-
公开(公告)号：CN118245891A
公开(公告)日：2024-06-25
申请号：CN202410259302.4
申请日：2024-03-07
Applicant: 西北大学
IPC: G06F18/2411 , G06F21/32 , G06F18/214 , G06N3/096 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本申请涉及一种基于迁移学习的小样本车主身份认证方法，该方法基于训练后的SVM分类模型，这里SVM分类模型在训练过程中，考虑到不同的人上车的行为动作也因其体态和动作习惯而存在细微不同，用毫米波雷达采集用户上车行为动作的历史数据与新数据，通过对该雷达信号进行预处理与特征提取，便提炼出能代表车主身份独特性的行为动作潜在特征；然后，将采集的历史数据与目标任务的新数据进行特征迁移，借助历史数据的庞大数据量来弥补目标域数据量缺失的问题；然后，基于特征迁移后的数据集训练SVM分类模型，得到训练后的SVM分类模型，即在迁移过后的特征空间对源域与目标域数据共同训练出分类模型，完成身份认证任务。
-
公开(公告)号：CN118225850A
公开(公告)日：2024-06-21
申请号：CN202410072450.5
申请日：2024-01-17
Applicant: 西北大学
Abstract: 本发明公开了一种基于RFID信号的气体感知方法及系统，包括RFID系统和后端服务设备；RFID系统包括电子标签、天线和阅读器；气敏材料作为电子标签的组成部分使标签阻抗变化对气体浓度变化敏感；阅读器首先通过天线向电子标签发送特定频率的射频信号，再接收在目标气体环境内电子标签反射的信号，当电子标签所在环境气体浓度发生变化时，阅读器接收的信号产生分辨率足够的信号变化；后端服务设备的感知特征设计模块和气体浓度感知模块对电子标签反射的信号进行处理，量化气体浓度变化对信号变化的影响，实现对气体浓度的高精度感知。本发明实现低成本、远距离、高精度、可大规模部署的实时连续气体感知，并设计实现了一个原型系统Gastag。
-
公开(公告)号：CN113938172B
公开(公告)日：2024-03-26
申请号：CN202111112772.0
申请日：2021-09-18
Applicant: 西北大学
Abstract: 本发明公开了一种信号波束赋形对准无源传感器的方法，该方法利用阵列天线实现波束赋形，并将波束对准无源传感器，增强无源传感器的入射信号和后向散射信号，可有效的避免发射端和接收端之间视距(LOS)通道以及环境多径的干扰，增强无源传感器的有效工作范围，具有可靠性和实用性。本发明实现的信号波束赋形对准无源传感器的方法，也可以应用在其他无源传感器环境感知中，所需经济成本低，突破了传统通信上使用昂贵设备才能实现的波束赋形对准无源传感器。
-
公开(公告)号：CN117746843A
公开(公告)日：2024-03-22
申请号：CN202311632758.2
申请日：2023-12-01
Applicant: 西北大学
IPC: G10L15/16 , G10L15/02 , G10L15/06 , G10L15/20 , G10L25/03 , G10L25/30 , G06N3/045 , G06N3/0464 , G06N3/044 , G06N3/08 , H04R1/10
Abstract: 本申请涉及一种无声语音识别方法及智能耳机系统，方法包括获取经人体耳道反射的声波数据；声波数据携带无声语音信息；对声波数据进行耳机自干扰消除，得到自干扰消除后的声波数据；提取干扰消除后的声波数据中的有效数据；基于有效数据提取传递函数特征和连续小波变换特征；将传递函数特征和连续小波变换特征输入到无声语音识别模型中，得到无声语音识别结果。本申请无需额外的设备，利用低廉的具有麦克风的耳机就可以实现用户无声语音识别，降低无声语音识别的成本；通过提取人体耳道结构的关键特征多路径轮廓和形变特征，利用双通道分层神经网络实现用户无声语音识别，提高系统的健壮性。
-
公开(公告)号：CN114970618B
公开(公告)日：2024-03-19
申请号：CN202210538734.X
申请日：2022-05-17
Applicant: 西北大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/08
Abstract: 本发明提供了一种基于毫米波雷达的环境鲁棒的手语识别系统，其中包括：步骤4，手语无线信号特征处理：选择采用原始无线信号经过两次傅里叶变换同时再经过去噪，去除静态物体信息的无线信号range，dopp l er特征作为分类网络的特征。步骤5，手语单词分类：使用分类网络对手语的回波无线信号进行分类，所属的分类网络为无线信号的frame‑range，frame‑dopp l er特征以及手语符号即对应的标签经过训练得到一个好的深度学习模型。
-
Patent Agency Ranking
公开(公告)号：CN116668060A
公开(公告)日：2023-08-29
申请号：CN202310325573.0
申请日：2023-03-30
Applicant: 西北大学
