-
公开(公告)号：CN111340066A
公开(公告)日：2020-06-26
申请号：CN202010084341.7
申请日：2020-02-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于几何向量的对抗样本生成方法，包括：步骤1，数据预处理；步骤2，模型预训练；步骤3，重复步骤(a)-(f)，直到收敛，得到DGA域名对抗样本：(a)将合法域名输入ATN网络生成合法域名对抗样本，并得到扰动损失；(b)将合法域名和以及合法域名对抗样本输入噪声扰动方向函数得到噪声；(c)将噪声和DGA域名输入扰动网络得到DGA域名对抗样本；所述扰动网络为基于几何向量的扰动网络；(d)将DGA域名对抗样本输入目标网络，得到目标网络损失；(e)利用扰动损失和目标网络损失得到目标损失函数；(f)通过最小化目标损失函数更新ATN网络。本发明可以针对特定DGA类别生成其对抗样本。
-
公开(公告)号：CN111191717A
公开(公告)日：2020-05-22
申请号：CN201911389624.6
申请日：2019-12-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于隐空间聚类的黑盒对抗样本生成算法，包括如下步骤：步骤1，利用卷积自编码器提取图像样本的特征表示；步骤2，当需要被攻击模型产生误分类时，利用图像样本的特征表示进行误分类对抗样本生成算法，得到对抗样本；步骤3，当需要对被攻击模型进行目标对抗时，利用图像样本的特征表示进行目标对抗样本生成算法，得到对抗样本。本发明通过采用卷积自编码器提取图像样本的特征表示，从而实现隐空间聚类，并且不需要了解目标模型的结构，实现黑盒对抗样本生成算法。
-
公开(公告)号：CN111031042A
公开(公告)日：2020-04-17
申请号：CN201911281444.6
申请日：2019-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进D-S证据理论的网络异常检测方法，包括如下步骤：步骤1，采集网络数据；步骤2，对采集到的网络数据进行数据预处理；步骤3，利用经步骤2处理后的网络数据，采用改进的D-S证据理论训练网络异常检测模型；步骤4，将真实网络数据输入网络异常检测模型进行网络异常检测；步骤5，对网络异常检测结果进行可视化处理。本发明基于改进D-S证据理论进行网络异常检测，可以更好地确定不确定假设，得到更加精准的网络异常检测结果。
-
公开(公告)号：CN108763793A
公开(公告)日：2018-11-06
申请号：CN201810557652.3
申请日：2018-06-01
Applicant: 电子科技大学
IPC: G06F17/50
Abstract: 本发明提出了一种加权模糊型D‑S证据理论框架。对于D‑S证据理论在数据融合的应用中BPA获取困难的问题，该框架以D‑S证据理论为基础，首先将待融合数据进行属性划分，然后将生成类方法与判别类方法相结合，分别使用模糊朴素贝叶斯和FCM算法构造模型；在生成BPA阶段，通过定义不确定区域来表达不确定信息，再利用模糊隶属度和样本与质心之间的距离分别获得生成类BPA和判别类PBA，最后通过可信的数学模型得到复合BPA；利用D‑S证据理论的合成公式融合来自各模型的复合BPA，最后通过Pignstic概率转换后得到最终决策。该框架能够高效地完成数据融合任务，融合精度高、平均差小，且能够明确地处理不同类别之间的不确定性。
-
公开(公告)号：CN103544392A
公开(公告)日：2014-01-29
申请号：CN201310503402.9
申请日：2013-10-23
Applicant: 电子科技大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于深度学习的医学气体识别方法，具体使用原始的频率响应信号，对其进行简单的归一化，然后输入栈式自编码网络，通过逐层提取，最终学习得到原始数据的抽象特征，整个网络对外屏蔽了提取特征，降维，抑制漂移等过程，同时在网络最后附加一个分类层，使得这些特征可以直接进入分类器进行分类。训练过程分为预训练与微调两个步骤，可以有效地提高网络的学习能力，训练完成后，新样本输入网络可以直接得到预测的类别。本发明的方法能自动提取医学气体有效区分特征，将特征提取、特征选择和抑制漂移等步骤融合在了一起，极大地简化了传统方法的复杂度，提升了气体检测与识别的效率。
