-
公开(公告)号:CN101114709A
公开(公告)日:2008-01-30
申请号:CN200710052934.X
申请日:2007-08-10
Applicant: 武汉大学
Abstract: 本发明公开了一种锂离子电池复合正极材料LiFePO4-Li3V2(PO4)3/C及其制备方法,复合化合物LiFePO4-Li3V2(PO4)3/C中的LiFePO4和Li3V2(PO4)3是整比化合物,且LiFePO4和Li3V2(PO4)3物质的量比为LiFePO4/Li3V2(PO4)3=1/x,0<x≤1。将LiOH·H2O、Li2CO3或者CH3COOLi·2H2O与FePO4·4H2O、V2O5、NH4H2PO4和聚乙二醇混合均匀,然后加水后调成流变相,将所得流变相前驱物在惰性气氛中于600~800℃的温度下焙烧3~20h得到锂离子电池正极材料LiFePO4-Li3V2(PO4)3/C,制备的锂离子电池复合正极材料容量大、充放电效率高、循环效率好、高倍率性能良好,适合工业化生产。
-
公开(公告)号:CN1964106A
公开(公告)日:2007-05-16
申请号:CN200610125124.8
申请日:2006-11-23
Applicant: 武汉大学
Abstract: 本发明涉及一种锂离子电池正极材料LiFePO4/C的制备方法:以LiOH·H2O(或者Li2CO3,CH3COOLi·2H2O),FePO4·4H2O和聚乙二醇(PEG)为原料,混合均匀后加入水调成流变态,之后于惰性气体保护下烧结制成LiFePO4/C正极材料。本发明制备的材料的突出特点是:该材料主要原料来源丰富,价格低廉。以三价铁作为铁源,与用二价铁作为铁源相比,降低了成本,减少了二价铁的氧化,提高了反应效率。该材料制备工艺简单,合成条件较易控制。可制得分散均匀的纳米级颗粒。材料的比容量、充放电效率、循环效率、高倍率性能良好,适合工业化生产。
-
公开(公告)号:CN119996455A
公开(公告)日:2025-05-13
申请号:CN202510162914.6
申请日:2025-02-14
Applicant: 武汉大学
IPC: H04L67/12 , H04L67/1004 , H04L43/16 , H04L41/06
Abstract: 本发明公开了一种面向云际计算的分布式监控架构及监控方法,包括:监控传感器、收集器、分发管理器、监管代理。监控传感器位于云际计算系统中每个运行的物理机和虚拟机内,收集器和分发管理器位于云际计算系统中云际服务提供商内,监管代理位于云际服务提供商外。分发管理器管理一组分布式收集器,这些收集器从一组物理机和虚拟机上运行的元传感器获取信息。监管代理负责整合整个云际环境下的监控信息,同时也是用户对云际监控数据的访问点,提供了一个通用的API,允许用户读取存储在每个云基础设施节点中的本地监控数据。本发明的有益效果是:有效、灵活、弹性监控云际计算系统资源服务运行状态和质量,提高云际计算系统的安全性。
-
公开(公告)号:CN119449638A
公开(公告)日:2025-02-14
申请号:CN202411493580.2
申请日:2024-10-24
Applicant: 武汉大学
IPC: H04L43/04 , H04L43/0876 , H04L9/40 , G06F18/15 , G06F18/2115 , G06F18/214 , G06F18/2433
Abstract: 本发明公开了一种基于平滑噪声数据增强的流量分类方法及系统,通过噪声生成模块生成统一的归一化噪声,并将归一化噪声转化成特征噪声;噪声优化模块通过基于梯度的算法对噪声形状进行优化,通过改进的贝叶斯优化器对噪声尺度进行优化;数据增强模块根据优化后的噪声形状和噪声尺度生成优化的平滑噪声,并分别添加到良性样本和恶意样本中,得到增强后的新样本;集成学习模块将增强样本统一作为伪恶意样本,对流量分类器进行训练,收集在多组噪声尺度下训练的流量分类器的结果,使用改进的Boosting算法对分类结果进行结合,得到最终的分类结果。本发明有效优化流量分类器的分类边界,提高流量分类器对于未知类型恶意流量的查全率,增强分类结果的泛化性。
-
公开(公告)号:CN119360066A
公开(公告)日:2025-01-24
申请号:CN202411118310.3
申请日:2024-08-15
Applicant: 武汉大学 , 绿盟科技集团股份有限公司
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/09
Abstract: 本发明提供一种通用的生成式假图像检测方法,包括将待检测假图像,输入预先训练的分类器,输出检测结果;分类器的训练方法包括提取真实图像的共享特征和偏置特征,约束二者之间的距离,获得真实图像共享特征;对真实图像和生成式假图像提取图像特征算子,获得真实图像特征和生成式假图像特征;将真实图像共享特征、真实图像特征以及生成式假图像特征进行预测聚类优化;将真实图像特征和生成式假图像特征输入分类器进行二分类优化;根据预测聚类优化损失和二分类优化损失,通过分类器联合优化损失函数最小化分类器联合优化损失,获得训练好的分类器。解决了现有的假图像检测技术迁移性较差、无法抵御图像传播中的图像扰动和对抗的问题。