Abstract: 本申请涉及一种基于图神经网络的单目标硬标签社区检测对抗攻击方法，设计了一个具有泛化性的基于图神经网络的社区检测代理模型，解决了实际中没有来自目标模型的反馈攻击效果的问题；提出了一种分级优先图搜索策略，充分利用图结构属性，对扰动图的搜索空间进行分级划分，设定优先级，自目标节点所在社区内部开始，再向社区外部的其他社区，最后及至全图的搜索初始扰动图，大大降低了搜索扰动空间，提高了搜索扰动效率；提出了一种高效查询的梯度计算方法，在保证高攻击成功率的同时，能最小化图中的扰动的边数和对目标模型的访问次数，使得攻击方法能更切合实际，不易察觉。
-
公开(公告)号：CN113221960B
公开(公告)日：2023-04-18
申请号：CN202110424826.0
申请日：2021-04-20
Applicant: 西北大学
IPC: G06F18/214 , G06F18/2411 , G06F18/2413 , G06F18/2431 , G06F18/2415 , G06F18/25 , G06N3/0985 , G06F21/57 , G06F40/284
Abstract: 本发明公开了一种高质量漏洞数据收集模型的构建方法及收集方法，收集变更提交文件作为样本集，并对样本集进行标签处理得到正样本集和负样本集；提取样本集中变更提交文件的数值特征，提取样本集中变更提交文件的变更提交描述信息，提取样本集中变更提交文件中的代码块；本发明的专家集成模型集成多个优秀的分类器，规避了单个机器学习模型的缺陷，在漏洞识别方面提升了准确率；本发明将专家集成模型和保形评估分类器相结合，即将机器学习技术中的概率学习和统计评估结合起来，显著提高了专家集成模型预测数据的准确性和可靠性，降低了假阳率，解决了现在一些漏洞数据获取模型存在的误报问题，为高质量源代码漏洞数据缺乏提供了可行性方案。
-
公开(公告)号：CN113254719B
公开(公告)日：2023-04-07
申请号：CN202110465358.1
申请日：2021-04-28
Applicant: 西北大学
IPC: G06F16/901 , G06F16/951 , G06Q10/0639 , G06Q50/00
Abstract: 本发明提供了一种基于地位理论的在线社交网络信息传播方法，首先通过历史信息数据，使用活跃度与影响力并重的方法评估用户的综合影响力大小。构建具有最大生成树属性的树索引结构对用户按综合影响力进行排序，从而根据树的层次特性确定用户的社会地位等级。通过分析信息传播过程中用户对该信息的认同度感知变化、兴趣时间窗口以及并行传播等关键因素，确定了用户信息认同度的更新规则，同时结合用户社会地位等级确定信息传播过程中用户的状态更新策略。最后，方法通过给定树索引结构选择信息传播的初始种子节点，依据基于地位理论的信息传播模型，在保证准确预测特定话题信息在不同时间下在网络中的传播规模的同时，使得信息的传播规模最大化。
-
公开(公告)号：CN113033351B
公开(公告)日：2023-04-07
申请号：CN202110263167.7
申请日：2021-03-11
Applicant: 西北大学
IPC: G06V20/40 , G06V10/72 , G06V10/764 , G06V10/82 , G06V10/77 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于视频分析的CSI感知识别方法，包括如下步骤：步骤1、采集视频数据和CSI数据；步骤2、动作数据筛选，得到筛除后的视频数据和CSI数据；步骤3、对筛除后的视频数据统计动作样本位置和角度，根据动作样本位置和角度与阈值的比较结果，对动作样本进行补充，得到CSI数据集；步骤4、预处理得到CSI数据的动作对应的信号特征段；计算待测试CSI数据和CSI数据集中每个CSI数据之间的距离，最小的距离值对应的类别标签为待测试数据的类别标签。本发明将视频和CSI数据采集结合，在一定程度上克服了CSI数据筛选方法受限的问题，有效解决了CSI数据采集时动作分布不够广泛，数据多样性差造成的识别模型泛化能力差的问题。
-
公开(公告)号：CN115640847A
公开(公告)日：2023-01-24
申请号：CN202211390870.5
申请日：2022-11-07
Applicant: 西北大学
IPC: G06N3/098 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及联邦学习中成员推理攻击方法及装置，方法包括：确定攻击者在目标模型的训练过程中的关键轮次K；将目标样本输入到目标模型中，获取样本特征；样本特征包括目标样本在目标模型的关键轮次K上的损失值以及在最后一个轮次上的损失值、真实标签、参数梯度和输出；为目标样本在目标模型的关键轮次K上的损失值以及在最后一个轮次上的损失值分配权重；将分配权重的样本特征输入到攻击模型中，输出目标样本为成员样本的概率值来判断目标样本是否为成员样本。本申请采用过拟合特征感知，在目标模型训练过程中寻找一个能区分出表现相似的成员和非成员的关键轮次K，利用Transformer模型为不同的样本分配关键轮次和最后一轮的权重，提高攻击准确率。
-
-
-
-
-
-
-
-
-
Search Results
415
records
(took 0.026 seconds)
