-
公开(公告)号：CN113222835A
公开(公告)日：2021-08-06
申请号：CN202110436758.X
申请日：2021-04-22
Applicant: 海南大学
Abstract: 本发明提供基于残差网络的遥感全色和多光谱图像分布式融合方法，主要解决现有技术中光谱失真、空间分辨率低、融合质量不高的问题，本申请包括下列步骤：通过卫星采集目标区域的原始图像，并对所述原始图像进行预处理；根据Wald准则使用预处理后全色图像和多光谱图像构建仿真训练集和测试集，构建由3个支路构成的基于残差网络的分布式融合模型，将训练集的全色和多光谱图像作为网络的输入，对网络进行充分训练；将待融合的全色和多光谱图像输入到训练好的融合网络中，得到融合图像。本发明使用不同支路不同尺度的特征进行融合，保留更多的光谱信息和空间信息，在提高空间分辨率和保留光谱信息方面更具优越性能，提高了融合质量。
-
公开(公告)号：CN113077377A
公开(公告)日：2021-07-06
申请号：CN202110523597.8
申请日：2021-05-13
Applicant: 海南大学
Abstract: 本申请公开了一种基于生成对抗网络的彩色图像隐写方法，包括：制作载体图像数据集和秘密图像数据集，将载体图像数据集和秘密图像数据集分别分为训练集、验证集和测试集；构建由预处理网络、隐藏网络、提取网络和隐写分析网络组成的图像隐写模型；预处理网络用于对载体图像和秘密图像进行预处理；隐藏网络用于将秘密图像隐藏到载体图像中，得到隐写图像；提取网络用于从隐写图像中得到提取图像；隐写分析网络用于对载体图像和隐写图像进行隐写分析；通过训练集和验证集对模型进行训练和参数调优；隐藏网络和隐写分析网络形成对抗训练；利用测试集对模型进行性能测试。这样可以得到高质量的隐写图像和提取图像，同时隐写图像具有抗隐写分析能力。
-
公开(公告)号：CN107909062B
公开(公告)日：2021-05-07
申请号：CN201711311000.3
申请日：2017-12-11
Applicant: 海南大学
Abstract: 本发明涉及一种基于信息熵的遥感影像特征离散化方法及系统，该方法包括步骤：建立基于像元值和所属类别的影像信息决策表；基于信息熵的区间分隔模型计算区间信息熵，基于信息熵进行区间分割；对所述影像信息决策表进行离散化，并分别计算离散化前、后影像信息表的不可分辨关系差异度；对离散化的结果进行评估，选择最优的离散化方案。本发明方法及系统可以降低离散化区间数目，避免区间信息的冗余性，缓解离散化数据失真问题。
-
公开(公告)号：CN112630766A
公开(公告)日：2021-04-09
申请号：CN202011500253.7
申请日：2020-12-18
Applicant: 海南大学
Abstract: 本发明提供一种基于张量高阶奇异值分解的雷达角度和距离估计方法，包括下列步骤：构建包含k个子阵的MIMO雷达接收阵列，通过所述MIMO雷达接收阵列获取目标回波的接收数据，并构造三阶张量信号模型；采用高阶奇异值分解三阶张量信号模型，获得基于张量的信号子空间；提取所述信号子空间的接收矩阵，实现MIMO雷达目标DOA参数估计；提取每个子阵对应的信号子空间和发射矩阵，并消除因目标DOD参数和距离耦合造成的相位模糊问题，同时实现目标DOD和距离与DOA参数自动配对，最终实现对MIMO雷达目标DOD参数和距离参数的估计。
-
公开(公告)号：CN112580483A
公开(公告)日：2021-03-30
申请号：CN202011468816.9
申请日：2020-12-15
Applicant: 海南大学
Abstract: 本发明提供一种基于粗糙模糊模型的遥感影像特征离散化方法，包括下列步骤：列出遥感影像中被选中样本在各个波段的像元值和所属类别，并建立基于像元值和所属类别的影像信息决策表；初始化各个类别的类中心以及样本例对类中心之间的隶属度；迭代更新各个类别的类中心以及样本例对类中心之间的隶属度，获得各类别的类中心的最终值以及隶属度最终值；建立粗糙模糊集，并计算粗糙模糊集的平均近似精度，对所述影像信息决策表进行离散化，基于平均近似精度以及遗传算法对离散化结果进行评估，选择最优的离散化方案。
-
Patent Agency Ranking
公开(公告)号：CN112363110A
公开(公告)日：2021-02-12
申请号：CN202011377660.3
申请日：2020-11-30
Applicant: 海南大学
IPC: G01S3/14
