-
公开(公告)号：CN110852296B
公开(公告)日：2023-01-17
申请号：CN201911132608.9
申请日：2019-11-19
申请人： 清华大学
摘要： 本发明提供了一种基于语义模型的消防运维阶段人员异常检测装置，包括：视频处理模块，行为判定模块，领域模型抽取模块、运维语义模型构造模块、异常行为检查模块和用户界面模块，视频处理模块用于获取本地视频流或者RSTP格式的直播视频流信息；服务器定时从每个视频流截取视频帧，创建工作空间存储视频帧并记录视频帧时间戳以及视频来源；行为判定模块用于实现图像中人员行为判定，领域模型抽取模块用于实现消防运维领域的子模型抽取；运维语义模型构造模块用于构造消防运维语义模型；异常行为检查模块用于检查建筑物中存在异常行为的空间元素，用户界面模块用于向外提供功能接口。该装置和检测方法实现了人员行为判定，领域模型抽取、运维语义模型构造、异常行为检查等功能。
-
公开(公告)号：CN114724083A
公开(公告)日：2022-07-08
申请号：CN202210370828.0
申请日：2022-04-07
申请人： 清华大学
IPC分类号： G06V20/52 , G06K9/62 , G06N20/00 , G06V10/774
摘要： 本发明实施例涉及计算机技术领域，尤其涉及一种轨迹预测系统训练方法，该方法包括：获取真实的人群轨迹图、人群对应的区域模型文件，以及人群对应的人群参数，解析区域模型文件，获取区域模型文件中的各个构件及对应的风险分数，通过对不同构件风险的计算，可以方便后续对区域风险水平的确定，基于各个构件对应的风险分数，确定区域风险水平，利用人群参数、区域风险水平，以及真实人群轨迹图对预构建的生成模型和判别模型进行对抗训练，当对抗训练达到预设条件时，确定生成模型和判别模型构建的系统为目标人群轨迹预测系统。这样，通过对抗训练获得整个人群轨迹预测系统，就可以输出更加真实的人群轨迹预测结果。
-
公开(公告)号：CN114637730A
公开(公告)日：2022-06-17
申请号：CN202210292240.8
申请日：2022-03-23
申请人： 清华大学
IPC分类号： G06F16/174 , G06F3/06
摘要： 本发明实施例涉及计算机技术领域，尤其涉及一种模型文件的压缩的方法、装置、系统及存储介质。该方法包括：获取待处理模型文件，对待处理模型文件进行解析处理，获得解析之后的解析数据，遍历解析数据，获取解析数据中的各个构件，分别识别每一个构件属性，记录冗余构件与初始构件之间的位置关系后，删除冗余构件，根据位置关系和删除冗余构件后的待处理模型文件，确定压缩后的目标模型文件。通过对冗余构件的删除，极大的节省了空间，同时，由于记录了冗余构件与初始构件之间的位置关系，在需要的情况下，可以按照对应的位置关系，将初始构件映射到已经被删除的冗余构件所在的位置中，在压缩了文件占用空间大小的同时保证了文件的完整性。
-
公开(公告)号：CN111652290A
公开(公告)日：2020-09-11
申请号：CN202010413738.6
申请日：2020-05-15
申请人： 深圳前海微众银行股份有限公司 , 清华大学
摘要： 本发明公开了一种对抗样本的检测方法及装置，其中方法为：根据待测图片的像素信息，按照预设格式，生成所述待测图片的像素特征数据，作为待测样本；将待测样本输入至特定样本重构模型，获得所述待测样本的重构样本；将所述待测样本的重构样本输入至所述特定预估模型，获得所述待测样本的重构样本的中间层输出值；将所述待测样本的重构样本的中间层输出值输入至特定分类模型，确定所述待测样本是否为对抗样本。上述方法应用于金融科技(Fintech)时，正常样本和对抗样本经特定样本重构模型转换后，正常样本和对抗样本的区分度会更大，确定所述待测样本是否为对抗样本的结果更加明显，更准确地发现所述待测样本是否为对抗样本。
-
公开(公告)号：CN109190379B
公开(公告)日：2020-05-19
申请号：CN201810878887.2
申请日：2018-08-03
申请人： 清华大学
摘要： 本发明实施例提供一种深度学习系统的漏洞检测方法和装置，其中方法包括：以最大化神经元覆盖率为导向，从待测深度学习系统中选取并激活若干个神经元；基于若干个神经元的张量表达式，以及待测深度学习系统的预测差的张量表达式，构建优化函数，并通过最大化优化函数获取若干个扰动；若所述若干个扰动中任一扰动满足预设条件，则基于该扰动获取检测样本，通过检测样本对待测深度学习系统的漏洞进行检测。本发明实施例提供的方法和装置，能够有效提升神经元覆盖率，使得检测过程更加完备，并且只需要一个深度学习系统，使得漏洞检测方法的应用场景更为广泛，此外，能够生成大量样本，提高了待测深度学习系统漏洞的检测效率。
