-
公开(公告)号：CN106604267B
公开(公告)日：2019-10-25
申请号：CN201710089485.X
申请日：2017-02-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种动态自适应的无线传感器网络入侵检测智能方法，属于无线传感器网络信息安全技术领域。该方法包括：采用min‑max标准化方法将网络特征归一化；通过均值漂移算法将训练数据聚类为多个簇，并根据簇中心之间的相对距离合并成两个簇；以正常数据为模版将这两个簇标记为正常或异常；训练数据的每个特征向量根据它与它所在的簇中心之间的距离来分配权重；将标记并加权的训练数据作为加权支持向量机的输入来构建决策函数；测试数据通过决策函数判别正常或异常；在检测阶段，每隔更新时间将决策函数判定后的检测数据加入到训练数据来重建决策函数。该算法部署简单，成本低，能适应不同的网络结构，能检测不同形式的攻击行为，而且具备扩展能力。
-
公开(公告)号：CN106604267A
公开(公告)日：2017-04-26
申请号：CN201710089485.X
申请日：2017-02-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种动态自适应的无线传感器网络入侵检测智能算法，属于无线传感器网络信息安全技术领域。该算法包括：采用min‑max标准化方法将网络特征归一化；通过均值漂移算法将训练数据聚类为多个簇，并根据簇中心之间的相对距离合并成两个簇；以正常数据为模版将这两个簇标记为正常或异常；训练数据的每个特征向量根据它与它所在的簇中心之间的距离来分配权重；将标记并加权的训练数据作为加权支持向量机的输入来构建决策函数；测试数据通过决策函数判别正常或异常；在检测阶段，每隔更新时间将决策函数判定后的检测数据加入到训练数据来重建决策函数。该算法部署简单，成本低，能适应不同的网络结构，能检测不同形式的攻击行为，而且具备扩展能力。
-
公开(公告)号：CN106599928A
公开(公告)日：2017-04-26
申请号：CN201611197734.9
申请日：2016-12-22
Applicant: 重庆邮电大学
CPC classification number: G06K9/6218 , G06N3/006
Abstract: 本发明涉及一种生物启发式自适应聚类方法，属于聚类分析技术领域。本发明提供的一种生物启发式自适应聚类方法，该方法基于昆虫授粉原理，通过模拟昆虫觅食行为的活动，包括授粉和采粉两个过程，并计算每棵植物的存活概率，判断植物的位置是否需要改变，经过时间演化后，使得同种植物聚集在一起，不同种植物彼此分离，最后得到聚类结果。本发明提供的一种自适应聚类方法不需要预先给定聚类簇的数目，同时避免了在运行过程中陷入局部最优的问题，伸缩性较强，适用不同规模、多种类型的数据集，且可以发现任意形状的簇，能更好地应用于机器学习、模式识别、数据挖掘、图像处理等领域。
-
公开(公告)号：CN106793077B
公开(公告)日：2019-12-06
申请号：CN201710003063.6
申请日：2017-01-05
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种自适应室内动态目标的UWB定位方法，首先利用UWB定位系统测得TDOA值；其次利用小波分析自适应去噪法对测得的TDOA值进行处理，输出重构的TDOA值，将重构后的TDOA值转化为距离差值并建立非线性方程组，并得到方程组的最优解；然后将最优解作为初始值，采用扩展卡尔曼滤波算法对动态目标进行跟踪定位，求得最终估计值；最后输出最终估计值。本发明提供的自适应室内动态目标的UWB定位方法，可减弱甚至消除UWB信号传播过程中受到多径传播(Multipath)和非视距干扰(NLOS)影响所引起的测距误差，提高定位精度，并能够在非视距室内环境下实现对动态目标的精确定位。超宽带定位系统验证了定位方法的有效性和实现了对定位动态目标的室内定位。
-
公开(公告)号：CN111242697B
公开(公告)日：2022-09-09
申请号：CN202010065995.5
申请日：2020-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于传粉启发聚类的商户选址方法，属于数据挖掘和机器学习领域。该方法包括：获取数据：收集调查某地区或街道的移动终端的数据集；构建系统：将数据库单元、信息分类及分析单元和信息查询单元集合在一起，组建一个显示集成网站和数据库的平台；数据库信息的输入：将采集到的信息及时输入数据库，并对数据库内信息进行更新；对数据库信息分类及分析：对数据库中的数据归类整理，运用IPCA算法挖掘用户的兴趣爱好，并判断每个不同地址的商业投资前景，然后使用SEE原则和地理信息系统选出初始的商户地址；智能查询：向系统输入欲查询的地址，输入相关因素的权重，得出最终选址地点。本发明能快速高效的进行商业选址。
