-
公开(公告)号：CN112968872A
公开(公告)日：2021-06-15
申请号：CN202110127620.1
申请日：2021-01-29
Applicant: 成都信息工程大学
Abstract: 本发明属于恶意流量检测技术领域，公开了一种基于自然语言处理的恶意流量检测方法、系统、终端，利用tshark工具提取pcap包，得到加密流量数据集；对黑白样本数据分别打上黑白标签；去除重复数据，打乱样本数据索引；建立TF‑IDF模型，对加密流量数据集进行特征重构；建立机器学习算法模型，对数据集正负样本进行训练；建立深度学习模型；调节各模型参数，训练各模型；使用ROC曲线和AUC值评估机器学习各个模型，采用TF‑IDF和集成学习相结合的方法进行加密恶意流量的检测。本发明以文本分类方法表示加密流量字段，具有较强泛化性，在后期进行模型改进时也不必拘泥于加密流量数据的信息提取。
-
公开(公告)号：CN111881408A
公开(公告)日：2020-11-03
申请号：CN202010784852.X
申请日：2020-08-06
Applicant: 成都信息工程大学
Abstract: 本发明属于计算机数据处理技术领域，公开了一种基于预处理共轭梯度法的并行数据处理方法及处理系统，特殊矩阵处理模块用于预定义特殊矩阵M；计算模块，用于计算r0、z0、p0；残差处理模块，用于迭代计算残差。检测模块，用于检查处理后的数据进行正确性及精度验证本发明源代码是通过修改PAC2019决赛代码来进行优化。源程序为PCG算法的并行程序，本发明在这个基础上实现了CAPCG并行算法，特别是对解大型线性方程组中最难以并行的前推回代部分，提出了一种新的算法解决，也就是基于9点模板的预处理共轭梯度法进行算法结构改动，充分利用多核计算资源，时间相比于PCG算法的速度提升了2倍有余。
-
公开(公告)号：CN117953364A
公开(公告)日：2024-04-30
申请号：CN202311372409.1
申请日：2023-10-23
Applicant: 成都信息工程大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明属于技术领域，尤其涉及一种地物识别中的引导式道路提取方法及应用，包括根据道路的四个极点将遥感图像进行裁剪，极点再转化为单通道二维高斯热图与裁剪的遥感图像拼接形成4通道的网络输入，然后将卷积注意力机制模块与空洞空间卷积池化金字塔结构并联组成多分支模块，提取上下文信息、增强网络特征提取能力，提高网络道路提取的精度等步骤。本发明以DeepLabV3+网络作为基线网络提出了引导式道路提取网络GuideNet，能够有效提高道路踏勘精细程度、极大地缩减了人工踏勘时间，在满足施工道路符合率的条件下，效率比人工有很大提高。
-
公开(公告)号：CN117706048A
公开(公告)日：2024-03-15
申请号：CN202311579819.3
申请日：2023-11-24
Applicant: 成都信息工程大学
IPC: G01N33/18 , G06Q10/04 , G06F18/25 , G06N3/0464
Abstract: 本发明涉及一种基于数据分析的水域环境预测系统，包括：水域污染量监测平台和用户终端。水域污染量监测平台包括轨迹分析模块、数据融合模块、污染量关联模块和污染量预测模块。水域污染量监测平台基于水域监控设备在实时监测周期内摄取到的水面环境监控图像分析得到目标水域的大颗粒污染物的水面滞留数据，利用水面滞留数据和多模态环境数据生成目标水域的多维水域环境特征，然后确定目标水域的全局污染量关联图，基于目标水域的全局污染量关联图和多维水域环境特征分析得到目标水域在下一个监测周期内的水面污染量，并将所述水面污染量发送给治理人员的用户终端。
-
公开(公告)号：CN115661816A
公开(公告)日：2023-01-31
申请号：CN202210825984.1
申请日：2022-07-14
Applicant: 国网四川省电力公司电力科学研究院 , 国网新疆电力有限公司电力科学研究院 , 成都信息工程大学
Abstract: 本发明属于电力设备技术领域，尤其涉及一种电力设备缺陷智能引导标注的方法，对电力缺陷设备智能识别所需要的学习样本的制作。本发明方法可以进行智能引导标注，首先利用公共数据集开展人工智能网络模型的训练，利用训练得到的模型以引导的方式对实际应用区域发生缺陷的电力设备进行标注，如绝缘子脱落等。本方法极大的简化标注的流程，提高标注的效率，降低对发生缺陷的电力设备人工标注的成本。
-
Patent Agency Ranking
公开(公告)号：CN114708511B
公开(公告)日：2022-08-16
申请号：CN202210614648.2
