-
公开(公告)号：CN114124726B
公开(公告)日：2024-01-30
申请号：CN202111224464.7
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: H04L41/14 , H04L43/08 , H04L43/20 , H04B17/391
Abstract: 本发明公开了一种基于离散事件系统范式的数据链脆弱性分析方法。本发明先构建支持场景规则的DEVS模型；再根据JCAS中的任务场景，构建数据链测试结点以模拟任务场景中的各个单元与能够管理与监听所有结点通信的总控单元；针对不同数据链测试结点两两之间的通信链路设置不同程度的通信干扰；在具有通信干扰条件的模型中执行测试；由总控单元获取测试完成后的各结点状态，结合消息监听数据计算数据链路脆弱性分析指标，给出当前任务当前通信干扰条件设置下各结点的脆弱性程度。本发明使用离散事件系统范式与通信干扰条件模拟建立数据链脆弱性分析系统，最终的执行结果通过各种指标计算获得不同任务场景下不同通信干扰条件下的结点脆弱性分析结果。
-
公开(公告)号：CN116596037A
公开(公告)日：2023-08-15
申请号：CN202310571199.2
申请日：2023-05-17
Applicant: 杭州电子科技大学
IPC: G06N3/0464 , G06N3/082 , G06V10/764 , G06V10/20 , G06V10/82 , G06V10/778
Abstract: 本发明公开了一种基于结构重参数化的模型优化方法。本发明步骤包括：1、确定当前模型是否包括卷积、残差结构；2、确定当前模型的数据集类型，对不同的数据进行增强图像；3、对当前模型进行结构复杂化，将当前模型中3x3卷积结构改写多分支结构，得到复杂模型；然后用确定的数据集训练该复杂模型，得到训练好的复杂模型的模型权重；4、基于结构重参数化替换复杂模型中的分支结构，将复杂模型中的分支结构等价替换为单个卷积核大小相同的3x3卷积结构，同时删除复杂模型中梯度为0的通道，得到裁剪后的模型；5、测试裁剪过的模型，进行评估测试精度。本发明的优势在于使用结构重参数化实现剪枝和重构，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN110516193B
公开(公告)日：2023-03-21
申请号：CN201910610729.3
申请日：2019-07-08
Applicant: 杭州电子科技大学 , 中国电子科技集团公司第三十六研究所
Abstract: 本发明涉及一种笛卡尔坐标系下基于转换瑞利滤波器的机动目标跟踪方法。本发明具体涉及仅有角度量测信息的机动目标跟踪问题。本发明包括两部分，分别是基于转换瑞利滤波思想的笛卡尔坐标下量测方程的确定和根据笛卡尔坐标系的量测方程采用本发明提出的带有修正加速度的交互式多模型集中式转换瑞利滤波(MAIMMCSRF)算法实现对机动目标的跟踪。本发明的核心是基于转换瑞利滤波思想的笛卡尔坐标下量测方程的生成和笛卡尔坐标系下提出的MAIMMCSRF算法对机动目标的跟踪。本发明可以对高机动目标和实现更为精确的跟踪定位，机动目标跟踪算法中采用中值滤波降低交互式多模型算法中加速度误差，本发明目标跟踪误差更小，跟踪定位更准确。
-
公开(公告)号：CN115376164A
公开(公告)日：2022-11-22
申请号：CN202210975109.1
申请日：2022-08-15
Applicant: 杭州电子科技大学 , 北京中电华大电子设计有限责任公司
IPC: G06V40/12 , G06V10/30 , G06V10/74 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于知识蒸馏网络的MCU指纹识别方法。包括1)批量图像输入和预处理；2)利用CNN卷积神经网络进行特征提取；3)利用三元组损失函数对提取到的指纹特征图进行无监督训练，并比较高维特征图之间的余弦相似度，从而得出同类指纹及异类指纹之间的相似程度并用于评估；4)使用量化感知策略，在量化的过程中，对网络进行训练，从而减小模型尺寸大小，减少模型内存占用，加快模型推理速度，降低功耗；5)利用知识蒸馏技术将复杂模型中的知识迁移到简单模型中；6)执行测试，对训练好的学生网络进行图像相似度评估。
-
公开(公告)号：CN114124726A
公开(公告)日：2022-03-01
申请号：CN202111224464.7
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: H04L41/14 , H04L43/08 , H04L43/20 , H04B17/391
Abstract: 本发明公开了一种基于离散事件系统范式的数据链脆弱性分析方法。本发明先构建支持场景规则的DEVS模型；再根据JCAS中的任务场景，构建数据链测试结点以模拟任务场景中的各个单元与能够管理与监听所有结点通信的总控单元；针对不同数据链测试结点两两之间的通信链路设置不同程度的通信干扰；在具有通信干扰条件的模型中执行测试；由总控单元获取测试完成后的各结点状态，结合消息监听数据计算数据链路脆弱性分析指标，给出当前任务当前通信干扰条件设置下各结点的脆弱性程度。本发明使用离散事件系统范式与通信干扰条件模拟建立数据链脆弱性分析系统，最终的执行结果通过各种指标计算获得不同任务场景下不同通信干扰条件下的结点脆弱性分析结果。
