-
公开(公告)号：CN116258353A
公开(公告)日：2023-06-13
申请号：CN202310538895.3
申请日：2023-05-15
申请人： 民航成都信息技术有限公司 , 电子科技大学
IPC分类号： G06Q10/0631 , G06Q50/30
摘要： 本发明涉及航班地勤保障技术领域，尤其涉及航班地勤节点执行序列的确定方法、装置、设备及介质，该方法包括：对执行用户序列或执行顺序序列中，部分航班地勤节点的执行用户或部分航班对应的执行顺序进行交叉、变异，得到交叉执行序列和变异执行序列；从所有初始执行序列、所有交叉执行序列和所有变异执行序列中筛选出最新的初始执行序列；若最新的初始执行序列的数量小于预设数量，则继续交叉、变异；否则，将最新的初始执行序列确定为目标执行序列。通过本申请的方式，能够确定目标执行序列，以执行所有航班地勤节点，提高了执行航班地勤节点的执行效率。
-
公开(公告)号：CN116258353B
公开(公告)日：2023-07-14
申请号：CN202310538895.3
申请日：2023-05-15
申请人： 民航成都信息技术有限公司 , 电子科技大学
IPC分类号： G06Q10/0631 , G06Q50/30
摘要： 本发明涉及航班地勤保障技术领域，尤其涉及航班地勤节点执行序列的确定方法、装置、设备及介质，该方法包括：对执行用户序列或执行顺序序列中，部分航班地勤节点的执行用户或部分航班对应的执行顺序进行交叉、变异，得到交叉执行序列和变异执行序列；从所有初始执行序列、所有交叉执行序列和所有变异执行序列中筛选出最新的初始执行序列；若最新的初始执行序列的数量小于预设数量，则继续交叉、变异；否则，将最新的初始执行序列确定为目标执行序列。通过本申请的方式，能够确定目标执行序列，以执行所有航班地勤节点，提高了执行航班地勤节点的执行效率。
-
公开(公告)号：CN116258352B
公开(公告)日：2023-08-18
申请号：CN202310538885.X
申请日：2023-05-15
申请人： 中国民用航空总局第二研究所 , 民航成都信息技术有限公司 , 电子科技大学
IPC分类号： G06Q10/0631 , G06Q50/30
摘要： 本申请提供了一种航班保障任务的调度方法、装置及电子设备，航班保障任务的调度方法包括：获取目标航班保障任务组对应的各个航班保障代理机构的状态信息；将状态信息输入到训练好的调度策略选择模型中，确定目标航班保障任务组对应的目标航班保障节点顺序以及每个目标航班保障节点对应的目标调度策略，目标调度策略包括最早航班保障代理机构优先调度策略、最紧迫航班优先调度策略以及最短工时航班保障节点优先调度策略；基于每个目标航班保障节点的目标调度策略，确定目标航班保障任务组对应的组合目标调度策略，以便完成对目标航班保障任务组的调度。本申请实现了对各大航班的目标航班保障任务组的动态灵活调度，进而提升了机场的运行效率。
-
公开(公告)号：CN116258352A
公开(公告)日：2023-06-13
申请号：CN202310538885.X
申请日：2023-05-15
申请人： 民航成都信息技术有限公司 , 电子科技大学
IPC分类号： G06Q10/0631 , G06Q50/30
摘要： 本申请提供了一种航班保障任务的调度方法、装置及电子设备，航班保障任务的调度方法包括：获取目标航班保障任务组对应的各个航班保障代理机构的状态信息；将状态信息输入到训练好的调度策略选择模型中，确定目标航班保障任务组对应的目标航班保障节点顺序以及每个目标航班保障节点对应的目标调度策略，目标调度策略包括最早航班保障代理机构优先调度策略、最紧迫航班优先调度策略以及最短工时航班保障节点优先调度策略；基于每个目标航班保障节点的目标调度策略，确定目标航班保障任务组对应的组合目标调度策略，以便完成对目标航班保障任务组的调度。本申请实现了对各大航班的目标航班保障任务组的动态灵活调度，进而提升了机场的运行效率。
-
公开(公告)号：CN112488149B
公开(公告)日：2024-02-27
申请号：CN202011209655.1
申请日：2020-11-03
申请人： 杭州电子科技大学
IPC分类号： G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/082 , G06N3/048 , G06N3/0499
摘要： 本发明公开了一种基于1D‑CNN特征重构的网络安全数据分类方法，包括模型的构建与训练优化，具体为首先利用特征之间的相关性矩阵构建1D‑CNN深层学习模型，通过卷积、池化和全连接的全局卷积操作，生成低维的重构特征，完成数据的降维重构。再利用传统的浅层机器学习算法构建安全数据分类模型，实现对网络安全大数据中的威胁行为检测。本发明提出的基于1D‑CNN的特征重构方法，可以控制重构特征的维度，实现数据降维，不仅简化了深度学习的运算过程，还提高了模型的运算效率，在卷积层中利用特征之间的相关性，提高了重构特征之间的关联性，使分类结果更加准确。
-
