-
公开(公告)号：CN101852768B
公开(公告)日：2012-02-22
申请号：CN201010162959.7
申请日：2010-05-05
Applicant: 电子科技大学
Abstract: 本发明涉及一种磁粉探伤环境下基于复合特征的工件伤痕识别方法。包括步骤：在对工件图像进行伤痕自动检测过程中，首先对在磁粉探伤环境下采集到工件图像进行图像预处理，图像预处理过程包括图像滤噪、图像增强和图像分割，图像分割完成后得到工件前景区域，对工件的前景区域进行图像形态学操作，提取可疑伤痕区域；进行表面横向伤痕检测工序，利用表面横向伤痕检测技术对可疑伤痕区域提取横向伤痕特征，使用对横向伤痕样本集自主学习得到的SVM分类器对伤痕特征进行自动分类，确定可疑伤痕区域中是否存在表面横向伤痕本发明的有益效果是：对被测物体的依赖性低，便于进行推广应用，实现对各种零部件在磁粉探伤环境下的工件伤痕识别。
-
公开(公告)号：CN101252578B
公开(公告)日：2011-05-11
申请号：CN200810044516.0
申请日：2008-04-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于固有子序列模式分解的主机入侵检测方法，包括以下步骤：①规则定义；②获取Windows Native API数据序列，将进程的序列首先分解为一个固有子序列模式集，然后对这些固有子序列模式依照其支持度进行分层；③将疑似序列分解为若干层，每层含有相似支持度的固有子序列模式；④将正常的进程序列与疑似序列按照相应的层进行匹配，根据匹配的数量，计算出异常程度，判断疑似序列的是否异常。该方法克服了现有技术中虽存在的不足，能够准确、有效地识别已有的攻击和日益增多的新的攻击。
-
公开(公告)号：CN101852768A
公开(公告)日：2010-10-06
申请号：CN201010162959.7
申请日：2010-05-05
Applicant: 电子科技大学
Abstract: 本发明涉及一种磁粉探伤环境下基于复合特征的工件伤痕识别方法。包括步骤：在对工件图像进行伤痕自动检测过程中，首先对在磁粉探伤环境下采集到工件图像进行图像预处理，图像预处理过程包括图像滤噪、图像增强和图像分割，图像分割完成后得到工件前景区域，对工件的前景区域进行图像形态学操作，提取可疑伤痕区域；进行表面横向伤痕检测工序，利用表面横向伤痕检测技术对可疑伤痕区域提取横向伤痕特征，使用对横向伤痕样本集自主学习得到的SVM分类器对伤痕特征进行自动分类，确定可疑伤痕区域中是否存在表面横向伤痕本发明的有益效果是：对被测物体的依赖性低，便于进行推广应用，实现对各种零部件在磁粉探伤环境下的工件伤痕识别。
-
公开(公告)号：CN101427917B
公开(公告)日：2011-02-09
申请号：CN200810046006.7
申请日：2008-09-08
Applicant: 电子科技大学
IPC: A61B5/0468
Abstract: 本发明一种基于固有趋势子序列模式分解的ECG异常信号获取方法，包括以下步骤：①定义；②对正常ECG信号序列进行序列分解并分层；③对疑似ECG信号序列进行序列分解并分层；④匹配检测。本发明提出的固有趋势子序列模式反应了ECG信号中心脏活动的本质特征，能够准确有效地检测到各种异常ECG信号序列，并且该算法简单易于实现，有极好的应用前景。
-
公开(公告)号：CN101252440B
公开(公告)日：2011-06-15
申请号：CN200810044515.6
申请日：2008-04-02
Applicant: 电子科技大学
Abstract: 本发明一种基于固有子序列模式分解的网络入侵检测方法，包括以下步骤：①网络数据截取和预处理；②将正常训练集的序列和疑似序列分别进行固有子序列模式挖掘：将序列建立一个序列图，找出序列图中的封闭路径作为固有子序列模式的候选序列，根据原序列找出构成每个候选序列的固有子序列模式；③按照支持度分层；④异常检测：首先将疑似序列和正常序列的固有子序列模式根据支持度各自独立地组成若干层，然后在相应的层中对疑似序列的固有子序列模式与正常子序列模式进行匹配，根据匹配的数量，计算出异常程度从而判断疑似序列是否异常。该方法克服了现有技术中存在的不足，能够准确、有效地识别已有的攻击和日益增多的新的攻击。
-
Patent Agency Ranking
公开(公告)号：CN101427917A