-
Patent Agency Ranking
公开(公告)号：CN114091235A
公开(公告)日：2022-02-25
申请号：CN202111216824.9
申请日：2021-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于JCAS典型场景想定的数据链系统仿真与验证方法。本发明包括：1、建立TM控制模型，包括SUT管理模块、通信模块、场景行为模块、航迹模块和测试模块；2、建立SUT单元模型；3、建立场景行为模块；4、建立航迹模块，TM控制模型根据在线SUT单元模型的唯一实体号及角色名搭建JCAS场景；通过航迹模块实现JCAS场景动态响定，并且实现动态更新SUT单元模型的本地航迹库信息；5、建立测试模块，基于步骤3中建立的场景行为模块和步骤4中的航迹模块，使用QT框架搭建测试模块实现功能测试，最终生成支持实时分布式仿真测试环境的被测系统模型；6、运行生成的测试系统模块。本发明通过软件模拟的方式进行模拟，从而完成仿真实验验证的方法。
-
公开(公告)号：CN113536551A
公开(公告)日：2021-10-22
申请号：CN202110734471.5
申请日：2021-06-30
Applicant: 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明涉及一种基于DEVS的数据链系统的建模与测试的方法。本发明步骤为：建立输入/输出行为模型：根据目标数据链系统消息标准的输入/输出行为建立；建立最小可测试输入/输出对模型：根据各个输入/输出行为在时间上的发生顺序建立；建立规则行为模型：根据各个最小可测试输入/输出对的依赖性关系建立；建立场景行为模型：根据各个规则的依赖性关系建立；建立被测系统模型：基于场景行为模型，使用ADEVS框架并结合相关子模块生成；建立测试模型：镜像被测系统模型的输入/输出行为建立；测试执行：运行测试模型和被测系统模型，能判断出其是否正确实现了目标消息标准中的元素并给出结果；本发明你根据被测系统模型的输入/输出行为，判断其正确性。
-
公开(公告)号：CN109063555B
公开(公告)日：2021-07-02
申请号：CN201810667478.8
申请日：2018-06-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于低秩特征和稀疏表示比较分类的多姿态人脸识别方法。本发明首先通过对偶低秩分解方法对输入人脸图片进行降维分解优化，得到去除了姿态结构的第一型低秩特征；其次结构化不相关的低秩分解，通过增广拉格朗日乘子法ALM进行交替迭代求解获得第二型低秩特征；最后基于稀疏表示的残差对比分类：如果两种特征分类结果相同，则分类标签保持不变，若分类标签不相同时，则构建残差率对比模型，比较两种特征经过稀疏表示后的次最小残差与最小残差的差与最小残差的比值。选择两种特征中残差率较高的分类结果作为最终的分类类别。本发明使用的低秩分解方法和稀疏表示残差对比模型能够有效去除姿态结构对识别效果造成的干扰。
-
公开(公告)号：CN110516193A
公开(公告)日：2019-11-29
申请号：CN201910610729.3
申请日：2019-07-08
Applicant: 杭州电子科技大学 , 中国电子科技集团公司第三十六研究所
Abstract: 本发明涉及一种笛卡尔坐标系下基于转换瑞利滤波器的机动目标跟踪方法。本发明具体涉及仅有角度量测信息的机动目标跟踪问题。本发明包括两部分，分别是基于转换瑞利滤波思想的笛卡尔坐标下量测方程的确定和根据笛卡尔坐标系的量测方程采用本发明提出的带有修正加速度的交互式多模型集中式转换瑞利滤波(MAIMMCSRF)算法实现对机动目标的跟踪。本发明的核心是基于转换瑞利滤波思想的笛卡尔坐标下量测方程的生成和笛卡尔坐标系下提出的MAIMMCSRF算法对机动目标的跟踪。本发明可以对高机动目标和实现更为精确的跟踪定位，机动目标跟踪算法中采用中值滤波降低交互式多模型算法中加速度误差，本发明目标跟踪误差更小，跟踪定位更准确。
-
公开(公告)号：CN109635712A
公开(公告)日：2019-04-16
申请号：CN201811492660.0
申请日：2018-12-07
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00302 , G06K9/6265 , G06K9/629 , G06T7/269
Abstract: 本发明公开一种基于同构网络的自发微表情种类判别方法。本发明首先进行样本制作，包括RGB样本与光流差值样本的制作。然后将将不同样本分别置入网络中进行训练，训练方式为微调。最后将经过不同训练样本训练后的网络，同构合成所述的同构网络，利用同构网络产生判别结果。本发明中的光流差值样本既包含自发微表情变化的形变信息，又通过求差值去除了非自发微表情变化的环境干扰。结合样本的空间信息与时序变化的时间信息，组成具有时空特征的光流差值样本。对于本发明中的RGB样本以及光流差值样本，利用经过微调的网络对其提取特征，不仅充分结合颜色信息与时空信息，得到的特征更能表示当前样本类别，而且解决自发微表情数据样本少的难题。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.046 seconds)