申请日：2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法，采用自适应多尺度特征融合模块进行特征融合，融合过程中同时采用更多的横向连接，增加相邻特征之间的交流，充分利用提取的多尺度特征，丰富特征信息，同时增加跳跃连接，让原始特征参与融合过程，提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野，当遥感图像中存在不同大小的物体时，可以同时提取不同尺度目标的特征，提高网络对目标尺度的泛化能力，并采用混合注意力机制模块，弱化背景和噪声信息的同时增强目标的特征信息。
-
公开(公告)号：CN114065817B
公开(公告)日：2024-06-21
申请号：CN202111393583.5
申请日：2021-11-23
Applicant: 成都信息工程大学
IPC: G06F18/24
Abstract: 本发明公开了一种波形智能分类方法，包括以下步骤：步骤一，数据录入；步骤二，提取周期波信号；步骤三，数据归一化；步骤四，统一数据长度；步骤五，波形分类；所述步骤一中，原始测试数据有1241道，每道1001个点，每个点的数据占4字节，分类只针对每道的683‑713，所述波形智能分类系统存储有四种分类数据，分别为单峰标准数据、双峰标准数据、正蝌蚪标准数据和倒蝌蚪标准数据，本发明相较于现有的波形分类方法，采用豪斯多夫距离方法，通过从检测区域位向上和向下遍历搜索该周期的起点和终点，能够有效提取出每个波形的完整时区信号，该方法可以提高波形分类结果的准确性，能有效的应用于地震勘探数据处理中。
-
公开(公告)号：CN118115167A
公开(公告)日：2024-05-31
申请号：CN202410397730.3
申请日：2024-04-03
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于大数据的电子商务刷单行为检测系统，包括交易检测云平台、相关金融平台和第三方支付平台。交易检测云平台包括网络构建模块、顶点分析模块、交易环识别模块和行为识别模块。交易检测云平台对基于第三方支付平台的交易数据生成的所有商品交易子图进行融合处理生成相应的商品交易图；根据商品交易图的三元组数据识别与对应目标用户顶点进行商品交易的第一用户顶点集合，并确定每个第一用户顶点的第二用户顶点集合；基于第一用户顶点集合和第二用户顶点集合确定以目标用户顶点为交易行为起始点和交易行为终止点的目标金融交易环；基于目标金融交易环和用户顶点的历史交易数据集确定对应交易用户的交易行为是否为刷单行为。
-
公开(公告)号：CN116167802A
公开(公告)日：2023-05-26
申请号：CN202310298391.9
申请日：2023-03-24
Applicant: 成都信息工程大学
IPC: G06Q30/0251 , G06Q50/00
Abstract: 本发明涉及一种基于电商大数据的广告投放方法，包括：基于商品销售数据在不同时刻下的快照数据生成相应的交易子图序列；获取用户节点关联的所有一阶邻近用户节点、环路个数和自网络包含的边，以构建用户节点的第一节点特征，基于邻近用户节点的第一节点特征分析得到对应用户节点的第二节点特征；基于所述第一节点特征和所述第二节点特征分析得到对应时刻下的商品交易网络的迁移节点集合；基于所述迁移节点集合和各个用户节点扩充后的第一节点特征生成对应用户节点的属性集；基于所述属性集预测下一时刻对应用户节点的实时迁移用户节点，并基于所述实时迁移用户节点将目标用户作为对应目标广告投放的兴趣用户。
-
公开(公告)号：CN115907189A
公开(公告)日：2023-04-04
申请号：CN202211559849.3
申请日：2022-12-06
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于混合模型的大风预报订正方法，涉及大风预报领域，包括S1获取多个不同地理位置和海波的气象站点数据作为数据集；S2构建初始模型，初始模型包括线性模型、非线性模型和组合模型；S3训练集导入初始模型，并采用均方误差和平均绝对百分比误差作为性能指标对初始模型进行训练优化；S4验证集导入优化后的初始模型进行测试验证最终得到订正模型；S5获取待订正的大风预报数据；S6待订正的大风预报数据导入订正模型得到订正后的大风预报；首先使用ARIMA或ARIMAX对时间序列进行线性预测；接下来采用非线性模型对残差进行非线性预测；线性模型的时间序列预测与非线性模型的残差序列预测通过支持向量机组合，有效地提高了本方法的最终预测。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.037 seconds)