-
Patent Agency Ranking
公开(公告)号：CN106878995A
公开(公告)日：2017-06-20
申请号：CN201710288980.3
申请日：2017-04-27
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于感知数据的无线传感器网络异常类型鉴别方法，涉及无线传感器网络信息安全领域。本方法为无线传感器网络节点每隔一个固定时间间隔收集一组感知数据并将其发送给基站，在正常时间段内，将基站生成的检测特征集作为训练集，并归一化，保留列均值和列方差；将训练集进行主成分分析法降维，保留特征向量矩阵和列均值向量；采用基于密度的竞争聚类算法将训练集聚类为正常簇和异常簇；当新的检测特征出现时，依据列均值和列方差进行归一化，经特征向量矩阵和列均值向量降维，最后根据其划归在正常簇与异常簇的收益值判定网络是否异常。该方法部署简单，成本低，能同时检测网络协议攻击和恶意数据注入攻击，能降低节点的能量效果。
-
公开(公告)号：CN106941663B
公开(公告)日：2020-10-20
申请号：CN201710343970.5
申请日：2017-05-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种融合凸优化与多目标粒子群的UWB定位方法，属于无线通信网络领域。假定TDOA测量值中存在着非视距误差，但无法直接识别。提出分组策略对TDOA测量值进行随机分组，确保每组中测量值的数目满足TDOA定位的最低需求，将这些分组测量值数据作为多目标粒子群优化算法的输入数据。利用半定规划松弛将非凸、非线性的TDOA问题转化为凸优化问题，用凸优化目标函数作为多目标粒子群算法的适应度函数。方便快速地求出适应度值，分散非视距误差对定位精度的影响，减弱甚至消除UWB信号传播过程中受到非视距干扰所引起的测距误差，避免由于参考基站的选取对定位性能的影响问题。
-
公开(公告)号：CN111242697A
公开(公告)日：2020-06-05
申请号：CN202010065995.5
申请日：2020-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于传粉启发聚类的商户选址方法及系统，属于数据挖掘和机器学习领域。该方法包括：获取数据：收集调查某地区或街道的移动终端的数据集；构建系统：将数据库单元、信息分类及分析单元和信息查询单元集合在一起，组建一个显示集成网站和数据库的平台；数据库信息的输入：将采集到的信息及时输入数据库，并对数据库内信息进行更新；对数据库信息分类及分析：对数据库中的数据归类整理，运用IPCA算法挖掘用户的兴趣爱好，并判断每个不同地址的商业投资前景，然后使用SEE原则和地理信息系统选出初始的商户地址；智能查询：向系统输入欲查询的地址，输入相关因素的权重，得出最终选址地点。本发明能快速高效的进行商业选址。
-
公开(公告)号：CN106878995B
公开(公告)日：2020-02-07
申请号：CN201710288980.3
申请日：2017-04-27
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于感知数据的无线传感器网络异常类型鉴别方法，涉及无线传感器网络信息安全领域。本方法为无线传感器网络节点每隔一个固定时间间隔收集一组感知数据并将其发送给基站，在正常时间段内，将基站生成的检测特征集作为训练集，并归一化，保留列均值和列方差；将训练集进行主成分分析法降维，保留特征向量矩阵和列均值向量；采用基于密度的竞争聚类算法将训练集聚类为正常簇和异常簇；当新的检测特征出现时，依据列均值和列方差进行归一化，经特征向量矩阵和列均值向量降维，最后根据其划归在正常簇与异常簇的收益值判定网络是否异常。该方法部署简单，成本低，能同时检测网络协议攻击和恶意数据注入攻击，能降低节点的能量效果。
-
公开(公告)号：CN107194425A
公开(公告)日：2017-09-22
申请号：CN201710364512.X
申请日：2017-05-22
Applicant: 重庆邮电大学
CPC classification number: G06K9/6221 , G06N3/006
Abstract: 本发明涉及一种基于多点张力模型的快速聚类方法，属于聚类分析技术领域。初始阶段，从UCI数据集库中选取某个数据集，判断当前蜜蜂是否是引领蜂；根据算子找到更好的解，使算法跳出局部最优；判断是否所有蜜蜂均完成搜索活动，所有蜜蜂均完成搜索活动后，评估当前所有蜜源的适应度，并记录当前最好的解；判断算法是否满足终止条件，当算法满足终止条件时，输出最优解，算法终止。本发明在局部搜索阶段，结合遗传算法中的交叉算子和变异算子提高了算法收敛速度和解的多样性，适用于不同规模、多种类型的数据集，具有较强的伸缩性和健壮性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
