-
公开(公告)号：CN117313105A
公开(公告)日：2023-12-29
申请号：CN202311257110.1
申请日：2023-09-27
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 价值链技术(深圳)有限公司
Inventor： 冯光升 , 李冰洋 , 张熠哲 , 蔡成涛 , 王巍 , 陆蓓婷 , 蒋文创 , 王小芳 , 王一 , 杨玉东 , 董宇欣 , 郎大鹏 , 李思照 , 刘泽超 , 马志强 , 申林山 , 宋洪涛 , 王兴梅 , 王也
Abstract: 本发明公开了面向智能合约漏洞数据集的不平衡数据集处理系统及方法，系统包括：数据读取模块：用于依次读取不同类别的漏洞样本集，将所述不同类别的漏洞样本集输入子集划分模块中；子集划分模块：用于对所述不同类别的漏洞数据集中的少数类样本进行划分，获取若干样本子集，并将所述样本子集发送至数据生成模块；数据生成模块：用于分别对不同类别的所述样本子集进行处理，生成新数据；数据读取模块、子集划分模块、数据生成模块依次连接。本发明减小了边界模糊的问题，在一定程度上提升了样本的质量，同时对于多种样本进行了扩充，适用于多类数据的样本集。
-
公开(公告)号：CN117195237A
公开(公告)日：2023-12-08
申请号：CN202311256715.9
申请日：2023-09-26
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
IPC: G06F21/57 , G06F18/2431 , G06F18/2413 , G06F18/214 , G06N3/045 , G06N3/0442
Abstract: 本发明涉及一种面向智能合约的漏洞检测系统及方法，该系统包括：数据预处理模块，用于收集智能合约，将所述智能合约进行无用信息删除、以获取包含与漏洞形成有关的智能合约切片，将所述智能合约切片进行不同漏洞种类标注，获取标注结果；特征提取模块，用于基于所述标注结果，构建智能合约漏洞检测模型，基于所述智能合约漏洞检测模型，获取检测结果；分类模块，用于对所述检测结果进行分类，完成漏洞检测；所述数据预处理模块、所述特征提取模块和所述分类模块依次连接。本发明通过对智能合约的源代码进行切片检测，降低了输入信息的长度，减少了训练的工作量，使代码片段中有用的部分更加密集，提升了智能合约漏洞检测系统的可靠性和准确性。
-
公开(公告)号：CN116796984A
公开(公告)日：2023-09-22
申请号：CN202310789090.6
申请日：2023-06-29
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 知软技术(上海)有限公司
Inventor： 玄世昌 , 张静逸 , 苘大鹏 , 蔡成涛 , 王巍 , 周卫红 , 程雪蕾 , 陈征平 , 毕晓燕 , 孟宇龙 , 吕继光 , 吕宏武 , 冯光升 , 徐东 , 郭方方 , 李伟
IPC: G06Q10/0631 , G06Q10/0639
Abstract: 本发明公开了一种移动群智感知系统中的用户选择方法，包括：基于用户所在位置与任务区域位置之间的距离获取用户的移动能力和历史任务能力，对用户的移动能力和历史任务能力进行计算，获得用户的实效能力；获取用户的直接交互评价和间接推荐评价，对直接交互评价和间接推荐评价进行计算，获得用户的全局信用；对实效能力和全局信用进行计算，获得用户的综合指标，基于用户的综合指标选择用户。本发明提出的用户选择方案能够选择具有强实时性和可靠数据的高质量用户候选者作为感知任务中上传感知数据的工作者，不仅能够抵御移动网络中不可靠的数据聚合，而且满足了任务发布者获取有效数据的要求，达到了移动群智感知系统健康持续发展的目的。
-
公开(公告)号：CN110705758B
公开(公告)日：2023-03-21
申请号：CN201910857368.2
申请日：2019-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于网络技术领域，具体涉及一种面向水下网络的网元优化布局方法，包括以下步骤：输入水下环境三维立体图、水下盐度Y；随机生成初始网元个数N，并对其进行二进制编码，设置迭代次数、温度阈值；调用量子遗传算法根据水下环境三维立体图计算N个网元的最佳布局方案及其覆盖率PC；以N个网元个数以及相应最佳布局方案的网元覆盖率PC为参数计算计算适应度函数f(N,PC,Y)；本方法将模拟退火算法和量子遗传算法相结合，在保证水下环境中网元覆盖率的同时优化所需网元个数。
-
公开(公告)号：CN112396102B
公开(公告)日：2022-08-02
申请号：CN202011282797.0
申请日：2020-11-17
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于移动群智感知中用户聚类及任务分配技术领域，具体涉及一种基于时空移动特征分布的移动群智感知用户联盟聚类方法，包括以下步骤：1)描述用户移动行为特征与用户活跃度，确定初始联盟聚类中心；2)基于用户上传数据，计算用户数据与联盟相似度，设置每个联盟中的用户上限，保障聚类数据的平衡性；3)结合得到的用户联盟相似度与当前联盟中用户数量，基于用户联盟判定准则，实现用户联盟聚类。本发明在用户数据质量已知的条件下，可有效地挖掘出重要用户数据，算法稳定，聚类速率快，保证聚类结果的平衡性并提升聚类效果。本发明与现有技术中两种常见的聚类方法进行性能相比，具有分类准确率高、平衡性效果优和计算复杂度低的优点。
