-
公开(公告)号：CN119026000A
公开(公告)日：2024-11-26
申请号：CN202411505528.4
申请日：2024-10-28
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/2131 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/084 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于生成对抗网络的小样本辐射源个体开集识别方法，该方法首先获取不同辐射源个体的时序数据，并转换为时频图构建时频图数据集。其次将时频图进行RGB通道归一化，再将其输入生成对抗网络中，进行重构训练。然后利用训练后的对抗网络生成已知样本和未知样本，将已知样本和未知样本加入到时频图数据集进行扩充，并采用已知样本对生成对抗网络进行微调训练。最后将扩充后的时频图数据集输入到基于最大损失的自注意力ResNet18网络中，结合生成对抗网络输入和输出的重构损失实现辐射源的开集识别。本发明解决了辐射源个体识别中的小样本问题和开集识别问题，更好的实现了辐射源的开集识别。
-
公开(公告)号：CN115297123B
公开(公告)日：2024-10-25
申请号：CN202210937214.6
申请日：2022-08-05
Applicant: 杭州电子科技大学
IPC: H04L67/1023 , H04L67/1021 , H04L67/101 , H04L67/1008
Abstract: 本发明公开了一种基于全局费用最小化的雾计算任务卸载方法及系统，方法包括：S1，获取整个雾网络的信息；S2，根据S1获取的信息，判断各终端和雾节点的卸载可行性，并计算可行匹配的最优卸载比例和对应的费用；S3，根据S2得到的信息，计算各终端节点与雾节点之间的权重；S4，利用扩展Kuhn‑Munkres算法，根据S3得到的权重，以网络整体权重最大为目标，求解终端节点与雾节点之间的一对一匹配，得到任务卸载决策矩阵X；S5，以S4得到的决策矩阵X为索引，得到终端节点和对应雾节点的卸载比例、费用，以及系统总体的费用。本发明考虑多个终端节点和多个雾节点的场景，以全局的思想，保证最大化卸载成功率的前提下最小化网络的卸载费用，避免了局部最优的情况。
-
公开(公告)号：CN117640650A
公开(公告)日：2024-03-01
申请号：CN202311392197.3
申请日：2023-10-24
Applicant: 杭州电子科技大学 , 中国人民解放军93216部队
IPC: H04L67/104 , H04L9/32 , H04L9/00 , H04L9/40
Abstract: 本发明公开了一种基于推荐信誉模型和聚类分析的改进拜占庭容错方法及系统，方法如下：步骤1，对所有节点平均分配初始全局信任值；步骤2，将节点的全局信任值从高到低进行排序，根据节点的全局信任值将节点划分为共识组和非共识组；步骤3，在共识组中选取节点全局信任值排名靠前的节点成为主节点备选组，即主组；步骤4，进行一轮共识；步骤5，计算节点的全局信任值；步骤6，判断是否正常达成共识，若未达成共识，则从主组中重新选择主节点，并转到步骤2；若达成共识，则转到步骤7；步骤7，根据节点之间的通信行为，使用聚类分析并更新节点的全局信任值。本发明解决现有PBFT算法存在通信复杂度高、主节点作恶对系统影响较大的问题。
-
公开(公告)号：CN115797970B
公开(公告)日：2023-08-18
申请号：CN202211511629.3
申请日：2022-11-29
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08 , G06T3/40 , G06T7/10
Abstract: 本发明属于目标检测技术领域，具体涉及基于YOLOv5模型的密集行人目标检测方法及系统。方法如下：S1，对行人数据进行采集形成数据集，并对数据集进行数据预处理；S2，根据硬件设备的参数以及需要达到的识别效果，配置YOLOv5模型参数；S3，对原YOLOv5模型进行修改，获得修改后的YOLOv5模型；S4，将预处理后的数据集分成训练集，验证集和测试集；使用训练集和验证集对修改后的YOLOv5模型进行训练；S5，训练结束后的YOLOv5模型生成权重文件，导入训练好的权重与待检测的图片，得到检测后的图片，比较识别效果和检测精度是否达到预期要求。本发明具有能增加检测速度，保持检测精度，提升模型泛化力且能解决因密集行人造成的错检漏检问题的特点。
-
公开(公告)号：CN115828081A
公开(公告)日：2023-03-21
申请号：CN202211525491.2
申请日：2022-11-30
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F17/16 , G06F17/18
Abstract: 本发明涉及一种基于中心共轭零化的快速高精度阵列互耦自校正方法，用于提高阵列的互耦校正精度和提高算法执行速度。本发明方法首先进行阵列布阵及互耦存在时的信号建模，然后基于奇异值分解进行数据维度压缩，再基于中心共轭零化建立优化问题，并基于实数SQP优化方法求解该优化问题，最后估计波达方向和阵列互耦。本发明方法通过赋予零化滤波器中心共轭的性质，从而让滤波器的零点位于单位圆上，使得所建模型与阵列信号处理模型相符，可提高互耦校正精度；其次，本发明方法无需进行二次迭代计算，因而可提高算法执行速度。
