公开(公告)号：CN117411696A

公开(公告)日：2024-01-16

申请号：CN202311407722.4

申请日：2023-10-25

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 乌丁·萨拉赫 ,  阿满·乌拉 ,  科比纳·贝纳德 ,  杨勤丽 ,  邵俊明

IPC: H04L9/40 ,  G06F18/24 ,  G06F18/2321 ,  G06N3/0895 ,  G06F21/55

Abstract: 基于人工智能(AI)的传感器在解释来自各种行业的数据，包括工业物联网(IIoT)和移动设备中起着至关重要的作用。本发明展示了一个适应性的、基于原型的半监督学习框架，专为处理不断演变的IIoT数据流中的入侵检测而设计。该发明解决了IIoT数据处理中的两个重要挑战：概念漂移，即输入特征与目标变量之间的关系随着时间的推移而变化；以及概念演变，即数据流中新类别的出现。提出的框架采用了一种新颖的分类器，引入了一种独特的数据抽象方法，这种方法在多个粒度级别创建动态原型，总结数据流并有效地捕获本地数据分布。这种分类器在迅速处理数据、基于最新信息做出实时决策方面，独具优势，其能力在动态的物联网环境中至关重要。该模型的一个重要特性是其能够适应本地概念漂移并直观地检测出新出现的入侵攻击，它会自动确定原型随时间的重要性，使模型能够快速适应底层数据分布的变化。这种快速适应减少了由于概念漂移导致的数据分布变化对模型性能的下降。此外，还引入了一种主动学习技术，大大减少了手动标记的需求，同时保持甚至提高了模型的性能。

公开(公告)号：CN117370735A

公开(公告)日：2024-01-09

申请号：CN202311393691.1

申请日：2023-10-25

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 乌丁·萨拉赫 ,  阿满·乌拉 ,  科比纳·贝纳德 ,  杨勤丽 ,  邵俊明

IPC: G06F18/10 ,  G06F18/23 ,  G06F18/2413 ,  G06N3/0895 ,  G06N5/022

Abstract: 本发明提出了一种可适应的基于传感器数据流的人类活动识别框架，涉及使用在线学习和主动学习进行HAR。与传统方法不同，在线学习将数据视为一个持续流动的数据流，使系统能够持续学习并适应变化，如个人活动模式的变化或传感器测量的转变。大多数传统的HAR方法假定人工数据注释或标记，这可能非常耗时和挑战性。为了解决这个问题，我们引入主动学习，该算法主动选择训练实例。主动学习可以查询用户关于模糊活动的信息，有效地引导学习过程，使用更少的标记数据实例，简化注解过程。因此，该发明的重要贡献是将在线学习和主动学习引入基于传感器的HAR方法，可能提高适应性和效率，并减少劳动强度。这种方法考虑到环境或用户行为的动态变化，并优化了注释过程，使得HAR在现实世界的应用中更有效。

公开(公告)号：CN119025875A

公开(公告)日：2024-11-26

申请号：CN202410986637.6

申请日：2024-07-23

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 乌丁·萨拉赫 ,  杨勤丽 ,  邵俊明

IPC: G06F18/21 ,  G06F18/20 ,  G06F18/241 ,  G06N20/00

Abstract: 本发明的目的是引入一种专门为分类不平衡流数据而设计的新型主动学习方法。它有效地适应了实时数据流的动态挑战。该方法的核心是一个先进的数据管理系统，该系统使用复杂的结构创建紧凑的数据摘要，这对于克服内存限制至关重要。该方法使用多窗口知识库，为每个数据类设置单独的固定大小窗口，以保持独特的结构并有效地解决不平衡问题。它还包括一组动态调整以适应数据变化性的k‑最近邻k‑NN分类器。主动学习部分通过混合使用不确定性和随机抽样，专注于代表性不足的类别，优化了有限标签资源的使用。这种全面的策略不仅解决了数据变化性、新标签和类别不平衡的问题，还提高了标签过程的效率，确保在动态数据环境中实现高准确性和适应性。

公开(公告)号：CN118296777A

公开(公告)日：2024-07-05

申请号：CN202410476753.3

申请日：2024-04-19

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 阿满·乌拉 ,  瑞嘉 ,  孟亚辉 ,  乌丁·萨拉赫 ,  里亚兹·乌拉·汗 ,  邵俊明

IPC: G06F30/18 ,  G06F30/27 ,  G06F18/23

Abstract: 本发明属于交通工程和网络分析的技术领域，公开了一种基于复杂网络理论来识别城市公交网络中关键站点的方法，利用复杂网络理论构建公交网络模型，将公交站点定义为节点，公交路线定义为边。接着，创建一个矩阵G，用以表示公交网络，矩阵中的元素e_{ij}指示站点间是否存在直接连接。通过分析结构模式和负载中心性，确定网络中的关键节点。结构模式分析帮助识别局部连接模式和社区结构，而负载中心性测量则侧重于评估站点在网络流量中的作用。最后，结合这两种分析方法，形成一个混合影响力指标，精确评估并识别出在公交网络中起决定性作用的关键公交站点。这种方法不仅有助于改善城市交通系统的设计和管理，还能提高公交网络的运行效率和服务质量。

公开(公告)号：CN118278615A

公开(公告)日：2024-07-02

申请号：CN202410476749.7

申请日：2024-04-19

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 阿满·乌拉 ,  瑞嘉 ,  孟亚辉 ,  乌丁·萨拉赫 ,  里亚兹·乌拉·汗 ,  邵俊明

IPC: G06Q10/063 ,  G06Q50/26 ,  G06F18/21 ,  G06F18/23

Abstract: 本发明涉及一种识别复杂网络中关键节点的方法，旨在通过综合利用节点的局部和全局信息，准确评估节点在网络中的中心性，从而识别出对组织成功至关重要的关键人物。该方法首先构建目标网络模型，利用全局结构模型(GSM)、扩展聚类系数排名测量(ECRM)和基于地域的结构系统(LSS)等新颖度量方法计算节点中心性值。接着，通过易感‑感染(SI)模型确定度量方法的权重，提高中心性值计算的准确性。最后，基于中心性值和权重对网络节点进行综合评估和排序，识别出关键节点。本发明方法克服了传统算法在应对大规模网络复杂性时的局限，提供了一种全面、准确的关键节点识别方法，为智能企业系统内部的互联网业务价值转变提供了有力支持。本发明具有广泛的应用前景，对于提升组织效率和决策水平具有重要意义。

公开(公告)号：CN117407599A

公开(公告)日：2024-01-16

申请号：CN202311407384.4

申请日：2023-10-25

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 阿满·乌拉 ,  乌丁·萨拉赫 ,  科比纳·贝纳德 ,  邵俊明 ,  杨勤丽

IPC: G06F16/9536 ,  G06Q50/00 ,  G06F18/22

Abstract: 物联网(IoT)是一个复杂的网络，连接着包括物理设备和在线社交网络在内的众多项目。一种有效的社区检测方法，将网络分割成可辨识的群体，对于理解和利用这些网络的基本结构至关重要。现有社区检测方法，很难准确确定社区数量，且只关注局部或全局网络信息。本发明公开了一种社交复杂物联网中基于有效距离信息的社区检测方法，分为三个步骤：第一步对节点的局部和路径信息进行详细检查，以确定它们在网络中的相对重要性；第二步，创建节点对以识别它们的二阶邻居，提供更多的上下文和连接数据；第三步着重于实际识别网络内的社区，优化社区检测结果。该方法不需要进行初步参数调整，并结合了局部和全局分析的优势。