公开(公告)日：2009-05-13
申请号：CN200810046006.7
申请日：2008-09-08
Applicant: 电子科技大学
IPC: A61B5/0468
Abstract: 本发明公开了一种基于固有趋势子序列模式分解的ECG异常检测方法，包括以下步骤：①定义；②对正常ECG信号序列进行序列分解并分层；③对疑似ECG信号序列进行序列分解并分层；④匹配检测。本发明提出的固有趋势子序列模式反应了ECG信号中心脏活动的本质特征，能够准确有效地检测到各种异常ECG信号序列，并且该算法简单易于实现，有极好的应用前景。
-
公开(公告)号：CN101252440A
公开(公告)日：2008-08-27
申请号：CN200810044515.6
申请日：2008-04-02
Applicant: 电子科技大学
Abstract: 本发明一种基于固有子序列模式分解的网络入侵检测方法，包括以下步骤：①网络数据截取和预处理；②将正常训练集的序列和疑似序列分别进行固有子序列模式挖掘：将序列建立一个序列图，找出序列图中的封闭路径作为固有子序列模式的候选序列，根据原序列找出构成每个候选序列的固有子序列模式；③按照支持度分层；④异常检测：首先将疑似序列和正常序列的固有子序列模式根据支持度各自独立地组成若干层，然后在相应的层中对疑似序列的固有子序列模式与正常子序列模式进行匹配，根据匹配的数量，计算出异常程度从而判断疑似序列是否异常。该方法克服了现有技术中存在的不足，能够准确、有效地识别已有的攻击和日益增多的新的攻击。
-
公开(公告)号：CN101853512B
公开(公告)日：2011-11-16
申请号：CN201010178309.1
申请日：2010-05-13
Applicant: 电子科技大学
Abstract: 一种基于视频时间和空间信息的火焰检测方法，属于图像信息处理技术领域。首先从源图像中分离出前景运动图像，并从前景运动图像中找出具有火焰颜色特征的像素点形成疑似火焰区域；然后利用真实火焰区域边缘像素点的闪烁特性，在疑似火焰区域边缘像素点中设置观察点，建立隐马尔科夫模型，提取时间空间模式特征并组成观察特征值序列；再将观察特征值序列输入事先训练好的隐马尔科夫模式判决器，得到该观察点是否是真实火焰像素点的判决结果；当所有观察点中超过一定比例的观察点均被判定为真实的火焰像素点时，认为疑似火焰区域为真实的火焰区域，并发出报警。本发明具有较低的漏检率和误检率，并具有很好的鲁棒性，可用于更为广泛的火灾监控场合。
-
公开(公告)号：CN101853512A
公开(公告)日：2010-10-06
申请号：CN201010178309.1
申请日：2010-05-13
Applicant: 电子科技大学
Abstract: 一种基于视频时间和空间信息的火焰检测方法，属于图像信息处理技术领域。首先从源图像中分离出前景运动图像，并从前景运动图像中找出具有火焰颜色特征的像素点形成疑似火焰区域；然后利用真实火焰区域边缘像素点的闪烁特性，在疑似火焰区域边缘像素点中设置观察点，建立隐马尔科夫模型，提取时间空间模式特征并组成观察特征值序列；再将观察特征值序列输入事先训练好的隐马尔科夫模式判决器，得到该观察点是否是真实火焰像素点的判决结果；当所有观察点中超过一定比例的观察点均被判定为真实的火焰像素点时，认为疑似火焰区域为真实的火焰区域，并发出报警。本发明具有较低的漏检率和误检率，并具有很好的鲁棒性，可用于更为广泛的火灾监控场合。
-
公开(公告)号：CN101252578A
公开(公告)日：2008-08-27
申请号：CN200810044516.0
申请日：2008-04-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于固有子序列模式分解的主机入侵检测方法，包括以下步骤：①规则定义；②获取Windows Native API数据序列，将进程的序列首先分解为一个固有子序列模式集，然后对这些固有子序列模式依照其支持度进行分层；③将疑似序列分解为若干层，每层含有相似支持度的固有子序列模式；④将正常的进程序列与疑似序列按照相应的层进行匹配，根据匹配的数量，计算出异常程度，判断疑似序列的是否异常。该方法克服了现有技术中存在的不足，能够准确、有效地识别已有的攻击和日益增多的新的攻击。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
