-
公开(公告)号：CN113838064A
公开(公告)日：2021-12-24
申请号：CN202111115253.X
申请日：2021-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明属于遥感图像处理技术领域，具体涉及一种基于分支GAN使用多时相遥感数据的云去除方法。本发明设计了一个深度卷积编码器‑解码器网络模型用于遥感图像云检测，以及一个分支GAN模型用于遥感图像的云去除，在保证云去除效果的同时，提升了重建像素的分辨率。本发明利用最大池化索引来进行输入图像特征图的非线性上采样，减少了端到端训练的参数量，提高了网络训练的时间；采用分支UNet结构来融合多时相遥感图像的特征信息，通过共享底层的语义信息，有效提高遥感图像云去除的精度。
-
公开(公告)号：CN111935230A
公开(公告)日：2020-11-13
申请号：CN202010667165.X
申请日：2020-07-13
Applicant: 哈尔滨工程大学
IPC: H04L29/08 , H04L12/863 , G06F12/0877 , G06F5/06
Abstract: 本发明一种基于多级人气指数的协作边缘缓存方法，包括如下步骤：步骤一：在有中心拓扑的边缘缓存模型的基础上，引入协作机制；步骤二：在协作机制的基础上，提出响应型的缓存策略；步骤三：引入多级人气指数概念，使将内容分级；所述步骤三具体为：人气指数系数 和 将用户请求内容的人气指数 分为三级，每一级使用不同的缓存淘汰策略；该缓存策略算法实现简单，对于边缘节点的计算性能要求较低，多种编程语言均可以实现，各类操作系统都可以部署该算法，不依赖特定的开发环境；根据不同的用户请求分布可以根据其进行仿真再设置相应的最优的人气指数等级系数，以发挥边缘缓存的最佳性能。
-
公开(公告)号：CN110474883A
公开(公告)日：2019-11-19
申请号：CN201910669487.5
申请日：2019-07-24
Applicant: 哈尔滨工程大学
IPC: H04L29/06
Abstract: 一种基于重标极差法的SDN异常流量检测方法，属于计算机网络安全技术领域。该方法包括收集SDN各节点(包括控制器和各用户终端)的正常网络流量包数量，分别计算其Hurst指数；保存并作为网络正常指标，设定正常状态的阈值；收集各节点发生某种已知异常的网络流量包数量，计算各节点Hurst指数作为该异常的指标；用窗函数截取前向序列并计算其Hurst指数，若由正常指标最终变为某种异常指标，即可确定该模式的异常发生并确定发生异常时刻点。若只是指标变化偏离了正常值，但不能找到相近的异常指标，则发生了已知模式之外的异常，并能够确定异常时刻点。本发明可以实时检测流量状态，判断流量是否异常，并且能够检测异常发生时刻，有利于加强SDN网络系统的安全性。
-
公开(公告)号：CN103024858B
公开(公告)日：2015-09-30
申请号：CN201310010943.8
申请日：2013-01-11
Applicant: 哈尔滨工程大学
IPC: H04W40/10
CPC classification number: Y02D70/00
Abstract: 本发明提供的是一种针对无线传感器网络的低功耗定向广播方法。包括如下步骤：第一步：初始化网络拓扑；第二步：划分扇形区域；第三步：确定传感半径；第四步：定向广播；第五步：路由发现。本发明将原有的路由协议中AODV查找路由的方式加入定向广播的思想，只针对部分在所规定扇形区域的节点的广播，对不在定向广播扇形的节点进行丢包处理，因此丢包处理的传感器节点的能量就可以存储，以待下次应用，通过仿真实验分析DB_AODV协议可以提高无线传感器网络的很多网络性能。
-
-
Patent Agency Ranking
公开(公告)号：CN102684836B
公开(公告)日：2014-07-16
申请号：CN201210150038.8
申请日：2012-05-15
Applicant: 哈尔滨工程大学
IPC: H04L1/00
Abstract: 本发明提供的是一种基于网络编码的网络编码修复方法，其步骤是：第一步，解码失效节点向邻居节点请求重传所缺失的原始数据包；第二步，当邻居节点在接收到重传请求后根据自身缓冲队列中的原始数据包集合，发送自己的节点基本信息NFI给请求节点；第三步，解码节点在接收到邻居节点的NFI信息后通过CBCR算法计算得出所需的重传数据包集合并形成RACK请求包发送给邻居节点；第四步，邻居节点在接收到来自解码节点的RACK包后，根据RACK中的请求内容重传解码节点所需的数据包。本发明所提出的网络编码修复方法降低编码修复过程中的数据包重传的次数，提高了网络编码应用的有效性和可靠性。
