-
公开(公告)号：CN117892154A
公开(公告)日：2024-04-16
申请号：CN202410292307.7
申请日：2024-03-14
Applicant: 东北大学
Abstract: 本发明属于联邦学习场景下的个性化技术领域，公开了一种个性化联邦场景下基于数据分布相似性的聚类方法。不同用户数据在相同模型下的softmax输出均值近似表示用户的真实数据分布，计算Wasserstein距离得到真实数据分布之间的相似性。采用改进的两阶段的层次聚类的方法做聚类，确定簇结构。最后，各个用户分别在自己的簇内做联邦平均，各自更新每个簇的簇头模型，直到簇头模型收敛。本发明减少中央服务器在执行聚类算法时的计算开销，提升了确定最优簇结构的效率，增强了聚类算法的鲁棒性，有效解决了聚类联邦学习训练效率低的问题。对于真实的联邦环境具有相当的适用价值。
-
公开(公告)号：CN117854045A
公开(公告)日：2024-04-09
申请号：CN202410241292.1
申请日：2024-03-04
Applicant: 东北大学
IPC: G06V20/58 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉应用技术领域，公开一种面向自动驾驶的车辆目标检测方法。为了解决独立检测特征图存在的特征孤岛问题，基于特征金字塔的思想提出了双向连接。结合Inception结构和残差网络模块设计一种多分支预测模块来捕捉更大范围的目标特征信息。采用不同空洞率、不同大小和不同数量的空洞卷积构成多感受野模块来直接增大检测特征图感受野的大小，并将其融合起来得到融合特征图。采用一种基于IOU方式的k‑means++聚簇生成锚框的设计来选择更加合理的锚框。综上所述，Bi‑Net算法更适合作为自动驾驶中的目标检测算法，以保证车辆顺利完成自动驾驶任务。
-
公开(公告)号：CN113950081B
公开(公告)日：2024-03-22
申请号：CN202111169754.6
申请日：2021-10-08
Applicant: 东北大学
IPC: H04W24/02
Abstract: 本发明属于移动边缘计算网络领域，提出了一种多单元移动边缘计算中面向微服务的动态服务迁移和请求路由方法。利用Lyapunov优化将考虑移动性的连续优化问题分解为多个时隙的在线优化问题，由于用户的移动性，正在进行的服务经常在不同的基站之间迁移，这需要一定的迁移成本，为了平衡迁移成本与系统效益，使用Lyapunov优化和随机舍入方法来解决服务部署和请求路由两种决策变量，并通过理论分析证明该方法具有性能保证。对于微服务部署的多单元移动边缘网络中，该方法可以达到最佳的平均时间效用，自适应地平衡服务迁移成本和在线系统效益，且可以有效利用边缘服务器的存储和计算资源，在保证服务迁移成本稳定的同时，最大化MEC网络的长期系统效益。
-
公开(公告)号：CN117664567A
公开(公告)日：2024-03-08
申请号：CN202410122877.1
申请日：2024-01-30
Applicant: 东北大学
IPC: G01M13/04 , G01M13/045 , G06F18/24 , G06F18/213 , G06N3/084 , G06N3/0464
Abstract: 本发明属于故障诊断技术领域，公开了一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法。特征提取模块从轴承原始振动信号中自动提取故障特征。状态预测模块，利用特征提取模块提取的特征预测轴承健康状态，最小化所有源域样本的分类损失。对比语义对齐模块，利用特征提取模块提取的特征计算对比语义对齐损失，最小化各个源域之间的对比语义对齐损失。权重生成模块，利用每个源域中各个故障类别的样本数量分布情况生成权重，分别对分类损失和对比语义对齐损失进行加权。最终利用特征提取模块和状态预测模块实现跨域故障诊断。本发明既解决跨域潜在的巨大分布差异，又可以处理多源域的数据不平衡问题。
-
公开(公告)号：CN115225540B
公开(公告)日：2023-07-18
申请号：CN202210477045.2
申请日：2022-05-02
Applicant: 东北大学
IPC: H04L43/0823 , G06N3/04 , G06N3/08 , H04L41/0654 , H04L41/0659 , H04L41/12 , H04L43/0829
Abstract: 本发明属于网络安全领域，提出一种面向软件定义网络的数据平面故障检测与恢复方法。网络故障是引发数据平面的网络行为和控制平面的网络策略不匹配的根本原因，表现为本地交换机无法正确转发数据包。现有的方法将数据平面的故障检测归于分类问题。然而，现有的分类器是基于已知网络故障构建的，无法检测出数据平面中潜在的网络故障。本发明通过将原始正常数据拟合到输出空间的高维直线周围，实现了超细粒度的决策空间。为了对比故障检测算法性能，本发明搭建了一个二阶树状网络拓扑，并将在线环境中收集的数据平面故障样本作为测试数据集。实验结果显示，本发明提出的算法能够有效检测出未知的网络故障，并在各个指标上均取得较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN115225540A
公开(公告)日：2022-10-21
申请号：CN202210477045.2
