公开(公告)号：CN118968112A

公开(公告)日：2024-11-15

申请号：CN202410782372.8

申请日：2024-09-26

Applicant: 北京理工大学

Inventor： 黄玮 ,  刘海强 ,  房泓儒 ,  徐志磊

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/098 ,  G06V30/19 ,  G06N5/01

Abstract: 本发明公开了一种基于集成宽度学习系统的图像分类方法，具体包括，第一步构建宽度学习模型，设置初始特征节点和增强节点数量等系统参数；第二步利用随机森林的投票策略对多个宽度学习模型的预测标签进行决策，构建集成模型新预测标签；第三步利用新预测标签进行图像分类，若模型分类准确度不小于预设准确度，则输出训练结果与模型分类准确度；否则进入第四步；第四步增加增强节点个数进行增量学习，基于新的增强节点数量重新构建宽度学习模型。本发明集成宽度学习模型，结合随机森林的投票策略和增量学习，实现了高效的图像分类，不仅提高了分类准确度，还可以处理大规模的图像数据集，并适应不同的图像分类任务。

公开(公告)号：CN118568088A

公开(公告)日：2024-08-30

申请号：CN202410458931.X

申请日：2024-04-17

Applicant: 北京理工大学 ,  国网山东省电力公司 ,  国网山东省电力公司电力科学研究院

Inventor： 祝烈煌 ,  黄玮 ,  张子剑 ,  常英贤 ,  张世超 ,  孟祥军 ,  樊静雨 ,  胡恒瑞 ,  刘冬兰 ,  张昊 ,  王睿 ,  姚洪磊 ,  孙莉莉 ,  张方哲 ,  赵夫慧 ,  孙梦谦

IPC: G06F16/22 ,  G06F16/27 ,  G06F21/64

Abstract: 本发明公开了区块链数据储存方法及装置，涉及区块链技术领域，包括生成数据储存装置，提供安全的身份验证和管理，当需要录入新身份数据信息时，本发明通过设置区块链接入模块、身份验证管理模块、相关领域模型架构和数据存储中心，生成完善的数据储存装置，在进行使用时提供安全的身份验证和管理，当需要录入新身份数据信息时，同时通过对数据存储装置启动前进行身份验证管理，减少了外部人员意外启动的情况，提高了整体机密性，对区块链技术及相应接入的领域分析结果进行管理、可视化和存储，有助于通过互联网云管控实现数据存储管理，提高数据存储管理的智能化水平，提高数据存储效率和安全性，进而提高整体的运行效率和稳定性。

公开(公告)号：CN117876281A

公开(公告)日：2024-04-12

申请号：CN202410166866.3

申请日：2024-02-06

Applicant: 北京理工大学

Inventor： 徐志磊 ,  侯越晨 ,  黄玮 ,  赵丰年

IPC: G06T5/90 ,  G06T5/50 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/043 ,  G06T5/60

Abstract: 一种基于生成对抗式的隐蔽管线图像数据增强方法，包括重构生成对抗网络结构用于隐蔽管线雷达图像数据生成和构造模糊最小最大神经网络用于控制生成图像质量两个关键部分。本发明对生成对抗网络进行结构重构，形成扩展的生成对抗网络，通过探地雷达获取的真实隐蔽管线图像数据集作为扩展的生成对抗网络的输入，将生成的图像通过模糊最小最大神经网络进行筛选，得到有效的增强图像数据。将增强图像与真实隐蔽管线图像数据集混合对公开分类器进行训练、测试和验证，与传统方法相比，该方法生成的图像数据具有更高的验证准确率，数据增强效果优于传统的生成对抗网络模型。

公开(公告)号：CN117520944A

公开(公告)日：2024-02-06

申请号：CN202311541065.2

申请日：2023-11-17

Applicant: 北京理工大学

Inventor： 黄玮 ,  翟科 ,  徐志磊

IPC: G06F18/2415 ,  G06N3/082 ,  G06F18/2135 ,  G06F18/214

Abstract: 本发明提出了一种基于随机重采样多项式神经网络的分类方法。本发明通过以下步骤实现分类：首先使用随机重采样算法对所需分类的数据集进行预处理，然后按比例将其划分为训练样本集和测试样本集；接着使用基于有理二次核函数的核主成分分析降低样本集的特征数量；然后使用训练样本集构造随机重采样多项式神经网络的结构；之后将测试样本集输入至随机重采样多项式神经网络中，并输出分类结果；最后根据输出的分类结果计算分类精度。使用国际标准数据集中的Glass、Iris、Ionosphere、Wine、WDBC、Zoo这六个数据集对其分类性能进行检验，与传统的多个分类模型相比，实验结果显示本发明所提出的方法在分类问题上的准确度有较明显的提高。

公开(公告)号：CN117493972A

公开(公告)日：2024-02-02

申请号：CN202311540217.7

申请日：2023-11-17

Applicant: 北京理工大学

Inventor： 黄玮 ,  陆时铨 ,  徐志磊

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/043 ,  G06F18/15

Abstract: 本发明提出了一种基于自定义模糊超盒神经网络的分类方法。包括：首先对国际标准数据集中的Iris、Wine、Glass、Parkinsons这四个数据集进行预处理，如数值归一化；然后对训练集的输入数据进行超盒创建，形成初始超盒集；然后对形成的超盒集进行划分为重叠超盒集和非重叠超盒集；然后对重叠超盒集进行扩张或者收缩处理后变为非重叠超盒；然后对处理后的超盒与非重叠超盒进行组合；最后计算出分类的准确度。与原始模糊最小最大神经网络相比，实验结果显示本发明所提出的方法分类的准确度有明显的提高，具有较强的鲁棒性。

公开(公告)号：CN116599727A

公开(公告)日：2023-08-15

申请号：CN202310573259.4

申请日：2023-05-19

Applicant: 北京理工大学

Inventor： 侯越晨 ,  孙明曦 ,  黄玮 ,  祝烈煌 ,  徐志磊

IPC: H04L9/40 ,  G06F18/214 ,  G06F18/24 ,  G06N3/043

Abstract: 一种基于深度模糊最小最大超盒的网络入侵检测方法，包括数据预处理、超盒初始化、超盒划分、同类超盒合并、异类超盒界限划分、入侵检测数据分类和分类结果展示步骤。本发明以改进的模糊最小最大(FMM)算法DFMH为基础，以国际标准数据集UNSW‑NB15网络流量数据集为例，首先对网络流量数据进行归一化，然后输入FMM模型进行分类，从而判断某条网络流量是否为包含网络攻击，并将相关结果以表格的形式展示出来，一定程度上能够改善现有网络入侵检测方法耗时长、准确率低等问题。测试结果表明，本发明提供的方法对于网络入侵检测的效果要优于传统的FMM算法。