-
公开(公告)号：CN110007283A
公开(公告)日：2019-07-12
申请号：CN201910214702.2
申请日：2019-03-20
Applicant: 海南大学
Abstract: 本发明适用于雷达信号处理领域，提供了雷达波达方向估计方法、装置、计算机设备及存储介质，该方法包括：对接收到的K个目标的回波信号组成的矩阵X进行降维处理，得到降维数据矩阵Y；基于降维数据矩阵Y，构造稀疏信号模型；根据该模型得到用于估计K个目标的回波功率的目标函数；初始化和更新该目标函数中的回波信号功率和非均匀噪声协方差矩阵；通过多项求根对稀疏信号模型中需要更新位置的网格点进行更新；当算法迭代次数达到预设的上限值或者算法收敛时，对更新后的空域离散网格进行一维空间谱搜索，得到多输入多输出雷达离格波达方向估计值。本发明具有同时对非均匀噪声和离格误差鲁棒的优点，在粗糙的网格仍具有很好的性能，准确性高。
-
公开(公告)号：CN109271424A
公开(公告)日：2019-01-25
申请号：CN201811152715.3
申请日：2018-09-29
Applicant: 海南大学
IPC: G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 本发明公开了一种基于密度的参数自适应聚类方法，涉及数据挖掘技术领域。该方法包括以下步骤：S1、数据集的预处理：输入待处理的数据集，利用预设的滑动窗口截取数据流，对截取的单元数据进行预处理以得到训练数据；S2、训练数据的模型训练和优化：对所述训练数据进行聚类，以得到所述训练数据的独立的簇和簇中心；将所有的簇进行模型训练，并将训练后的簇进行优化选择以得到优选参数，再将优优选参数的簇进行训练，以得到模型组；S3、模型匹配：将测试数据与所有的簇中心进行相似度匹配，得到最相似的簇中心对应的簇，以获得与该簇对应的相似模型；S4、预测分析：根据所述相似模型计算所述测试数据，以得到所述测试数据的预测值。
-
公开(公告)号：CN109150868A
公开(公告)日：2019-01-04
申请号：CN201810913963.9
申请日：2018-08-10
Applicant: 海南大学
CPC classification number: H04L63/1408 , G06K9/6223 , H04L63/1458
Abstract: 本发明公开了一种网络安全态势评估方法及装置，所述方法包括：网络信息获取模块通过IP地址数据库，检测网络中新老用户网络流量的IP地址状态变化，以得出网络的风险值，并利用风险值计算出网络的各个节点的风险指数；融合态势信息模块融合网络各个节点的风险指数，生成网络的融合风险指数，并利用模糊C‑均值聚类算法将融合风险指数分为5个安全等级；网络态势评估模块根据网络的融合风险指数，并结合不同安全等级生成网络的安全态势。本发明提供的方法不仅实现了对大数据环境下DDoS攻击的网络安全态势评估，还有效地提高了网络安全态势评估方法的灵活性、以及评估结果的准确性。
-
公开(公告)号：CN108877319A
公开(公告)日：2018-11-23
申请号：CN201810800559.0
申请日：2018-07-20
Applicant: 海南大学
Abstract: 本发明是一种基于发音器官形态行为偏差可视化的发音矫正方法，针对学习者进行外语学习建模，获取学习者语音内容和对应发音时的器官动作，再根据学习者选择的目标外语，调出标准库中的对应发音模块。通过对学习者和标准库的相同发音内容和器官动作形态进行对比，找到学习者唇位、舌位、齿位、呼气量和下颌高度等位置和标准库中对应数据的偏差，可视化地把学习者和标准音的器官形态差异，以及两者偏差反馈给学习者，后更新学习者的基本信息，随时记录学习者的学习能力等信息，为学习者提供相应外语学习的连贯可执行方式。
-
公开(公告)号：CN108776790A
公开(公告)日：2018-11-09
申请号：CN201810576421.7
申请日：2018-06-06
Applicant: 海南大学
IPC: G06K9/00 , G06N3/08 , H04N19/625 , H04N19/63
CPC classification number: G06K9/00221 , G06N3/084 , H04N19/625 , H04N19/63
Abstract: 本发明公开了一种云环境下基于神经网络的加密人脸识别方法，属于多媒体信号处理领域。本发明的步骤是：首先利用Tent Map的性质在DWT-DCT变换域内对人脸图像进行加密；再利用PCA主成分分析法提取特征得到投影矩阵；随后利用投影矩阵创建并训练BP神经网络；对待测人脸进行加密，最后将加密后的人脸图像输入到训练好的神经网络来进行识别，输出相应的人脸序号。本发明是云环境下基于BP神经网络和变换域的人脸图像识别方法，拥有较好的鲁棒性，同时能增强信息数据的安全性。
-
Patent Agency Ranking
公开(公告)号：CN106685710A