申请日：2022-05-02
Applicant: 东北大学
IPC: H04L43/0823 , G06N3/04 , G06N3/08 , H04L41/0654 , H04L41/0659 , H04L41/12 , H04L43/0829
Abstract: 本发明属于网络安全领域，提出一种面向软件定义网络的数据平面故障检测与恢复方法。网络故障是引发数据平面的网络行为和控制平面的网络策略不匹配的根本原因，表现为本地交换机无法正确转发数据包。现有的方法将数据平面的故障检测归于分类问题。然而，现有的分类器是基于已知网络故障构建的，无法检测出数据平面中潜在的网络故障。本发明通过将原始正常数据拟合到输出空间的高维直线周围，实现了超细粒度的决策空间。为了对比故障检测算法性能，本发明搭建了一个二阶树状网络拓扑，并将在线环境中收集的数据平面故障样本作为测试数据集。实验结果显示，本发明提出的算法能够有效检测出未知的网络故障，并在各个指标上均取得较好的效果。
-
公开(公告)号：CN115022883A
公开(公告)日：2022-09-06
申请号：CN202210617477.9
申请日：2022-06-01
Applicant: 东北大学
IPC: H04W12/122 , H04W12/60 , H04W12/63 , H04W12/00 , H04L9/40 , G06K9/62 , H04L67/1095 , H04L67/12
Abstract: 本发明的一种基于区块链的抵御合谋攻击的车联网信任管理方法，包括：构建车联网分布式架构；收集事件发起车辆发出的安全警告消息和事件参与车辆发出的用于消息验证的推荐证据信息；通过K‑Means聚类对提供推荐证据信息的事件参与车辆进行合谋攻击检测；基于剔除了合谋车辆影响后的推荐证据信息，识别车联网内的恶意车辆节点及虚假安全警告消息，评估安全警告消息的有效性；根据消息评估结果和车辆的历史行为对事件发起车辆和事件参与车辆的车辆信任值进行调整；基于重要性证明的优化PBFT算法，完成存储在区块链中的信任变化参数和车辆信任值的更新，将信任数据在车联网内共享。本发明有效解决了车联网中基于区块链信任管理方案中可扩展性差、合谋攻击等问题，增强了信任管理方案的效率和鲁棒性。
-
公开(公告)号：CN113950081A
公开(公告)日：2022-01-18
申请号：CN202111169754.6
申请日：2021-10-08
Applicant: 东北大学
IPC: H04W24/02
Abstract: 本发明属于移动边缘计算网络领域，提出了一种多单元移动边缘计算中面向微服务的动态服务迁移和请求路由方法。利用Lyapunov优化将考虑移动性的连续优化问题分解为多个时隙的在线优化问题，由于用户的移动性，正在进行的服务经常在不同的基站之间迁移，这需要一定的迁移成本，为了平衡迁移成本与系统效益，使用Lyapunov优化和随机舍入方法来解决服务部署和请求路由两种决策变量，并通过理论分析证明该方法具有性能保证。对于微服务部署的多单元移动边缘网络中，该方法可以达到最佳的平均时间效用，自适应地平衡服务迁移成本和在线系统效益，且可以有效利用边缘服务器的存储和计算资源，在保证服务迁移成本稳定的同时，最大化MEC网络的长期系统效益。
-
公开(公告)号：CN113947774A
公开(公告)日：2022-01-18
申请号：CN202111169747.6
申请日：2021-10-08
Applicant: 东北大学
Abstract: 本发明属于计算机视觉应用技术领域，提供了一种轻量级的车辆检测系统。该系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、日志采集模块、效果分析模块和检测模块。本检测系统在SSD的基础上进行特征融合操作和并行分支预测的操作；使用轻量级结构作为特征提取网络，保证算法可以运行在计算和存储资源有限的车载设备上，采用特征融合模块，提高车辆目标的检测精度。同时，该系统中也设计了一种并行分支预测结构，不仅能够提高算法的检测精度，还能够提高目标的检测速度。
-
公开(公告)号：CN113887136A
公开(公告)日：2022-01-04
申请号：CN202111169683.X
申请日：2021-10-08
Applicant: 东北大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G01M13/045 , G06F119/10
Abstract: 本发明属于电动汽车电机故障诊断与健康管理技术领域，提供了一种基于改进GAN和ResNet的电动汽车电机轴承故障诊断方法。首先对轴承振动信号进行离散化处理并构建实际场景中的不平衡数据集；再通过引入类别标签和使用Wasserstein距离构造损失函数改进了对抗生成网络，生成更具类别特征的数据以解决数据集不平衡的问题；最后，将带有生成数据和真实数据的平衡数据集输入故障诊断网络，通过在诊断网络中构造多尺度残差注意力卷积块以解决深层网络训练的梯度消失问题并学习多尺度深层特征。本发明针对解决真实场景中故障数据难以收集导致的数据集不平衡和复杂工况下有效特征难以提取的问题，生成的数据更贴近真实数据，使得模型能提取到有效的多尺度深层特征。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.024 seconds)