-
公开(公告)号：CN110633204A
公开(公告)日：2019-12-31
申请号：CN201910450219.4
申请日：2019-05-28
申请人： 清华大学
IPC分类号： G06F11/36
摘要： 本发明实施例提供一种程序缺陷检测方法及装置，获取待检测程序的潜在缺陷；根据所述潜在缺陷的缺陷类型和缺陷位置，获取第一断言表达式，并将所述第一断言表达式插入到所述待检测程序的相应位置，得到第二断言表达式；对所述第二断言表达式进行验证，若验证结果满足预设条件，则判断获知所述潜在缺陷是真实程序缺陷。本发明实施例根据待检测程序中潜在缺陷的缺陷类型和缺陷位置，在待检测程序的相应位置插入断言表达式，从而更加快速的确定待检测程序中的真实程序缺陷，提高缺陷定位的准确性。
-
公开(公告)号：CN106773711B
公开(公告)日：2019-09-17
申请号：CN201710025822.9
申请日：2017-01-13
申请人： 清华大学
IPC分类号： G05B13/04
摘要： 本发明提供了一种铁路机车运行操纵系统的混合任务调度方法及模型。本发明的调度方法以一个帧周期作为基本调度单元，包括预处理；针对周期性实时任务基于表驱动的二级优先级规则进行调度序列排序；针对非周期性实时任务应用基于启发式搜索策略和模糊控制的方法进行排列；然后进行时间片的回收以及调度结果和反馈数据的采集工作，并判断剩余执行时间；如果周期时间未用完，则执行非实时任务。本发明的混合任务调度方法和模型能够极大地减小系统开销，又能够比较灵活地处理系统执行过程中的各种变化情况，并且可以降低系统不确定性对调度的影响。
-
公开(公告)号：CN106647269B
公开(公告)日：2019-05-14
申请号：CN201611190513.9
申请日：2016-12-21
申请人： 清华大学 , 中车信息技术有限公司
IPC分类号： G05B13/04
摘要： 本发明提供了一种机车智能操纵优化计算方法，包括如下步骤：步骤1：对机车智能操纵优化所需信息进行预处理；步骤2：生成初始优化曲线；步骤3：基于限速进行优化调整；步骤4：基于时间偏差进行优化调整；步骤5：基于运行平稳安全档位切换的要求，对优化曲线进行调整，生成最终优化策略。每个步骤中的策略都受到机车驾驶策略影响参数的影响，这些参数在不同条件下会匹配不同的策略，共同作为策略分类属性来进行策略的分类，每个步骤的策略都可以构成策略树，树中的叶节点为最终根据分类属性匹配到的优化策略。整个方案的各个步骤满足了机车运行时准点、限速、时刻表、平稳运行、节能等各项要求，保证了良好地优化效果和整体运行效率。
-
公开(公告)号：CN108647145A
公开(公告)日：2018-10-12
申请号：CN201810444279.0
申请日：2018-05-10
申请人： 清华大学
IPC分类号： G06F11/36
摘要： 本发明实施例提供了一种软件内存安全检测方法及系统，所述方法通过符号执行确定待测试软件的多个预设测试用例文件，并将所述多个预设测试用例文件分别转换为基于导向性变异的模糊测试的初始输入种子；基于所有初始输入种子，对所述待测试软件进行基于导向性变异的模糊测试，所述导向性变异为根据所述待测试软件中程序的覆盖范围进行的变异。本发明实施例提供的软件内存安全检测方法及系统，充分利用了符号执行产生的测试用例文件。同时，对模糊测试中的变异进行改进，得到导向性变异方法。将符号执行与导向性变异结合，对所有初始输入种子中满足条件的种子进行导向性变异，提高了变异的有效性，进而节约了资源。
-
公开(公告)号：CN108595341A
公开(公告)日：2018-09-28
申请号：CN201810451163.X
申请日：2018-05-11
申请人： 清华大学
IPC分类号： G06F11/36
摘要： 本发明实施例提供了测试用例自动生成方法及系统，方法包括：基于符号执行生成测试用例种子，并基于启发式搜索对测试用例种子进行变异，得到第一变异测试用例；分别执行测试用例种子与第一变异测试用例，分别获取对应的执行路径信息，并确定变异的影响结果；根据影响结果，对测试用例种子或第一变异测试用例进行下一次变异，重复执行上述过程，直至满足预设条件。不需要人工参与，自动化程度很高。符号执行与启发式搜索进行结合，提高了整个方法的运行效率，而且采用反馈机制，通过变异的影响结果指导测试用例种子或第一变异测试用例进行下一次变异，这种方法不仅有利于短函数序列的测试用例的生成，对于长函数序列的测试用例的生成也同样适用。
-
-
-
-
-
-
-
-
-
搜索结果
107 条记录 (耗时 0.033 秒)
