-
公开(公告)号：CN108540331B
公开(公告)日：2021-07-13
申请号：CN201810383828.8
申请日：2018-04-26
Applicant: 南京邮电大学
IPC: H04L12/24
Abstract: 本发明提出基于改进ESN的网络流量预测方法，先对网络流量数据进行连续采集，再在其基础上对原始的网络流量数据进行降噪处理，得到降噪后的网络流量数据；同时构造基于改进ESN的网络流量预测模型，将降噪后的网络流量数据和原始网络流量数据相结合作为输入，并构造具有固定结构的双环储备池结构代替原始ESN的随机储备池结构；最终通过训练改进ESN并获得可以用于网络流量预测的基于改进ESN的网络流量预测模型。通过该方法可以提高网络流量预测结果的准确率，可以在非线性时间序列预测中取得更好的预测效果。
-
公开(公告)号：CN112860573A
公开(公告)日：2021-05-28
申请号：CN202110271216.1
申请日：2021-03-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种智能手机恶意软件检测方法，所述方法包括：提取安卓软件的静态特征；将所述安卓软件的静态特征输入预先训练好的智能手机恶意软件检测模型，得到指示该安卓软件是否为恶意软件的输出结果；所述智能手机恶意软件检测模型至少包括第一DNN分类模型、第二DNN分类模型、CNN分类模型，和集合学习分类模型。本发明克服了目前分类算法复杂度高，计算量大等缺陷，能够有效提高恶意软件样本分类的质量，降低分类所需要的时间，解决恶意软件样本分类检测难的问题。
-
公开(公告)号：CN111597991A
公开(公告)日：2020-08-28
申请号：CN202010412872.4
申请日：2020-05-15
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其实现步骤包括：在室内环境中采集康复动作的CSI数据，提取幅度信息；对CSI数据进行低通滤波、归一化、主成分分析等预处理步骤；对预处理后的信号进行切分，检测动作的起始和终止点，并将切分的数据段划分为训练集和测试集；通过将训练集输入基于BiLSTM-Attention的深度神经网络进行动作识别模型训练，得到康复动作识别模型，采用该模型可以对采集到的CSI测试集数据进行分类，达到康复动作识别、对康复程度打分的目的。本发明采用基于BiLSTM-Attention的深度神经网络自动学习并选择特征，实现对三种不同动作的十个康复程度的识别。
-
公开(公告)号：CN106714135B
公开(公告)日：2020-08-11
申请号：CN201611244089.1
申请日：2016-12-29
Applicant: 南京邮电大学
Abstract: 本发明公开了面向低轨卫星系统的动态k步用户位置更新方法，首先用户终端开机，进行注册操作，向当前位置区所属的信关站中的VLR进行注册。VLR为用户随机分配一个临时的用户的身份证号，确定卫星的身份认证号，确定卫星波束的身份认证号，直至当前的VLR向归属位置寄存器发送用户注册的信息，归属位置寄存器收到信息后对用户初始信息进行登记，填写用户的身份认证号UID，以及用户所在的拜访位置寄存器号VID。本发明能解决低轨卫星系统位置管理复杂，位置更新开销大的问题，同时根据不同用户的速度、是否频繁越区等特性，并且针对优先级不同的用户，进行动态的改变k的值，不仅进一步优化了位置更新的开销，又兼顾了不同用户的QoS需求，提高了总体的QoS。
-
公开(公告)号：CN111082879A
公开(公告)日：2020-04-28
申请号：CN201911375092.0
申请日：2019-12-27
Applicant: 南京邮电大学
Abstract: 一种基于深度时空模型的wifi感知方法，包括如下步骤：在室内场景中采集不同动作的wifi信号并提取通道信号状态信息CSI；滤除CSI的噪声，并从滤波后的信号中分离出动作样本，利用滑窗将动作样本划分成多个时间片段；将这些片段输入到多层卷积神经网络CNN，提取空间特征；将每个样本多个时间片段的空间特征输入到双向长短时记忆神经网络Bi-LSTM中，进一步挖掘样本的时序特征；利用训练样本训练深度时空模型，包括CNN模型和Bi-LSTM模型，将测试样本输入到训练好的模型中，识别样本的类别。本发明以深度学习为基础，利用CNN和Bi-LSTM构建深度时空模型，提取CSI样本的时空特征信息，提高特征表达的辨识力，保障识别精度。此外，本发明还为基于wifi的感知问题，提供了新的研究思路。
