-
公开(公告)号：CN119337203A
公开(公告)日：2025-01-21
申请号：CN202411370449.7
申请日：2024-09-29
IPC: G06F18/241 , G06F18/2415 , G06F18/231 , G06F18/25 , G06F18/2113 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06F16/955
Abstract: 本发明涉及一种基于POST报文聚合的赌博网站识别方法、设备和介质，包括以下步骤：S1、获取网站的POST报文并进行表格化处理，提取关键特征；S2、采用元嵌入聚合特征整合方法将关键特征进行整合，使基于同一模版生成的POST报文被加权整合为一条记录，获得规范化数据；S3、采用变分自编码器进行预训练，建立图结构并从中提取节点嵌入表示，通过凝聚层次聚类将聚类结果映射到赌博网站模板上形成标记，获得标记数据；S4、对标记数据进行初步特征提取，通过互信息法筛选获得报文高相关性特征，并通过多尺度融合注意力机制处理获得融合数据；S5、通过变分图卷积网络进行多分类，输出识别结果。与现有技术相比，本发明可以高效、准确识别赌博网站。
-
公开(公告)号：CN118646989A
公开(公告)日：2024-09-13
申请号：CN202410669682.9
申请日：2024-05-28
Applicant: 上海海事大学
Abstract: 本发明涉及一种双参不确定条件下融合量子计算的水面传感网定位方法，方法包括以下步骤：S1、建立海上节点的受限运动模型，设置目标节点的节点位置和锚节点位置，并建立水面传感网测距模型；S2、对测距模型进行差分操作，建立自然常数最小二乘框架，求解自然常数最小二乘框架，得到粗粒度目标节点估计值；S3、构建以路径损耗因子为变量的优化函数，利用量子计算理论结合佳点集方法，改进美洲狮优化算法，求解最佳路径损耗因子；S4、建立差分广义信赖域子问题框架，结合拉格朗日乘子，利用二分法求解得到细粒度目标节点位置。与现有技术相比，本发明具有在TP和PLE双参同时不确定条件下，保障SWSNs的定位精度等优点。
-
公开(公告)号：CN114443435B
公开(公告)日：2023-09-08
申请号：CN202210101661.8
申请日：2022-01-27
Applicant: 中远海运科技股份有限公司 , 上海船舶运输科学研究所有限公司 , 上海海事大学 , 复旦大学
Abstract: 本发明涉及一种面向容器微服务的性能监控告警方法。包括：部署监控采集器：在云计算平台中部署监控采集器对容器微服务中的性能指标进行监控；确定监控的策略及阈值：通过确定微服务的性能监控指标和键值确定监控侧策略及阈值；采集性能数据：通过监控采集器监控对应的组件；分析采集的性能数据：通过多维度建模以及云计算平台下的分权管控和联动进行数据分析；展示数据：针对不同云资源提供对应的不同的监控数据、分析结果的展示；推送告警：通过采用底层性能采集服务的群集，统一性能监控数据的告警。还提供了相应的告警系统，有效的实现了多种云资源在性能监控数据采集、数据汇总清洗、分析展示和异常告警方面的灵活性和可扩展性。
-
公开(公告)号：CN115599296A
公开(公告)日：2023-01-13
申请号：CN202211188692.8
申请日：2022-09-28
Applicant: 上海海事大学(CN) , 中远海运科技股份有限公司(CN)
Abstract: 本发明涉及一种分布式存储系统的节点自动伸缩方法及系统，方法包括：获取网络流量数据并制作为数据集；搭建用于回归预测的深度学习网络模型；使用数据集对深度学习网络模型进行训练，得到用于网络流量预测的流量预测模型；获取实时网络流量，通过流量预测模型得到未来网络流量，计算未来网络流量对应的存储数据需求，根据存储数据需求计算hadoop的需求节点数，若hadoop当前节点数适配需求节点数，则hadoop的节点数保持不变，否则，将hadoop的当前节点数调整至适配需求节点数。与现有技术相比，本发明基于hadoop进行分布式的存储与处理，通过深度学习算法学习预测流量走势来自动的进行节点数量的弹性伸缩，保证了存储服务质量，有效节约分布式存储系统的存储资源。
-
公开(公告)号：CN112888064B
公开(公告)日：2022-11-25
申请号：CN202110035720.1
申请日：2021-01-12
