-
公开(公告)号：CN117851942A
公开(公告)日：2024-04-09
申请号：CN202311416862.8
申请日：2023-10-27
Applicant: 华中科技大学
IPC: G06F18/2433 , G06F18/214 , G06V10/40 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于重构对抗训练的数据库系统异常检测方法和装置，属于数据库系统检测技术领域，所述方法：将数据库系统的监控数据由一维表示组织成二维图像模态表示从而进行特征提取，以构建训练样本集；该训练样本可以采用神经网络进行学习。基于重构对抗训练方式利用所述训练样本集对异常检测模型进行训练，使其充分学习输入特征中的规律，利用训练好的具有重构能力和判别能力的异常检测模型，以及动态阈值来完成异常检测工作，异常检测准确率更高、速率更快；此外动态调整异常阈值，避免了繁琐的人工阈值调节过程，提升模型了的适用性。由此解决现有异常检测方法检测准确性较低、时间开销大且适用性差的技术问题。
-
公开(公告)号：CN116668083A
公开(公告)日：2023-08-29
申请号：CN202310503241.7
申请日：2023-05-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种网络流量异常检测方法及系统，属于网络流量异常检测技术领域；针对网络流量的上下文依赖以及不同特征空间维度的相关性，设计自适应的滑动窗口机制，当数据中存在大量异常，通过维护部分历史正常样本分布，能够有效降低异常检测的漏报率；同时该机制能够动态更新正常网络流量特征的联合分布，进而能够全面捕获正常网络流量的变化模式，有效降低异常检测的误报率。并且在这个过程中，考虑到Vine Copula函数不要求网络流量特征符合特定的分布类型，从而消解了先验假设，更贴近网络流量特征的实际分布，通过引入VineCopula函数来拟合历史窗口内正常样本的分布，能够精确建立网络流量不同特征间的耦合关系，能够高效精确地进行网络流量异常检测。
-
Patent Agency Ranking
公开(公告)号：CN116127119A
公开(公告)日：2023-05-16
申请号：CN202310002357.2
申请日：2023-01-03
Applicant: 华中科技大学
IPC: G06F16/583 , G06V10/44 , G06V10/75 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于对象规模感知的多标签图像检索方法，其利用感知图像对象规模的哈希质心，构建了一个具有较高检索性能的端到端多标签图像检索方法。本发明提出的方法首先利用Swin Transformer骨干网络作为图像特征提取器，用标签语义信息指导哈希中心点的生成，并提出与对象规模相关的标签亲和度系数的计算方法，二者共同生成包含了对象规模的哈希质心。这些哈希质心作为汉明空间中的锚点，引导多标签图像哈希码不断靠近其对应哈希质心，通过不断的优化基于中心相似性损失函数，使得模型学习到良好的哈希映射关系。本发明使用的哈希质心包含了图像中不同对象的规模信息，结合Swin Transformer骨干网络的强大特征提取能能力，大大提高了图像检索方法的检索性能。
-
公开(公告)号：CN112395438A
公开(公告)日：2021-02-23
申请号：CN202011226768.2
申请日：2020-11-05
Applicant: 华中科技大学
IPC: G06F16/51 , G06F16/583 , G06F16/901 , G06N3/04
Abstract: 本发明公开了一种多标签图像的哈希码生成方法和系统，属于人工智能图像检索领域。本发明首先结合卷积神经网络和图卷积网络分别生成图像表示和标签共现嵌入，然后采用MFB融合这两个模态矢量，最后通过基于柯西分布的损失函数学习哈希模型。通过标签集合中对象的共现概率探索对象之间的相互依赖性，并采用基于注意力机制的多模态双线性合并共现特征与图像特征，提升哈希码度量数据间对象关系的依赖性的能力，进而提升哈希码的性能。使用共现关系和MFB不仅可以提高哈希码的准确性，而且也加速了哈希学习。
-
公开(公告)号：CN112199536A
公开(公告)日：2021-01-08
申请号：CN202011100158.8
申请日：2020-10-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于跨模态的快速多标签图像分类方法，该方法可以挖掘图像中不同对象之间的共现关系，进而高效地融合图像特征与标签共现关系来生成一个端到端的多标签图像分类模型。该方法通过统计标签之间的共现概率来模型对象之间的依赖关系，并采用双线性多模态因子池化组件来融合图像特征与标签共现关系，不仅加速了模型的收敛速度而且提升了图像分类性能。本发明提出的方法首先结合卷积神经网络和图卷积网络分别生成图像的特征和标签的共现关系词向量，然后采用MFB融合这两种模态的向量，最后通过多标签分类函数生成端到端的分类模型。本发明高效地融合了图像的特征和标签的共现关系词向量，大大加速了模型的收敛速度。
-
公开(公告)号：CN107291875B
公开(公告)日：2019-12-06
申请号：CN201710461529.7
申请日：2017-06-19
Applicant: 华中科技大学
IPC: G06F16/14 , G06F16/16 , G06F16/182 , G06F16/901
Abstract: 本发明公开了一种基于元数据图的元数据组织管理方法和系统，其中方法的实现包括：存储文件得到文件元数据，提取文件的语义信息，利用语义信息构建语义元数据；利用文件元数据和语义元数据在语义上的联系，构建元数据图；利用元数据图，进行元数据组织管理，提供智能化服务。本发明构建元数据图，利用元数据图丰富的文件元数据和语义信息进行元数据组织管理，提供智能化服务。本发明利用元数据图进行元数据组织管理效率高、功能丰富、扩展性强、智能化程度高、可以进行数据的挖掘与分析、实现智能化服务。
-
公开(公告)号：CN107291875A
公开(公告)日：2017-10-24
申请号：CN201710461529.7
申请日：2017-06-19
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于元数据图的元数据组织管理方法和系统，其中方法的实现包括：存储文件得到文件元数据，提取文件的语义信息，利用语义信息构建语义元数据；利用文件元数据和语义元数据在语义上的联系，构建元数据图；利用元数据图，进行元数据组织管理，提供智能化服务。本发明构建元数据图，利用元数据图丰富的文件元数据和语义信息进行元数据组织管理，提供智能化服务。本发明利用元数据图进行元数据组织管理效率高、功能丰富、扩展性强、智能化程度高、可以进行数据的挖掘与分析、实现智能化服务。
-
-
-
-
-
-
Search Results
27
records
(took 0.025 seconds)
