-
公开(公告)号：CN118196634A
公开(公告)日：2024-06-14
申请号：CN202410394911.0
申请日：2024-04-02
Applicant: 大连海事大学
Abstract: 本发明一种基于深度学习的单目相机的回环检测方法，包括以下步骤：获取当前视觉图像帧，提取图像的特征点和描述符，根据关键帧选择算法筛选出新的关键帧；将新的关键帧的特征点和描述符输入到信息融合网络中，得到该关键帧的高维向量表示；对于新的关键帧及其高维向量表示，将其与获取新的关键帧之前时间点得所有关键帧进行比对，若进行比较的关键帧的高维向量的相似度小于阈值，则不是回环；若两个高维向量的相似度大于阈值，则发现回环，深度学习方法因其强大的特征提取能力，能从高维数据中学习有意义的特征，这为回环检测提供了一种全新的方法。
-
公开(公告)号：CN115834459B
公开(公告)日：2024-03-26
申请号：CN202211236647.5
申请日：2022-10-10
Applicant: 大连海事大学
Abstract: 本发明提供一种链路泛洪攻击流量动态清洗系统及方法，系统包括控制平面和数据平面，所述控制平面和数据平面通过南向接口进行数据交互，所述南向接口包括p4runtime和VNF管理南向接口；所述控制平面包括SDN控制器；所述数据平面包括P4可编程交换机和流量清洗服务器；所述P4可编程交换机用于根据SDN控制器下发的防御策略和流清洗规则转发网络流量、检测和识别攻击流，并按照清洗规则清洗攻击流量；所述流量清洗服务器接收P4可编程交换机发送的无法采用“匹配‑动作”模式清洗的攻击流，并将攻击流发送给指定流量清洗VNF处理。本发明基于P4交换机和流量清洗VNF对LFA流量进行动态清洗。
-
公开(公告)号：CN117202180A
公开(公告)日：2023-12-08
申请号：CN202311279817.2
申请日：2023-09-28
Applicant: 大连海事大学 , 国网辽宁省电力有限公司信息通信分公司
IPC: H04W12/041 , H04W12/0431 , H04W4/44 , H04W4/46 , H04L9/00 , H04L9/32 , H04L9/30
Abstract: 本发明公开了一种车联网中基于区块链分片的高效安全数据共享方法，包括以下步骤：为参与者生成可靠、安全的公钥与私钥对，并将参与者的公钥作为车联网中的身份标识。将参与者安全地分配到各个分片中，并在每个分片中成立共识组，选出可靠性较高的主节点发起共识。将本地链与主链独立存储维护，并采用有向无环图的形式代替传统的链状数据结构。本发明在实用拜占庭容错共识的基础上，通过分片提升吞吐量与效率，选择可靠性更高的节点组成共识组，有效地提高共识的成功率，弱化拜占庭节点的影响，从而保障链上数据的准确性与安全性。
-
公开(公告)号：CN115144873A
公开(公告)日：2022-10-04
申请号：CN202210641584.5
申请日：2022-06-07
Applicant: 大连海事大学
Abstract: 本发明公开了一种能够实时估计卫星小数周偏差的双频GNSS接收机，对卫星小数周偏差进行实时估计，包括：天线接口、射频模块、基带和数据处理模块、通信模块以及电源和时钟模块；该装置使卫星FCB可以直接由独立的接收机实时输出；应用不同相关间距对同一个卫星进行同时跟踪，能够得到同一颗卫星的五个相互独立的伪距观测量，提高了卫星的伪距和载波相位观测量数量；并且降低了现有FCB估计的成本为卫星FCB实时快速补偿和PPP模糊度快速固定提供了基础。
-
公开(公告)号：CN114942461A
公开(公告)日：2022-08-26
申请号：CN202210583721.4
申请日：2022-05-25
Applicant: 大连海事大学
Abstract: 本发明公开了一种能够实现RTK模糊度固定的单频GNSS接收机，包括天线接口、射频模块、基带和数据处理模块、通信模块以及电源和时钟模块，本发明为了解决现有接收机无法独立进行RTK解算，至少需要两台接收机和接收机间通信设备的问题。本发明的能够实现RTK模糊度固定的单频GNSS接收机包括接收机信号处理和数据处理，所述信号处理用于改变接收机内的跟踪策略得到不同相关间距的伪距和载波相位观测量，所述数据处理用于进行RTK模糊度固定和定位解算。本发明采用LAMBDA算法进行整周模糊度固定，实现单接机的RTK模糊度的固定，减少RTK需要的接收机数量，提高现有单频接收机的定位可靠性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113139656A
公开(公告)日：2021-07-20
申请号：CN202110453835.2