-
Patent Agency Ranking
公开(公告)号：CN115797970A
公开(公告)日：2023-03-14
申请号：CN202211511629.3
申请日：2022-11-29
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08 , G06T3/40 , G06T7/10
Abstract: 本发明属于目标检测技术领域，具体涉及基于YOLOv5模型的密集行人目标检测方法及系统。方法如下：S1，对行人数据进行采集形成数据集，并对数据集进行数据预处理；S2，根据硬件设备的参数以及需要达到的识别效果，配置YOLOv5模型参数；S3，对原YOLOv5模型进行修改，获得修改后的YOLOv5模型；S4，将预处理后的数据集分成训练集，验证集和测试集；使用训练集和验证集对修改后的YOLOv5模型进行训练；S5，训练结束后的YOLOv5模型生成权重文件，导入训练好的权重与待检测的图片，得到检测后的图片，比较识别效果和检测精度是否达到预期要求。本发明具有能增加检测速度，保持检测精度，提升模型泛化力且能解决因密集行人造成的错检漏检问题的特点。
-
公开(公告)号：CN119886282A
公开(公告)日：2025-04-25
申请号：CN202411799766.0
申请日：2024-12-09
Applicant: 杭州电子科技大学
IPC: G06N3/098 , G06N3/09 , G06N3/094 , G06N3/045 , G06N3/0475
Abstract: 本发明公开了一种联邦学习中客户端数据标签不平衡检测方法及系统，方法如下：(1)使用联邦学习中服务器持有的验证数据集和生成对抗网络生成多种标签分布偏移已知的数据集，得到虚拟客户端数据集；(2)以虚拟客户端数据集及其已知的数据集分布类型驱动待学习的联邦学习模型进行训练，每个虚拟客户端待学习的模型都初始化同一个模型；(3)训练结束后，提取模型参数作为特征，虚拟客户端数据集分布类型作为标签，构成用于训练客户端数据集分布类型的新的数据集；(4)使用得到的数据集，驱动标签偏移识别深度神经网络模型，开展深度神经网络模型学习；(5)完成标签偏移识别深度神经网络模型训练后，将标签偏移识别深度神经网络模型部署到联邦学习服务器中。
-
公开(公告)号：CN119535348A
公开(公告)日：2025-02-28
申请号：CN202411534474.4
申请日：2024-10-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进的开普勒优化算法的无源时差定位方法，该方法首先将无源时差定位方程解算问题，转化为以定位目标的真实位置为设计变量的优化问题，并设计目标函数。其次使用Logistic混沌映射改进候选解位置的初始化，根据候选解的位置，利用目标函数计算候选解的适应度，并将适应度最优的候选解作为当前最优解。然后根据候选解和最优解的位置，计算二者之间的引力和计算候选解的速度。最后生成随机数并更新候选解位置，使用目标函数计算适应度更新全局最优，最终输出的最优解对应的位置，实现对目标的定位。本发明全局搜索和局部搜索能力更强，收敛速度更快，定位效果更好，适用于复杂的定位场景。
-
公开(公告)号：CN116755027B
公开(公告)日：2024-12-03
申请号：CN202310728141.4
申请日：2023-06-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种混合极化条件下的阵列构型及多目标测向方法，包括以下步骤：非共位多极化阵列构型；非共位多极化阵列输出建模；子阵协方差矩阵求和的特征分解；基于子阵协方差矩阵求和特征值的信号源数估计；无需网格搜索的多目标测向。本发明的优势在于，首先，本发明提出的阵列构型中，不同极化形式的天线的相位中心不同且间距较大，因而可消除不同极化形式的天线间的互耦，有助于提高天线性能和测向精度；提出的测向方法适用于混合极化情形，只需对所有信号进行统一处理，有助于节省计算耗时；提出的测向方法无需进行网格搜索和复杂的最优化求解，进一步减小了计算复杂度。
-
公开(公告)号：CN119044897A
公开(公告)日：2024-11-29
申请号：CN202411534626.0
申请日：2024-10-31
Applicant: 杭州电子科技大学
IPC: G01S7/02 , G01S7/36 , G06F18/2321 , G06N3/0455 , G06N3/0442 , G06N3/049
Abstract: 本发明公开了一种智能化雷达信号分选方法，该方法首先仿真生成多部雷达脉冲序列。其次将雷达脉冲序列输入至脉冲宽度统计直方图模块，滤除雷达脉冲序列中的噪声干扰。然后使用基于密度的空间聚类算法DBSCAN和时间融合Transformer网络模型TFT，构建雷达信号分选模型。最后将滤除噪声干扰后的脉冲序列，通过雷达信号分选模型进行训练，根据输出的概率值，得到雷达信号分选结果。本发明减小噪声信号对脉冲分选的干扰，稀释密集脉冲流以降低分选压力，提高脉冲分选的性能和速度，能准确的进行脉冲信号分选。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.022 seconds)
