-
公开(公告)号：CN101789931B
公开(公告)日：2012-12-05
申请号：CN200910214602.6
申请日：2009-12-31
Applicant: 暨南大学
Abstract: 本发明为一种基于数据挖掘的网络入侵检测系统及方法，系统包括：数据包捕获模块、数据包分析模块、碎片重组模块、数据挖掘模块、协议分析模块、报警响应模块和规则解析模块。本发明有效结合了数据挖掘技术和协议分析技术，提高了检测的精确性和可靠性，同时利用数据挖掘技术处理海量数据，实现实时响应。
-
公开(公告)号：CN101795261A
公开(公告)日：2010-08-04
申请号：CN200910214557.4
申请日：2009-12-31
Applicant: 暨南大学
Abstract: 本文提出了一种基于移动数据安全的信息保护系统和方法，其主要包括下面几个功能：防病毒摆渡功能、移动设备与系统双向认证功能、信息智能销毁功能、防非法内外联功能和安全审计功能。在建立移动数据安全保护的过程，完成移动设备在内网从购入登记、使用到销毁的整个过程的管理与监控，研究及开发一套符合信息网络或主机使用的移动数据安全保护系统。本发明主要克服传统移动设备易被病毒传染的致命缺陷，保证政府或企业的移动数据安全，解决移动设备在政府、企业、教育、银行等行业内网环境中使用的安全问题。
-
公开(公告)号：CN112528174B
公开(公告)日：2024-07-26
申请号：CN202011361104.7
申请日：2020-11-27
Applicant: 暨南大学
IPC: G06F16/9537 , G06F16/36 , G06F40/295
Abstract: 本发明公开了一种基于知识图谱和多重匹配的地址修整补全方法及应用，该方法包括：采用分词工具对输入的地址文本数据进行分词操作，构建地址名词词典进行匹配分词，根据地名规则进行匹配重组；获取地址行政区划分数据，采用数据库管理工具构建地址知识图谱，获取地名的旧名或别名信息，将地名的旧名或别名信息在构建好的地址知识图谱中的对应的地名构建起关联；根据地址构成的特点，构建多种匹配规则进行匹配，采用对应匹配规则对地址进行修正和补全，匹配规则包括前文缺失匹配规则、重名情况下前文全缺失匹配规则、重名情况下前文相邻缺失匹配规则和旧名别名修正匹配规则。本发明实现对信息缺省甚至有误的地址进行正确高效规范的修整和补全。
-
公开(公告)号：CN118296581A
公开(公告)日：2024-07-05
申请号：CN202410726027.2
申请日：2024-06-06
Applicant: 暨南大学
IPC: G06F21/31 , G06F21/32 , G06F21/45 , G06F3/01 , G06N3/045 , G06N3/0464 , G06N20/10 , G06F18/213 , G06F18/23 , G06F18/2411 , A63F13/79 , G06F123/02
Abstract: 本发明公开了一种基于VR肢体交互的连续身份认证方法及其系统，包括：获取用户选择的一种肢体移动方式；基于虚拟移动技术，获取用户一种肢体移动的虚拟视点；基于所述虚拟视点的移动，采集用户的移动行为特征；将所述移动行为特征作为用户的个人签名，基于所述移动行为特征训练时间序列模型，得到训练好的时间序列模型；获取用户的待认证移动行为特征，将所述待认证移动行为特征输入至训练好的时间序列模型中，得到用户身份预测的置信度；对所述置信度进行阈值判断，得到用户身份认证结果。本发明可以持续的监控用户的身份，防止用户登录后被冒名顶替，或者用户故意将凭证泄露给其他人。
-
公开(公告)号：CN118035568A
公开(公告)日：2024-05-14
申请号：CN202410437158.9
申请日：2024-04-12
Applicant: 暨南大学
IPC: G06F16/9535 , G06N3/0499 , G06Q50/20
Abstract: 本发明涉及习题推荐技术领域，特别是涉及一种感知知识掌握程度的教育习题智能推荐方法，包括：获取第一预设时间内用户的历史答题信息；将历史答题信息输入预设的感知预测模型中，输出第二预设时间内用户的推荐练习习题，其中，感知预测模型通过数据集训练，数据集包含习题序列，习题序列为第三预设时间内用户的历史答题信息按时间先后顺序组成，第三预设时间大于且不包含第一预设时间；感知预测模型包括感知模块和预测模块，感知模块用于对数据集中的习题序列进行处理，获取输出向量；预测模块用于对输出向量进行处理，输出推荐结果。本发明能够为用户进行精准、有效的习题推荐。
-
Patent Agency Ranking
公开(公告)号：CN113848704B
公开(公告)日：2023-06-02
申请号：CN202111004343.1
申请日：2021-08-30
Applicant: 暨南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，计算目标速度的估计值；根据所述目标速度的估计值，计算加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用二阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，获得速度和加速度估计的最大测量噪声幅值；同时使用二阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。
-
-
公开(公告)号：CN112422133B
公开(公告)日：2022-10-21
申请号：CN202011186669.6
申请日：2020-10-30
Applicant: 暨南大学
IPC: H03M7/30
Abstract: 本发明公开了一种减法匹配追踪的二值稀疏信号恢复方法及其应用，该方法基于显式SMP或隐式SMP进行二值稀疏信号恢复；基于显式SMP具体步骤为：输入噪声观测向量，感知矩阵和稀疏度；数据初始化；在每次迭代中，感知矩阵对应索引为i的列向量与残差最相关，得到索引sk，通过减去感知矩阵对应索引为sk的列向量更新残差向量，直到迭代停止，输出估计稀疏信号；基于隐式SMP具体步骤为：输入噪声观测向量，感知矩阵和稀疏度；数据初始化；在每次迭代中，选择一个索引，获取列索引集，紧接着更新总的索引估计支集，更新相关性，循环迭代直到迭代停止；输出估计稀疏信号。本发明提高了稀疏信号恢复效率，实现稀疏信号的恢复性能更好的目的。
-
公开(公告)号：CN112052886B
公开(公告)日：2022-06-03
申请号：CN202010847005.3
申请日：2020-08-21
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V40/10 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/60
Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号：CN114038517A
公开(公告)日：2022-02-11
申请号：CN202110983302.5
申请日：2021-08-25
Applicant: 暨南大学
Abstract: 本发明涉及一种基于对比学习的自监督图神经网络预训练方法，步骤为：对公开数据库的化合物分子进行预处理，筛选出有机分子；对筛选出的有机分子进行结构分解并提取，将所得的子结构作为标识符，并构建子结构的语料库；将分解后的子结构看作超级节点并构建相应的子图数据，该子图数据与原分子图数据构成正样本对，随机选出若干个子图数据与原分子图数据组成负样本对；构建基于注意力机制的图卷积神经网络、基于多层次的门控循环单元和多层感知机模块，组成自监督学习模型；将所有正负样本对数据输入自监督学习模型进行预训练并保存，便于下游任务的微调。解决对缺乏标注的药物分子的场景时，进行深度学习模型训练所产生的泛化性能不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.022 seconds)
