-
公开(公告)号:CN112070173A
公开(公告)日:2020-12-11
申请号:CN202010954070.6
申请日:2020-09-11
Applicant: 桂林理工大学
IPC: G06K9/62
Abstract: 本发明公开一种以交叉熵为查询策略的主动学习方法。该方法包括:使用已标记数据集训练分类器;将训练后的分类器对测试集进行分类;计算所有未标记数据的交叉熵,再根据交叉熵值的大小对未标记数据从大到小排序,最后选取前K个交叉熵值大的未标记数据交由人类专家标记;标记后加入已标记数据集中用于分类器的下一次训练;循环迭代执行以上环节,直到标记代价或分类器分类性能达到预设条件终止学习。本发明可以选择少量最有价值的数据并进行标记,避免了选择冗余数据,同时减少了对大量未标记数据进行标记所需的人力和物力。
-
公开(公告)号:CN111885546A
公开(公告)日:2020-11-03
申请号:CN202010734978.6
申请日:2020-07-28
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于协作干扰和人工噪声的车载物理层安全传输方法,属于无线通信领域,包括如下步骤,相邻车载用户通过V2V的通信方式实现私密信号的传输,同时存在随机分布的若干个被动窃听节点和协作干扰节点;将动态车载环境下的不完美信道信息建模为一阶高斯马尔科夫过程;设计不完美信道信息下基于协作干扰和人工噪声协助的车载通信物理层安全传输机制;根据V2V链路目的节点以及窃听端的信干噪比分别计算V2V链路与窃听链路的连通中断概率与安全中断概率;根据V2V链路的连通中断概率与安全中断概率,构建V2V链路安全吞吐量的优化模型;通过优化V2V链路源节点的功率分配因子实现车载通信链路安全吞吐量最大化,保障车载通信链路的物理层安全。
-