行为识别模型；(3)获取当前软件失效数据并采用(1)中同样的方法进行数据归一化处理，然后输入(2)中获得的预测模型进行UUV的集群行为识别，得到识别结果；应用该模型可以精确识别欠驱动UUV集群行为的方法，克服了传统UUV集群性行为识别技术的缺点。
-
公开(公告)号：CN109344960A
公开(公告)日：2019-02-15
申请号：CN201811017376.8
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习领域，具体涉及一种防止数据信息丢失的DGRU神经网络及其预测模型建立方法。DGRU神经网络预测模型建立方法包括如下步骤：1、对数据集进行数据清洗，包括处理数据不平衡问题、归一化问题；2、利用数据预处理后的数据集训练DGRU神经网络，建立预测模型；3、根据模型预测结果。DGRU神经网络，包括输入层、输出层和隐含层，隐含层由DGRU神经元构成，DGRU是在GRU的基础上改进的，DGRU神经网络的输入数据为经过数据预处理后的t时刻的集群行为数据 输出数据为预测的下一刻集群行为 本发明增加了不同层之间的信息传递，增强模型的记忆能力，克服传统GRU神经网络信息丢失问题，应用DGRU建立的预测模型，提高了预测精度。
-
Patent Agency Ranking
公开(公告)号：CN109491835A
公开(公告)日：2019-03-19
申请号：CN201811250945.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F11/14
Abstract: 本发明提出了一种基于动态分组码的数据容错方法，属于数据存储技术领域，具体涉及分布式存储系统中数据的容错问题，利用基于动态分组码的数据容错方法恢复丢失或失效的数据。首先按照分布式系统中磁盘的分组对将要存储的数据进行分块存储。当一个条带的数据存储完全时，对这个条带上的数据块应用DLRC编码，生成全局校验块和局部校验块并存储到校验块的磁盘中。当发现有数据块失效时，读取参与重构的节点数据，利用DLRC编码进行反向计算，重构出丢失的数据并重新存储到磁盘。本发明实现了存储开销、容错能力和重构开销的动态平衡，可以适用于不同存储系统的需求。在消耗同样的存储空间的情况下，DLRC编码容错能力高、重构开销低，具有良好的实用价值。
-
公开(公告)号：CN109376848A
公开(公告)日：2019-02-22
申请号：CN201811017375.3
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种简化的门控单元神经网络，属于深度学习领域。本发明包括：对输入数据集进行数据清洗，选择经典数据集，如Iris数据集，此过程处理数据不平衡问题、归一化以及冗余数据处理问题；利用数据预处理后的数据集训练OGRU神经网络，建立预测模型；获取数据集，进行数据预处理过程，然后输入所获得的OGRU预测模型进行模型预测，得到预测结果。本发明克服传统GRU神经网络结构过于复杂，泛化能力差的问题，并且应用OGRU建立精确高效的预测模型，解决传统方法训练时间过长问题。
-
公开(公告)号：CN109409200A
公开(公告)日：2019-03-01
申请号：CN201811017220.X
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于SGRU神经网络的UUV集群行为识别技术。本发明具体步骤为数据预处理阶段，对UUV集群行为数据集进行数据清洗，包括处理数据不平衡问题、缺失值问题；模型训练阶段，利用数据预处理后的数据集训练SGRU神经网络，建立UUV集群行为识别模型；模型预测阶段，获取当前软件失效数据并进行数据预处理过程，然后输入所获得的SGRU预测模型进行UUV集群行为识别的预测，得到预测结果。本发明克服传统GRU神经网络结构过于复杂，泛化能力差的问题，并且应用SGRU建立精确高效的UUV集群行为识别模型，解决传统方法无法准确识别UUV集群行为的问题。
-
公开(公告)号：CN107578117A
公开(公告)日：2018-01-12
申请号：CN201710599219.1
申请日：2017-07-21
Applicant: 哈尔滨工程大学
IPC: G06Q10/04
Abstract: 本发明为克服现有技术的缺陷，提出了一种多层异构动态粒子群优化方法。该算法将粒子群拓扑结构设置为多层次结构，同时在粒子的速度更新过程当中，引入吸引粒子的概念，将粒子周围的吸引粒子对其自身的影响考虑在内，对粒子的速度更新公式进行改进。这种改进方式能够平衡算法本身的局部搜索能力和全局搜索能力，很好的解决了由于粒子之间信息共享机制简单导致的算法容易早熟，收敛速度慢等缺陷。本发明的有益效果是：相比于传统的粒子群优化算法收敛速度较快，增强了粒子之间的信息交互能力，提高了算法的局部开发能力和寻优效率。
-
公开(公告)号：CN107426207A
公开(公告)日：2017-12-01
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