公开(公告)日：2017-05-17
申请号：CN201611192996.6
申请日：2016-12-21
Applicant: 海南大学
Abstract: 本发明公开了一种基于中间件的服务失败迁移方法，所述方法包括：根据负载均衡策略获取目标节点；根据所述目标节点的运行情况调整所述目标节点上的中间件的实例配置数量，获取所述中间件的负载信息；建立所述目标节点上的中间件信息模型，根据所述中间件信息模型获取服务信息；对所述服务信息进行MD5加密；将所述服务信息传递给所述目标节点；对接收到服务信息的目标节点进行MD5验证，若验证信息一致，则由所述目标节点上的中间件继续服务，若验证信息不一致，则重新获取服务信息。本发明克服了传统服务故障粒度过粗的缺点，能够准确快速定位故障中间件，提高中间件的可靠性，进而为用户提供无缝和可靠的服务。
-
公开(公告)号：CN104965883A
公开(公告)日：2015-10-07
申请号：CN201510326174.1
申请日：2015-06-15
Applicant: 海南大学
IPC: G06F17/30
CPC classification number: G06F17/30522 , G06F17/30595
Abstract: 本发明提供了一种匹配用户特征的个性化旅游信息筛选方法，包括个性化需求建模和映射规则建模。个性化需求建模包括实体需求建模和线路需求建模；其中，实体需求建模中采用两层粒度分类方法对所述实体需求参数进行分类处理；线路需求建模中采用三层粒度分类方法对所有线路需求进行分类处理。映射规则建模包括映射算法和推荐算法。本发明针对旅游行业总体用户数量多、总体历史数据量丰富和单个用户数据量小等特性，设计了一种匹配用户特征的个性化算法：用户登录系统后，不必输入任何参数，能够根据用户角色特征主动推荐给用户最需要的旅游服务，满足用户个性化需求，为用户节省大量时间。
-
公开(公告)号：CN102938132A
公开(公告)日：2013-02-20
申请号：CN201210468656.7
申请日：2012-11-20
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于DFT和Logistic Map的鲁棒水印技术，属于多媒体信号处理领域。本发明的步骤，先进行水印的预处理和水印的嵌入，包括：(1)利用Logistic Map得到二值加密矩阵；(2)得到加密的水印；(3)对原图进行DFT变换，并提取特征向量；(4)利用该特征向量和混沌加密的水印得到一个二值逻辑序列；再进行水印的提取和水印还原，包括：(5)对待测图像进行DFT变换，提取一个特征向量；(6)利用Hash函数和嵌入水印时生成的二值逻辑序列来提取水印；(7)利用Logistic Map生成二值加密矩阵；(8)求得还原的水印。本发明在远程医疗中对保护患者个人信息有较高的实用价值。
-
公开(公告)号：CN119921958A
公开(公告)日：2025-05-02
申请号：CN202510091698.0
申请日：2025-01-21
Applicant: 海南大学
Abstract: 本发明涉及电数据处理技术领域，尤其涉及一种基于改进零知识证明的知识产权交易双因素身份认证方法，该方法包括生物特征和知识产权特征认证步骤，所述生物特征和知识产权特征认证步骤包括生成生物特征的零知识证明和知识产权特征的零知识证明，所述零知识证明的生成过程包括：对电路进行初始设置，根据设计的电路生成公共参数P；计算在阶为n的乘法子群H上的多项式a(x)、b(x)、c(x)；构建排列置换约束z(x)；将门约束和排列置换约束转化为一个多项式，构建总约束t(x)；构建关键中间函数r(x)；分别在θ、θω两点构建多项式承诺Wθ(x)和Wθω(x)，然后生成Plonk零知识证明π。本发明通过对零知识证明进行改进，可以提高零知识证明生成及验证效率。
-
公开(公告)号：CN119888329A
公开(公告)日：2025-04-25
申请号：CN202411949888.3
申请日：2024-12-27
Applicant: 海南大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/58 , G06V10/40 , G06V10/44 , G06V10/77 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于CNN和Dual‑Swin‑Transformer融合网络的高光谱图像精确分类方法，具体按照以下步骤实施：步骤1、利用改进的CNN网络对高光谱图像进行降维和提取光谱特征；步骤2、利用Dual‑Swin‑Transformer模型提取空间特征信息；步骤3、对光谱‑空间信息进行融合，得到分类结果。本发明解决了现有技术中存在的当前HSIC中，HSI的高维度问题难以解决和光谱‑空间特征难以有效、均衡的融合的问题。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.036 seconds)
