-
公开(公告)号：CN105490802B
公开(公告)日：2018-07-27
申请号：CN201510844393.9
申请日：2015-11-27
Applicant: 桂林电子科技大学
IPC: H04L9/06
Abstract: 本发明公开了种基于GPU的改进SM4并行加解密通信方法,该加解密方法包括:使用AES‑128密钥扩展算法生成SM4加密算法所需的扩展子密钥;改进SM4加密算法中的轮函数;利用GPU的并行计算能力,将改进SM4加密算法改进成并行加密的形式。采用本发明加解密通信方法,能够有效的提高安全性和实现的速度,能够对数据进行实时并行加密,提高了加密速度,从而保证数据流正常的传输,降低处理延迟。
-
公开(公告)号：CN108009678A
公开(公告)日：2018-05-08
申请号：CN201711227262.1
申请日：2017-11-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于离散布谷鸟算法求解旅行商问题的方法，在离散布谷鸟算法的基础上，添加了禁忌搜索算法，在布谷鸟搜索过程中使用禁忌搜索来控制步长，预期布谷鸟-禁忌搜索算法可以消除二者算法中存在的一些不足之处，使之可避免陷入局部最优解，并减少了算法的重复搜索；另外，由于禁忌搜索和布谷鸟搜索解的优劣在很大程度上取决于邻域结构，而k-opt算法的随机性使其后期很难再次快速收敛，因此本发明在迭代后期设置一个邻域限制的结构，这种结构可以消除一定量的随机性，即避免发生低质量的选边，通过使用自适应动态邻域调整k-opt算法的切边选择，提高了算法的局部搜索能力。
-
公开(公告)号：CN105490802A
公开(公告)日：2016-04-13
申请号：CN201510844393.9
申请日：2015-11-27
Applicant: 桂林电子科技大学
IPC: H04L9/06
CPC classification number: H04L9/0631
Abstract: 本发明公开了一种基于GPU的改进SM4并行加解密通信方法，该加解密方法包括：使用AES-128密钥扩展算法生成SM4加密算法所需的扩展子密钥；改进SM4加密算法中的轮函数；利用GPU的并行计算能力，将改进SM4加密算法改进成并行加密的形式。采用本发明加解密通信方法，能够有效的提高安全性和实现的速度，能够对数据进行实时并行加密，提高了加密速度，从而保证数据流正常的传输，降低处理延迟。
-
公开(公告)号：CN110309179B
公开(公告)日：2023-04-07
申请号：CN201910429541.9
申请日：2019-05-22
Applicant: 桂林电子科技大学
IPC: G06F16/2455 , G06F16/2458 , G06N3/006
Abstract: 本发明公开一种基于并行PSO的最大容错频繁项集挖掘方法，将目标事务数据库转换为对应的二进制矩阵，若转换后的二进制矩阵是稀疏矩阵，需要设定最小项支持度来删除不满足该阈值的项，根据矩阵维度初始化粒子群，在粒子群算法的速度更新公式中加入了高斯扰动项防止种群陷入局部最优，根据容错块的概念设计出粒子群算法的适应值函数，将种群中粒子转变成Spark平台中的RDD数据集，经过迭代后达到终止条件，得到最大容错块，当容错块的支持度大于最小支持度阈值时，则该容错块对应的项集为最大容错项集。本发明提高了算法的运行效率，保证了在相同目标事务数据库不同容错度的条件算法效率不变，同时对于稀疏型目标事务数据库也具有较高的性能。
-
公开(公告)号：CN114860930A
公开(公告)日：2022-08-05
申请号：CN202210441429.9
申请日：2022-04-25
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F40/30 , G06F40/289 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种文本分类方法、装置以及存储介质，属于文本分类领域，方法包括：S1：对多个原始文本数据进行划分得到训练集和测试集；S2：分别对训练集和测试集进行数据预处理得到多个单词训练矩阵以及多个单词测试矩阵；S3：分别对各个单词训练矩阵进行向量化处理得到词向量矩阵；S4：构建训练模型，根据多个词向量矩阵对训练模型进行训练得到待测试模型；S5：根据多个单词测试矩阵对待测试模型进行测试得到分类模型；S6：导入待分类文本数据，通过分类模型对待分类文本数据进行分类得到分类结果。本发明能够突出文本中的关键信息，同时增强文本上下文语义信息，更准确的表示文本语义，从而提高了文本分类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN110968865B