公开(公告)号：CN116909742A
公开(公告)日：2023-10-20
申请号：CN202310895639.X
申请日：2023-07-20
申请人： 电子科技大学
IPC分类号： G06F9/50 , G06F9/48 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种多智能体协同计算资源调度方法，包括配置任务请求队列；获取边缘集群的历史运行状态序列，输入到多层叠加的LSTM神经网络中，输出具有时序特征的系统状态矩阵；将该系统状态矩阵输入到边缘集群配置的Actor‑Critic网络中进行多智能体强化学习，通过计算获得边缘集群的状态价值，并从对应的边缘集群中选择合适的节点来处理任务请求队列中的下一个任务，完成资源调度；然后根据任务回报计算损失函数和梯度来更新Actor‑Critic网络参数。本发明在面对大规模服务请求时能够成功学习请求之间的周期性状态，提高了系统吞吐率，采用时序网络与策略相结合的方式进行每一次任务调度，收敛速度更快，训练需要的数据量更少。
-
公开(公告)号：CN114338188A
公开(公告)日：2022-04-12
申请号：CN202111653950.0
申请日：2021-12-30
申请人： 杭州电子科技大学
IPC分类号： H04L9/40
摘要： 本发明公开了一种基于进程行为序列分片的恶意软件智能云检测系统，由客户端、云端和智能检测系统组成。在客户端对主机上的进程行为进行监控，并生成日志发向云端；在云端对进程行为日志数据进行解析、存储、统计和可视化；在智能检测平台，根据一个行为的完整表征，将行为数据进行分片，生成数据集，再基于机器学习算法建立检测模型，对客户端主机的安全情况做出判断；云端再将收集到的数据和智能检测过程和结果进行整合，形成表或图提供数据可视化服务。本系统的优势在于采用动态检测方式，实时性强；基于机器学习智能检测，具有高效精准特性；云端数据全景可视化，全面展示数据的内容和检测过程，让恶意软件无处遁形。
-
公开(公告)号：CN113868647A
公开(公告)日：2021-12-31
申请号：CN202111033151.3
申请日：2021-09-03
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于特征扩展CNN的网络未知威胁检测方法，针对很多网络未知威胁与已知威胁源自于同一家族，表现为样本特征相似的特点构建特征扩展CNN模型，首先在CNN网络每一层对原始数据卷积操作，得到原生特征图；再对原生特征图进行线性随机操作，得到扩展特征图；最后两者合并，得到原始数据的扩展重构数据，其维度低于原始数据的维度，实现数据的降维扩展重构。再基于浅层机器学习算法构建安全数据分类模型，实现对网络安全大数据中的未知威胁的检测。本发明提出的基于特征扩展CNN的网络未知威胁检测方法，生成的扩展重构特征，不仅实现了降维，还扩展了未知威胁的数据表征，实现了未知威胁高精准的检测，还降低了计算复杂度。
-
公开(公告)号：CN113239949A
公开(公告)日：2021-08-10
申请号：CN202110276693.7
申请日：2021-03-15
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于1D分组卷积神经网络的数据重构方法。该方法数据分组、模型的构建与训练优化以及数据重构。计算数据特征之间的相关性并降序排列，然后依据相关性对数据进行分组，输入分组卷积神经网络中进行分组运算，再通过全连接层的全局卷积操作和拼接层的特征拼接，输出重构特征，实现任意维度的特征重构。得到的重构特征维度降低，并且模型的空间复杂度和时间复杂度都有所下降，因此可以减少时间，降低内存资源占用。本方法，在分组时利用了特征之间的相关性，提高了重构特征之间的相关性；通过对数据分组，可以控制重构特征的维度，实现数据降维，不仅简化了深度学习的运算过程，还提高了模型的运算效率。
-
公开(公告)号：CN112488149A
公开(公告)日：2021-03-12
申请号：CN202011209655.1
申请日：2020-11-03
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于1D‑CNN特征重构的网络安全数据分类方法，包括模型的构建与训练优化，具体为首先利用特征之间的相关性矩阵构建1D‑CNN深层学习模型，通过卷积、池化和全连接的全局卷积操作，生成低维的重构特征，完成数据的降维重构。再利用传统的浅层机器学习算法构建安全数据分类模型，实现对网络安全大数据中的威胁行为检测。本发明提出的基于1D‑CNN的特征重构方法，可以控制重构特征的维度，实现数据降维，不仅简化了深度学习的运算过程，还提高了模型的运算效率，在卷积层中利用特征之间的相关性，提高了重构特征之间的关联性，使分类结果更加准确。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.085 秒)