Abstract: 本发明提供一种基于嵌套交叉偶极子阵列的无网格单比特DOA估计方法，包括下列步骤：构建嵌套交叉偶极子阵列模型，将所述嵌套交叉偶极子阵列模型接收到的数据进行单比特量化，并计算单比特量化结果的协方差矩阵；把协方差矩阵矢量化并获得对应于差分共阵的向量，将对应于差分共阵的向量构造成测量值矩阵；引入原子范数最小化，确定优化目标的函数形式；利用ADMM求解原子范数最小化，同时获得拉格朗日增广函数表达式；对拉格朗日增广函数表达式进行迭代求解，获得测量值矩阵的去噪估计值；对所述测量值矩阵的去噪估计值进行求解，获得最终DOA估计。
-
公开(公告)号：CN112286921A
公开(公告)日：2021-01-29
申请号：CN202011175316.6
申请日：2020-10-29
Applicant: 海南大学
IPC: G06F16/215 , G06F16/23 , G06F16/242 , G06F16/2455 , G06F16/25 , G06Q10/10
Abstract: 本发明提供一种基于多源异构数据的动态企业画像生成方法，包括下列步骤：S1、采集目标企业的信息数据，并对所述企业信息数据进行预处理；S2、构建企业画像模型，所述企业画像模型由企业基本属性、企业经营范围、企业主要产品、企业内外关联、企业行业评价五个维度特征组成，从预处理后的企业信息数据中提取特征项，并填充至对应的维度特征，实现企业信息向量化，标签化；S3、若目标企业的信息数据出现变动，根据变动的企业信息数据，形成新的特征项，并将维度特征中的旧的特征项进行替换更新，形成新的企业画像。
-
公开(公告)号：CN112256965A
公开(公告)日：2021-01-22
申请号：CN202011145676.1
申请日：2020-10-23
Applicant: 海南大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于lambdaMart的神经协同过滤模型推荐方法，所述方法包括以下步骤：S1：输入用户信息，所述用户信息包括用户基本信息和电影评论信息，所述电影评论信息包括已评分电影信息和未评分电影信息；S2：嵌入层将用户信息映射为用户特征向量，将电影评论信息映射为电影特征向量；S3：将用户特征向量、电影特征向量输入到神经协同过滤模型中，提取高阶特征信息，同时提取排序信息；S4：对高阶特征信息和排序信息进行处理获得推荐结果并输出。提出LM‑NCF模型，通过改进神经协同过滤模型，利用多层感知机的非线性特征处理提取隐含高阶特征信息以及lambdaMart个性化排序算法提取排序信息，使推荐更加精准。
-
公开(公告)号：CN108696543B
公开(公告)日：2021-01-05
申请号：CN201810975597.X
申请日：2018-08-24
Applicant: 海南大学
IPC: H04L29/06
Abstract: 本发明提供一种基于深度森林的分布式反射拒绝服务攻击检测、防御方法，检测方法包括：对正常网络流进行采样，获取风险服务的数据包信息，数据包信息包括源IP地址、目的IP地址、源端口、目的端口及数据包的应用层载荷；根据数据包信息分别计算：Cq、Vq、Pq、Cr、Vr及Pr，并将Cq、Vq、Pq、Cr、Vr及Pr整合为六元组特征，采集一定时间段内的六元组特征作为正常样本；通过模拟分布式反射拒绝服务攻击，对攻击网络流进行采样，获取攻击网络流中的六元组特征作为异常样本；采用正常样本和异常样本组合成的训练集，进行深度森林模型训练，得到检测模型；采用检测模型进行DRDoS攻击。本发明提高了在大数据环境下的DRDoS攻击检测的有效性、效率和准确率。
-
公开(公告)号：CN112115441A
公开(公告)日：2020-12-22
申请号：CN202011048942.9
申请日：2020-09-29
Applicant: 海南大学
Abstract: 本发明公开了一种基于区块链的人才认证方法，包括如下步骤：用户注册、资料上传、资料审核和成果转化；本发明的有益效果在于，首先，本发明的人才认证方法基于区块链技术，基于用户的认证信息、审核结果、成果信息等都将存储在区域块链上，无法被篡改，无法伪造，可查证和追溯，保障了各方的利益，降低了法律风险；其次，本发明的人才认证方法采用区块链技术，避免了中心化平台运营中出现的服务器受攻击等因素带来的数据丢失、数据被篡改等问题。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.031 seconds)