-
Patent Agency Ranking
公开(公告)号：CN112197783B
公开(公告)日：2022-08-02
申请号：CN202011059189.3
申请日：2020-09-30
Applicant: 哈尔滨工程大学
IPC: G01C21/34
Abstract: 本发明属于无人车路径规划技术领域，具体涉及一种考虑车头指向的两阶段多抽样的RRT路径规划方法。本发明以传统RRT路径规划方法作为主体流程，采用两阶段多抽样的随机采样点采集方法，并且考虑安全距离和路径平滑，尤其是考虑了车头的指向，使得本方法更加适合于无人车寻路。本发明用了两阶段多抽样的方法确定随机采样点，缩短了规划路径的总长度。本发明在路径规划过程中考虑了车头指向并对规划出的路径做了平滑处理，使输出的规划路径结果更加适合于无人车寻路并且可以缩短规划路径的总长度，得到更加接近实际的行驶路径。
-
公开(公告)号：CN111432436B
公开(公告)日：2022-08-02
申请号：CN202010216304.7
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于服务缓存和基站激活的联合优化方法。建立基站激活、服务缓存和任务分配联合优化方法的总模型，通过基于逻辑的Benders分割思想分解为解决基站激活和任务分配的主问题和解决服务缓存的子问题两个子模型进行求解，忽略根据服务对应要求来分配任务的这一粒度，对总模型进行松弛与转化，采用贪婪算法对主问题模型就行求解，得到每个时隙基站的激活状态和任务的分配情况；根据解决主问题得到的解，在开着的基站之上通虑存储限制，根据用户任务分配的情况求出子问题模型中最优的服务缓存方法。通过迭代，最终得到同时满足主问题模型和子问题模型的解，而这个解，也正是基站激活和服务缓存的两盒优化方法的总模型的最优解。
-
公开(公告)号：CN109115226B
公开(公告)日：2021-11-19
申请号：CN201811017251.5
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明属于人工智能领域，具体涉及一种基于跳点搜索的多机器人冲突避免的路径规划方法；其具体包括如下步骤：1、将地图预处理为数据地图；2、利用CBS即Conflict‑based Search的搜索框架并结合无约束跳点搜索算法为所有代理进行路径规划；3、遍历多叉树对所有代理进行冲突检测、增加约束及进行有约束的路径规划。本发明提出的基于跳点搜索的冲突避免的路径规划搜索算法，通过大量减少规划路径过程中扩展节点的数量，提高了系统规划出所有代理无冲突路径序列算法的搜索效率，在处理冲突再次搜索路径时通过EfftiveG表直接搜索出当前结点到达终点的真实距离，再次降低了系统规划出所有代理无冲突路径序列的时间，而且使得搜索的最短路径更接近真实路径。
-
公开(公告)号：CN108495252B
公开(公告)日：2020-07-28
申请号：CN201810165059.4
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于遗传算法和模拟退火的室内定位网元优化布局方法，属于室内定位领域，包含如下步骤：步骤(1)：进行网元布局；步骤(2)：确定自适应遗传算法需要的控制参数；步骤(3)：对网元布局进行初始化；步骤(4)：计算适应度；步骤(5)：判定是否满足遗传收敛条件；步骤(6)：选择适应度较高的网元布局；步骤(7)：对二进制编码进行交叉操作获得子代；步骤(8)：对二进制编码进行取反操作获得变异；步骤(9)：产生新的网元布设空间；步骤(10)：对群体进行模拟退火操作；步骤(11)：产生最优网元布局结果；步骤(12)：输出最优网元布局结果，结束。本发明既有较强的全局搜索能力，也有较强的局部搜索能力，提高了定位精度，提高了搜索效率。
-
公开(公告)号：CN111432436A
公开(公告)日：2020-07-17
申请号：CN202010216304.7
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于服务缓存和基站激活的联合优化方法。建立基站激活、服务缓存和任务分配联合优化方法的总模型，通过基于逻辑的Benders分割思想分解为解决基站激活和任务分配的主问题和解决服务缓存的子问题两个子模型进行求解，忽略根据服务对应要求来分配任务的这一粒度，对总模型进行松弛与转化，采用贪婪算法对主问题模型就行求解，得到每个时隙基站的激活状态和任务的分配情况；根据解决主问题得到的解，在开着的基站之上通虑存储限制，根据用户任务分配的情况求出子问题模型中最优的服务缓存方法。通过迭代，最终得到同时满足主问题模型和子问题模型的解，而这个解，也正是基站激活和服务缓存的两盒优化方法的总模型的最优解。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.027 seconds)