-
Patent Agency Ranking
公开(公告)号：CN110661804A
公开(公告)日：2020-01-07
申请号：CN201910932056.3
申请日：2019-09-29
Applicant: 南京邮电大学
IPC: H04L29/06
Abstract: 一种针对防火墙的污点分析漏洞检测方法，包括如下步骤：对于防火墙固件的文件系统进行提取；对目标防火墙程序引入污点；根据汇编指令的分类，定义污点传播规则；根据污点传播规则，定义污点检测规则，从而检测目标防火墙程序是否遭受攻击。该污点分析漏洞检测方法，针对物联网设备中的MIPS（Microprocessor without interlocked piped stages architecture）架构的防火墙设备，现有技术对于这方面的研究还比较少，弥补了该领域的技术空白。该方法将污点传播规则和污点检测规则用形式化的描述表示，有较高的准确性与低误报率。
-
-
公开(公告)号：CN109587645A
公开(公告)日：2019-04-05
申请号：CN201811336164.6
申请日：2018-11-12
Applicant: 南京邮电大学
IPC: H04W4/33 , H04W4/80 , H04W12/06 , H04B17/309 , H04B17/391
Abstract: 本发明公开了一种基于信道状态信息的室内环境下人员识别方法，包括如下步骤：步骤1：采集目标人员在无线链路通道中的CSI信号；步骤2：提取CSI信号中子载波的幅值和相位信息，作为目标人员的识别特征；步骤3：将目标人员的识别特征与数据库中已确定身份人员的特征进行比对，进而识别出目标人员。本发明采用物理层信息CSI作为室内环境下人员检测评价因子，CSI能够从普通商用WiFi设备上提取出来，加上WiFi基础设施的广泛部署，这使得获得CSI信息变得简单可行。只对CSI进行简单的滤波，提取均值和峰态作为特征，减少了相关的计算与实际的开销。
-
公开(公告)号：CN109558805A
公开(公告)日：2019-04-02
申请号：CN201811312013.7
申请日：2018-11-06
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明提供了一种基于多层深度特征的人体行为识别方法，包括如下步骤：在目标数据库上训练出深度学习模型；将样本输入到深度学习模型中，提取顶层卷积层特征映射图和顶层全连接层特征；在顶层卷积层特征映射图的各通道上分别做最大值池化操作，并将池化结果连接成一个列向量；将池化结果组成的列向量和顶层全连接层特征连接，作为视频最终特征表达，结合支持向量机完成行为识别任务。该方法以深度学习模型的顶层全连接层和顶层卷积层特征为基础，考虑深度学习模型全连接层的分类能力和卷积层的语义上下文描述能力，通过融合多层特征的互补性和各自的优势，提高视频特征表达的辨识力，提高了行为识别的精度和算法的运行效率。
-
公开(公告)号：CN105554775B
公开(公告)日：2019-01-11
申请号：CN201510929153.9
申请日：2015-12-15
Applicant: 南京邮电大学
Abstract: 本发明是一种基于移动节点的有向传感器网络栅栏修复方法，使用的两个主要技术分别为判断两个传感器的感知区域是否有重叠的方法以及强连接簇识别算法。首先介绍基于直线的有向传感器网络部署方法；二是提出判定两个传感器节点Si和Sj的感知区域是否重叠的方法；并提出一种强连接簇识别算法来识别网络中形成的强连接簇；最后利用Dijkstra算法计算所需的最少传感器数量以及移动传感器的目标移动位置，并采用移动传感器进行缺口修复。本发明能准确检测到栅栏缺口，并使用最少的传感器节点修复栅栏缺口。
-
-
-
-
-
-
-
-
-
Search Results
633
records
(took 0.069 seconds)