-
公开(公告)号:CN119091316A
公开(公告)日:2024-12-06
申请号:CN202411121171.X
申请日:2024-08-15
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/42 , G06V10/44 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了双阶段旋转目标检测方法、装置、存储介质及电子设备。该方法包括:获取遥感图像;将所述遥感图像输入到ResNet网络中,计算所述遥感图像中像素点之间的曼哈顿距离,基于所述曼哈顿距离得到全局特征,基于所述全局特征得到图像特征;将所述图像特征输入到RPN网络中进行卷积处理得到候选特征图,基于预先定义的先验框与所述候选特征图得到候选框;基于非极大值抑制算法筛选出K个预测水平框;将所述预测水平框转换为预测旋转框,基于所述预测旋转框得到所述遥感图像的目标检测结果。本申请能够提升目标检测的效率和检测精度,能够更好地适应复杂场景。
-
公开(公告)号:CN118861292A
公开(公告)日:2024-10-29
申请号:CN202410896881.3
申请日:2024-07-05
Applicant: 中国电子科技集团公司第五十四研究所 , 武汉大学
IPC: G06F16/35 , G06F16/34 , G06F16/951 , G06F16/9537 , G06F18/23 , G06F40/216 , G06F40/284 , G06F40/30 , G06Q50/00
Abstract: 本发明公开了一种基于推文数据的热点事件脉络动态生长方法,属于社交媒体数据挖掘与分析技术领域。本发明首先利用在线实时数据生成故事脉络;然后利用生成的故事脉络从中进行一定的实体提取,层次分析,从而实现对潜在关键词的提取;最终利用提取的潜在关键词爬取对应的推文数据用于动态更新故事脉络,此流程不断迭代,实现故事脉络动态实时生成。本发明针对传统事件发展过程依赖于离线历史数据库、故事描述缺乏实时性和动态性的问题,利用在线实时数据生成故事脉络,提取潜在关键词爬取推文数据用于迭代生成故事脉络,从而进行动态实时更新事件脉络,解决动态化脉络演化问题。
-
公开(公告)号:CN118400137A
公开(公告)日:2024-07-26
申请号:CN202410431993.1
申请日:2024-04-11
Applicant: 武汉大学
IPC: H04L9/40 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于时空特征分析的网络行为可信评估方法及系统,属于人工智能信息安全技术领域,本发明基于时空特征分析的网络行为可信评估方法,对物联网系统的交互网络流量进行预处理,通过设计新的时空特征分析方法,用双向LSTM网络捕获网络行为的时间信任分数,并通过gMLP网络捕获网络行为空间关系以得到空间信任分数。最后基于加权求和方法得到网络行为的最终信任分数,并根据信任分数来判断行为异常与否。本发明充分考虑了网络节点的行为和交互关系,提高了网络行为评估的准确性,适用于对复杂网络节点行为的检测。
-
公开(公告)号:CN114861776B
公开(公告)日:2024-04-09
申请号:CN202210423494.9
申请日:2022-04-21
Applicant: 武汉大学
IPC: G06F18/241 , G06F18/23213 , G06F18/2433 , G06N3/006
Abstract: 本发明提供了一种基于人工免疫技术的动态自适应网络异常检测方法,包括:(1)基于启发式降维算法筛选最优特征子集。(2)为减少由于边界多样性造成的检测率降低问题,基于混合分层划分的NSA算法,将特征空间按照样本分布密度进行划分网格,在边界网格生成特定的候选检测器。(3)在非边界区域,对自样本采用聚类策略,以此提高检测器耐受阶段效率。(4)将实值NSA算法和优化的GWO相结合,自适应调整检测器的生成策略,提高网络异常检测效率。本发明能够针对异常数据与检测器的特点,基于混合划分网格策略与GWO算法对异常检测策略进行动态自适应调整,实现高效的网络异常检测。
-
公开(公告)号:CN116760576A
公开(公告)日:2023-09-15
申请号:CN202310606083.8
申请日:2023-05-23
Applicant: 武汉大学
IPC: H04L9/40 , G06N3/0455 , G06N3/094 , G06N3/126 , G06N3/123
Abstract: 本发明公开了一种基于基因演化的未知网络威胁攻击及防御方法、系统,涉及一种针对深度学习模型攻击的方法及相应的防御机制,属于人工智能信息安全技术领域。其中的方法采用网络入侵检测数据集,设计新的适应度计算方法,用改进后的遗传算法生成更接近真实数据的对抗样本即未知网络威胁攻击样本,对黑盒状态下的网络入侵检测模型进行攻击,并针对这些未知网络威胁攻击样本的空间分布特征,提出基于对抗生成网络架构模型进行对抗训练的防御措施。
-
-
-
-
-
-
-
-
-