-
公开(公告)号：CN119006896A
公开(公告)日：2024-11-22
申请号：CN202411011291.4
申请日：2024-07-26
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/94
Abstract: 本发明提出一种面向联邦分类学习的公平感知激励方法，包括：步骤1：服务端初始化全局原型；步骤2：客户端初始化本地模型参数，利用全局原型，结合本地私有数据进行训练，更新本地模型参数和本地原型；步骤3：客户端将更新后的本地模型参数和本地原型上传至服务端；步骤4：对接收到的本地模型参数进行质量检测，生成边缘激励；步骤5：利用边缘激励和更新后的本地原型进行聚合，得到共识原型；步骤6：进行原型级别聚合，获取新的全局原型；步骤7：重复步骤2‑6，直至达到最大循环次数，输出最终的全局原型和每个客户端的个性化模型。本发明能更好地缓解数据异质性和类别不平衡对模型精度的影响，确保协作公平并激励高质量客户参与联邦学习。
-
公开(公告)号：CN119006895A
公开(公告)日：2024-11-22
申请号：CN202411011148.5
申请日：2024-07-26
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/778 , G06N3/0464
Abstract: 本发明提出一种面向图像分类的个性化联邦学习方法，包括：步骤1：基于服务器初始化全局原型#imgabs0#步骤2：将初始化后的全局原型发送至客户端；步骤3：客户端初始化本地模型参数#imgabs1#将本地数据集随机划分，对全局原型进行更新，获取更新后的模型参数和本地原型；步骤4：客户端保留更新后的模型参数，并将更新后的本地原型上传至服务器；步骤5：服务器对所有客户端上传的本地原型进行聚合，生成新的全局原型；步骤6：重复步骤2‑6，将每次得到的全局原型发送至客户端进行更新，直至达到最大循环次数，输出最终的全局原型。本发明能够更好地缓解数据异质性对模型精度产生的影响，获得更高的分类准确率，大大降低客户端与服务器之间的通信成本。
-
公开(公告)号：CN118212937A
公开(公告)日：2024-06-18
申请号：CN202410306497.3
申请日：2024-03-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于特征融合和单分类的语音欺诈检测方法，所述方法包括如下步骤：S1：构建增强语音训练集；S2：提取待检测语音的Log‑Mel谱，利用TRawNet提取待检测语音的时域特征，将两个特征进行融合；S3：将融合后的特征送入图注意力网络中，对不同时域和频域上的信息进行建模，并用单分类损失函数训练整个网络。该方法使用基于图注意力网络的特征融合方法，将语音的时域特征和频域特征相结合，并对不同片段之间的关系进行了建模，提取出更有判别力的特征；提出的单分类损失函数在保留真实语音声学多样性的同时，解决了由信道效应带来的检测能力下降的问题，使模型的泛化能力进一步增强。
-
公开(公告)号：CN113838064B
公开(公告)日：2023-12-22
申请号：CN202111115253.X
申请日：2021-09-23
Applicant: 哈尔滨工程大学
IPC: G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06V20/70 , G06T7/33 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明属于遥感图像处理技术领域，具体涉及一种基于分支GAN使用多时相遥感数据的云去除方法。本发明设计了一个深度卷积编码器‑解码器网络模型用于遥感图像云检测，以及一个分支GAN模型用于遥感图像的云去除，在保证云去除效果的同时，提升了重建像素的分辨率。本发明利用最大池化索引来进行输入图像特征图的非线性上采样，减少了端到端训练的参数量，提高了网络训练的时间；采用分支UNet结构来融合多时相遥感图像的特征信息，通过共享底层的语义信息，有效提高遥感图像云去除的精度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.04 seconds)