公开(公告)日：2022-03-11
申请号：CN201911182465.2
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于概率本体的安卓软件风险评估方法，利用层次分析法(AHP)构建了安卓软件风险评估模型，在多种app中提取风险权限节点，通过三角模糊函数描述风险等级与权限支持度的对应关系，选取所述风险评估模型中的风险节点、节点权重和层次关系，进行属性设置，并添加实例，构建概率本体模型，给出对应的owl编码，利用Jena对本体进行解析，并导入netica生成贝叶斯网络模型，通过动态添加证据信息，完善所述贝叶斯网络概率模型，再利用netica进行风险推理，逐层计算待评估节点的风险等级概率分布，最终得到app综合风险等级概率分布，完成风险等级评估。使评估结果能随着app使用场景的变化而变化，在安装使用app时做出合理决策。
-
公开(公告)号：CN109242032B
公开(公告)日：2021-11-16
申请号：CN201811107668.0
申请日：2018-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于深度学习的目标检测方法，首先选取训练分类器所需训练样本；其次采用均值滤波器对训练样本进行去噪，再利用神经网络对去噪后的训练样本进行特征提取；然后用训练样本来训练分类器最后利用训练好的分类器对输入的待检测图像进行分类筛选，以检测待检测图像中是否存在想要检测的目标。本发明在RPN网络中，用掩膜的屏蔽作用，对图像上某些区域屏蔽。并针对回归边框不能准确定位，利用模拟退火算法来着重解决建议窗口与实际窗口的非线性问题。且在RPN网络前加入了池化层，使得进入RPN网络的图像是同样尺寸的，这样提高了整个Faster‑RCNN网络的实时性。
-
公开(公告)号：CN109242032A
公开(公告)日：2019-01-18
申请号：CN201811107668.0
申请日：2018-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于深度学习的目标检测方法，首先选取训练分类器所需训练样本；其次采用均值滤波器对训练样本进行去噪，再利用神经网络对去噪后的训练样本进行特征提取；然后用训练样本来训练分类器最后利用训练好的分类器对输入的待检测图像进行分类筛选，以检测待检测图像中是否存在想要检测的目标。本发明在RPN网络中，用掩膜的屏蔽作用，对图像上某些区域屏蔽。并针对回归边框不能准确定位，利用模拟退火算法来着重解决建议窗口与实际窗口的非线性问题。且在RPN网络前加入了池化层，使得进入RPN网络的图像是同样尺寸的，这样提高了整个Faster-RCNN网络的实时性。
-
公开(公告)号：CN103795649B
公开(公告)日：2017-05-17
申请号：CN201410046547.5
申请日：2014-02-10
Applicant: 桂林电子科技大学
IPC: H04L12/885
Abstract: 本发明公开了一种网络延时抖动平滑方法，包括：利用指数平滑预测法预测网络抖动的大小和变化趋势；利用网络抖动的预测结果，设置数据缓冲器的大小。本发明能够较好的预测网络延时抖动大小的变化，有效减少了变化的网络抖动中的异常值，减小了丢包率，与其他方法相比有一定的优越性，并且无需各个系统模块时钟同步。
-
公开(公告)号：CN105515758A
公开(公告)日：2016-04-20
申请号：CN201510846844.2
申请日：2015-11-27
Applicant: 桂林电子科技大学
IPC: H04L9/06
CPC classification number: H04L9/0631
Abstract: 本发明公开了一种基于Modbus协议的数据并行加密通信方法和系统，该通信系统包括：数据采集站点和中心监控系统。数据采集站点包括站点配置模块、数据采集模块、改进SM4并行加密模块和数据传输模块；中心监控系统包括数据接收模块、改进SM4并行解密模块和数据显示监控模块。采用本发明的通信系统，能够提高工业数据传输的安全性，提高实时工业数据的加密速度，从而降低加密处理延迟。并且，该系统具有断线重连机制，确保对设备进行不间断监控。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.034 seconds)