申请日：2021-04-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种类脑快慢双通路无人自主决策方法，构建一种基于类脑多任务时序预测的能量对抗模型，其中包含一个生成网络和一个能量网络两部分；引入一种概率分布裁剪机制，用于轨迹潜在空间的高概率密度区域采样，进而设计有效的能量网络来确定最能代表未来的一条轨迹；本发明通过预训练的卷积神经网络模块识别视觉信息中目标并通过自编码器编码其空间特征。然后将每个目标特征按时间顺序输入行为快照长短记忆网络，用以建模目标的时间动态变化。利用时间动态排序机制，设定目标优先级，以甄别冗余信息，降低模型复杂度。本发明提出的类脑快慢双通路模型依靠串联与并联的简洁的类脑结构，可以在少量参数调整的低功耗环境下进行训练。
-
公开(公告)号：CN110134675A
公开(公告)日：2019-08-16
申请号：CN201910432271.7
申请日：2019-05-23
Applicant: 大连海事大学
IPC: G06F16/215
Abstract: 本发明提供一种面向海洋数据流的数据清洗方法和系统，所述数据清洗方法包括以下步骤：步骤1：给定传感器网络监测区域内的n个数据源S＝{s1,s2,…,Sn}，从准确性、完整性、一致性三方面，对每个数据源的可靠性进行周期性地综合度量；步骤2：根据数据源可靠性和用户给定的任意精度要求，选择部分数据源进行数据传输；步骤3：基于步骤2选中的数据源，将其获取到的数据从传感器节点经由传感器网络端传送到服务器端，实现数据流的实时获取；步骤4：对于实时数据流，进行在线的、一体式的异常点检测、异常点修复和缺失值填补；步骤5：对用户的查询进行快速响应。本发明解决了已有数据清洗方法无法适应高速动态数据流的问题。
-
公开(公告)号：CN101510170A
公开(公告)日：2009-08-19
申请号：CN200910010824.6
申请日：2009-03-21
Applicant: 大连海事大学
IPC: G06F11/36
Abstract: 本发明公开了一种对MIDlet生命周期事件记录回放的测试方法。它通过代码插装的方式将MIDlet类中原生命周期事件方法予以包裹，在其中注入记录代码后运行MIDlet，实现生命周期事件的记录；完成记录后向MIDlet类中注入回放线程，再次运行MIDlet，依据记录文件内容依次自动触发并跟踪事件序列，完成对记录事件的回放；将回放结果与记录的事件序列相比较，完成测试结果的分析。本发明首次实现了一种对MIDlet生命周期事件进行记录回放的自动测试方法；可以测试MIDlet状态相关的变化序列在多次运行中的稳定性以及在不同类型设备间移植时MIDlet的运行一致性，可方便地与用户事件一并记录与回放。
-
公开(公告)号：CN117553771A
公开(公告)日：2024-02-13
申请号：CN202311343963.7
申请日：2023-10-17
Applicant: 大连海事大学
IPC: G01C21/00 , G01C21/16 , G01S19/45 , G01S19/47 , G06T7/246 , G06T7/269 , G06T7/277 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明一种基于深度学习的GNSS视觉惯性里程计方法，包括以下步骤：获取当前视觉图像帧、测量值及GNSS测量值；将视觉图像帧输入卷积神经网络，采用重参数化的方法提升模型性能，进行图像特征提取，获取特征点；根据获取的特征点，利用光流跟踪法进行特征点跟踪，获取较好的跟踪特征点对，选取关键帧，基于惯性测量信息，进行IMU预积分，对图像帧之间进行位置、速度和姿态预测；利用SfM进行单目视觉估计滑窗内所有帧的位姿以及路标点的逆深度，再通过视觉与IMU预积分融合对齐，进行视觉惯性联合校准；初始化GNSS状态，对全球卫星导航系统进行退化监测和处理；结合不同测量项的约束，在非线性优化的框架下对滑动窗口内的测量约束进行优化，进行状态估计。
-
公开(公告)号：CN117495902A
公开(公告)日：2024-02-02
申请号：CN202310941903.9
申请日：2023-07-28
Applicant: 大连海事大学
IPC: G06T7/246 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种基于局部匿名时空自注意力网络的船舶轨迹预测方法，包括步骤如下：数据处理；构建船舶交互网络；建立基于局部匿名时空自注意力网络的船舶轨迹预测模型。本发明将AIS船舶历史轨迹处理为船舶轨迹交互图。使用局部匿名聚合局部信息特征的同时，保护船舶隐私，得到初始化特征。之后利用结构自注意力卷积层学习船舶之间的结构特征。然后将结构自注意力层的输出作为时序自注意力层的输入，使用时序自注意力在时间维度上学习时序特征，该特征既囊括了船舶之间的交互信息，又体现了船舶轨迹在时间维度上的变化规律，最后使用聚合了结构与时序信息的特征对船舶航行轨迹进行预测，使得预测结果逐步接近真实船舶航行轨迹。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.023 seconds)
