-
公开(公告)号：CN108668254B
公开(公告)日：2022-01-04
申请号：CN201810460982.0
申请日：2018-05-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进BP神经网络的WiFi信号特征的区域定位方法，其特征在于：将WiFi特征信号进行预处理转换成四层改进的BP神经网络，再利用蚁群算法对改进后的神经网络权值进行优化，并在权值更新公式中加入动量项因子，进而提高定位方法的收敛速度与分类精度。本发明实用性高，应用性强，成本低，预测分类精度高，计算过程处理简洁，稳定性强，可靠性高，可以基本实现短距离区域的高效分类。
-
公开(公告)号：CN110102312A
公开(公告)日：2019-08-09
申请号：CN201910399196.9
申请日：2019-05-14
Applicant: 福州大学
Abstract: 本发明属于光催化剂制备技术领域，涉及一种一维氧化亚铜/银/氧化锌纳米棒光催化剂及其制备方法，以及其光催化CO2还原生成CO的应用，通过简单的水热法和化学还原的方法，制备得到一维Cu2O/Ag/ZnO纳米棒光催化剂。所制备的一维Cu2O/ZnO和Cu2O/Ag/ZnO纳米棒光催化剂均具有比一维ZnO纳米棒光催化剂更高的光催化CO2还原性能，产物均为CO。此外，所制备的一维Cu2O/Ag/ZnO纳米棒光催化剂在紫外可见光照射下具有更高的光催化CO2还原性能以及稳定性。本发明方法制备过程简单，反应条件温和，对光催化CO2还原具有重要的实际应用价值，有利于环境和能源的可持续发展。
-
公开(公告)号：CN109033611A
公开(公告)日：2018-12-18
申请号：CN201810805343.3
申请日：2018-07-20
Applicant: 福州大学
CPC classification number: G06F17/509 , G06N3/006 , G06Q10/047
Abstract: 本发明涉及一种VLSI多端点线网绕障碍的布线方法，其特征在于：包括以下步骤：步骤S1:读取障碍信息；步骤S2:根据障碍信息，利用matlab绘制障碍框；步骤S3:采用改进粒子群算法构建斯坦纳树，并得到最优解；步骤S4:根据最优解对该解表示的斯坦纳树树进行布线，并记录布线过程；步骤S5:根据布线过程记录，对在布线过程中重复布线部分进行修正，去除生成树中重复了两次到三次的布线长度，并计算通孔数，得到最优布线。本发明实现高效精准并且绕障碍的全局布线，适用于超大规模集成电路多端点线网绕障碍布线。
-
公开(公告)号：CN108765556A
公开(公告)日：2018-11-06
申请号：CN201810489957.5
申请日：2018-05-21
Applicant: 福州大学
Abstract: 本发明提供一种基于改进粒子群算法的动态3D实时建模方法，其包括以下步骤：步骤S0：提供一装修预览系统，其包括扫描模块、记录模块、计算模块、导入模型模块、映射模块和展示模块；步骤S1：由扫描模块协同记录模块完成对需要模拟的房间的8个墙角的空间向量信息的标定工作，记录陀螺仪参数并解算出空间向量数据作为输出参数；步骤S2：由计算模块的核心调用智能算法，接受步骤S1的输出参数，运算得到与立方体房间等比例的房间及用户身高单位长度数据作为输出参数；步骤S3：由导入模型模块调用3D引擎，接受步骤S2的输出参数，动态创建出房间的3D模型。本发明的改进的粒子群算法增加粒子的多样性，以控制收敛速度，并且提高搜索精度。
-
Patent Agency Ranking
公开(公告)号：CN108668254A
公开(公告)日：2018-10-16
申请号：CN201810460982.0
申请日：2018-05-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进BP神经网络的WiFi信号特征的区域定位方法，其特征在于：将WiFi特征信号进行预处理转换成四层改进的BP神经网络，再利用蚁群算法对改进后的神经网络权值进行优化，并在权值更新公式中加入动量项因子，进而提高定位方法的收敛速度与分类精度。本发明实用性高，应用性强，成本低，预测分类精度高，计算过程处理简洁，稳定性强，可靠性高，可以基本实现短距离区域的高效分类。
-
公开(公告)号：CN109858246B
公开(公告)日：2022-06-14
申请号：CN201811579102.8
申请日：2018-12-24
Applicant: 福州大学
Abstract: 本发明提供一种针对控制信号型硬件木马的分类方法，上述硬件木马分类方法的流程包括：分析电路网表结构；选择并提取电路结构特征；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；使用训练数据训练BP神经网络，获得一个训练好的BP神经网络；将测试数据输入到这个BP神经网络，不断调整隐藏层的数量，挑选最好的测试结果，得到最优的隐藏层数量和节点数量。本发明不需要复杂的实验环境、大量的时间和实验成本就可以有效的检测出一个网表中是否包含硬件木马。
-
公开(公告)号：CN109740348B
公开(公告)日：2022-06-14
申请号：CN201910084520.8
申请日：2019-01-29
Applicant: 福州大学
IPC: G06F21/56
Abstract: 本发明涉及一种基于机器学习的硬件木马定位方法，包括以下步骤：分析其网表结构，选择并提取电路结构特征；探究硬件木马类型，将硬件木马分为信息泄露型和控制信号型；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；对于信息泄露型木马使用oneclasssvm算法检测，对于控制信号型硬件木马使用BP神经网络进行检测；使用训练数据训练分类器，使用测试数据进行测试，统计结果；将最后的识别结果与理想结果进行对比，找到已经识别的木马线网。上述基于机器学习的硬件木马定位方法不需要复杂的实验环境、大量的时间和实验成本就可以定位出一个网表中的硬件木马。
-
公开(公告)号：CN110334810A
公开(公告)日：2019-10-15
申请号：CN201910620124.2
申请日：2019-07-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于机器学习的MOOC僵尸课程识别方法，包括以下步骤：步骤S1:采集MOOC平台上若干样本课程；步骤S2:提取样本课程特征并添加标签，构造训练数据集；步骤S3:构建BP神经网络模型；步骤S4:根据训练数据集，初始化并训练BP神经网络模型，直到测试误差达到预设值或者到达预设最大训练次数，得到训练后的BP神经网络模型；步骤S4:将待测MOOC课程输入训练后的BP神经网络模型，判断是否为僵尸课程。本发明基于机器学习MOOC僵尸课程识别方法，具有高效，准确，低成本的特点，对推进MOOC建设有重大意义。
-
公开(公告)号：CN109858246A
公开(公告)日：2019-06-07
申请号：CN201811579102.8
申请日：2018-12-24
Applicant: 福州大学
Abstract: 本发明提供一种针对控制信号型硬件木马的分类方法，上述硬件木马分类方法的流程包括：分析电路网表结构；选择并提取电路结构特征；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；使用训练数据训练BP神经网络，获得一个训练好的BP神经网络；将测试数据输入到这个BP神经网络，不断调整隐藏层的数量，挑选最好的测试结果，得到最优的隐藏层数量和节点数量。本发明不需要复杂的实验环境、大量的时间和实验成本就可以有效的检测出一个网表中是否包含硬件木马。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