-
Patent Agency Ranking
公开(公告)号：CN101187927B
公开(公告)日：2010-12-15
申请号：CN200710050854.0
申请日：2007-12-17
Applicant: 电子科技大学
Abstract: 本发明提供了一种对刑事案件串并案的文本和图像进行准确、高效检索的智能分析方法，它包括提取数据库的图像和文本的数据信息，形成每个案件的多维向量特征；对连续数据和离散符号数据定义一种运算公式进行统一处理和计算；对多维向量赋予不同的权值；采用粗糙集约简技术，再对每个案件的多维向量特征进行维度约简；计算待分析的案件与向量约简后的数据库每个案件的相似度，找出数据库中和待分析案件有关联的串并案件；采用本发明能结合分析人员的经验和知识交互式地进行灵活、柔性的检索和比对，为破案人员提供了更准确的串并案的信息，提高了破案效率。
-
公开(公告)号：CN100550054C
公开(公告)日：2009-10-14
申请号：CN200710050853.6
申请日：2007-12-17
Applicant: 电子科技大学
Abstract: 本发明涉及一种图像立体匹配方法及其装置，其特征在于，包括如下步骤：采用图形识别器提取检测图像一和候选匹配图像二的特征点；多维向量识别器对上述特征点列的特征点进行多种参数描述，获得特征点参数描述的多维向量；数据优化器约简图像一的显著特征点列的每个特征点参数描述的多维向量，计算约简后的图像一的特征点列的每个特征点与图像二的特征点列的特征点的相似性，获得图像一的候选匹配点集；分类器，用于对以上比较结果进行分类，判断图像一与图像二的匹配结果。本发明对立体图像匹配具有较高的匹配精度和效率。
-
公开(公告)号：CN101197045A
公开(公告)日：2008-06-11
申请号：CN200710050853.6
申请日：2007-12-17
Applicant: 电子科技大学
Abstract: 本发明涉及一种图像立体匹配方法及其装置，其特征在于，包括如下步骤：采用图形识别器提取检测图像一和候选匹配图像二的特征点；多维向量识别器对上述特征点列的特征点进行多种参数描述，获得特征点参数描述的多维向量；数据优化器约简图像一的显著特征点列的每个特征点参数描述的多维向量，计算约简后的图像一的特征点列的每个特征点与图像二的特征点列的特征点的相似性，获得图像一的候选匹配点集；分类器，用于对以上比较结果进行分类，判断图像一与图像二的匹配结果。本发明对立体图像匹配具有较高的匹配精度和效率。
-
公开(公告)号：CN113159301B
公开(公告)日：2022-10-28
申请号：CN202110569275.7
申请日：2021-05-25
Applicant: 电子科技大学
IPC: G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于二值化量化模型的图像处理方法，属于图像处理技术领域，其包括以下步骤：S1、对图像集进行预处理，得到每张图像的初始输入数据；S2、构建二值化量化模型；S3、采用每张图像的初始输入数据对二值化量化模型进行训练，得到训练完成的二值化量化模型；S4、将一张图像的初始输入数据输入训练完成的二值化量化模型，得到图像中物体的边界和属性，完成对图像的处理；本发明解决了无人机存储内存很小，无法存储现有的全精度模型的问题。
-
公开(公告)号：CN113076962B
公开(公告)日：2022-10-21
申请号：CN202110528406.7
申请日：2021-05-14
Applicant: 电子科技大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于可微神经网络搜索技术的多尺度目标检测方法，针对不同的数据以及应用场景不需要通过大量的人力来改进已有模型使其满足性能要求，而是通过神经网络结构搜索技术来自动搜索出一个较为理想的网络模型，同时在搜索过程中，考虑了多尺度目标检测，使得搜索出的模型具有良好的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.022 seconds)