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于M‑CG改进的无线传感器网络DV‑HOP定位优化方法，包括：S1、初始化设置网络中节点的通信半径，并完成信标节点与未知节点的随机网络拓扑部署，所有信标节点将自身的信息与跳数值广播给周围邻居节点；S2、网络中的未知节点通过接收到邻居节点广播的信息包，并进行转发使网络中全部节点都得到距离参考信标节点的原始最小跳数；S3、计算各个信标节点之间新的最小跳数；并计算对未知节点到信标节点之间新的最小跳数；S4、计算平均每跳距离，并通过各个节点之间新的最小跳数值的归一化作为权值优化平均每跳距离；S5、计算各个未知节点与信标节点之间的距离；S6、计算未知节点的估计坐标；S7、迭代求精。该方法提升算法的鲁棒性和定位精度。
-
Patent Agency Ranking
公开(公告)号：CN115038165A
公开(公告)日：2022-09-09
申请号：CN202210536969.5
申请日：2022-05-17
Applicant: 上海船舶运输科学研究所有限公司 , 上海海事大学 , 中远海运科技股份有限公司
Abstract: 本发明提出了一种水下无线传感网目标位置和环境传播参数的联合估计方法，包含：S1、根据声信号在水下的分层传播效应，构建基于斯涅尔定律和射线追踪定理的接收信号强度的测距模型；S2、通过多次一阶泰勒级数展开式构造以环境传播参数及目标位置为变量的目标函数；S3、运用二分法通过对变量进行粗粒度估计；S4、根据粗粒度估计的值进行线性展开并通过迭代再优化，进一步提升解的精度。其优点是：解决水下信号传播过程中因环境传播参数未知及分层效应而引起定位误差增大的问题。
-
公开(公告)号：CN114828214A
公开(公告)日：2022-07-29
申请号：CN202210536968.0
申请日：2022-05-17
Applicant: 上海船舶运输科学研究所有限公司 , 上海海事大学 , 中远海运科技股份有限公司
Abstract: 本发明提出了一种信息融合的海上搜救无线传感网定位方法，包含：S1、结合海浪遮蔽噪声分别构建基于RSS和TOA的测距模型；S2、根据约束，融合RSS测距模型和TOA测距模型中的多源测距信息，构造混合测距约束最小二乘框架；S3、引入缓冲因子，利用一种改进块主元旋转的方法，通过循环交替可行解索引获取目标位置初始解；S4、基于泰勒级数一阶展开式，推导得到一种线性再优化方法，对S3中得到的初始解进行误差修正，进而得到位置更为精确的解。其优点是：解决仅依靠单一测距手段的海上无线传感网定位技术因监测区域面积增大、噪声增加而导致的定位精度下降问题。
-
公开(公告)号：CN114443435A
公开(公告)日：2022-05-06
申请号：CN202210101661.8
申请日：2022-01-27
Applicant: 中远海运科技股份有限公司 , 上海船舶运输科学研究所有限公司 , 上海海事大学 , 复旦大学
Abstract: 本发明涉及一种面向容器微服务的性能监控告警方法。包括：部署监控采集器：在云计算平台中部署监控采集器对容器微服务中的性能指标进行监控；确定监控的策略及阈值：通过确定微服务的性能监控指标和键值确定监控侧策略及阈值；采集性能数据：通过监控采集器监控对应的组件；分析采集的性能数据：通过多维度建模以及云计算平台下的分权管控和联动进行数据分析；展示数据：针对不同云资源提供对应的不同的监控数据、分析结果的展示；推送告警：通过采用底层性能采集服务的群集，统一性能监控数据的告警。还提供了相应的告警系统，有效的实现了多种云资源在性能监控数据采集、数据汇总清洗、分析展示和异常告警方面的灵活性和可扩展性。
-
公开(公告)号：CN110177118B
公开(公告)日：2022-03-29
申请号：CN201910511302.8
申请日：2019-06-13
Applicant: 上海海事大学
IPC: H04L67/10 , H04L67/133
Abstract: 本发明公开了一种基于RDMA的RPC通信方法，使客户端能通过服务器端的RDMA网卡直接从服务器的内存中读取数据，减少传统数据传输协议的无用开销，使客户端能获得更大的数据吞吐量；采用了AIO的传输模式实现了真正的异步传输，使系统面对高并发的应用时能提供更好的稳定性；采用了RDMA的one‑sided特性和简单的请求应答机制，使RDMA访问完全不需要远端机的任何确认，减少了服务器端的内存和CPU开销；客户端从由多个服务器节点组成集群系统读取数据时，采用Dijkstra最短路径算法，降低数据传输时的延迟。该方法主要优点包括：降低服务器端CPU在通信传输过程负担；提高网络传输速度；减少服务器端硬盘对客户端远程数据访问性能的影响。
-
公开(公告)号：CN113660220A
公开(公告)日：2021-11-16
申请号：CN202110853916.1
申请日：2021-07-28
Applicant: 上海海事大学
Abstract: 本发明提出了一种提升不平衡恶意流量样本识别精度的双模态融合检测方法，包含以下步骤：对原始流量进行切分，将具有相同五元组特征的数据包合并为原始流；对于原始流，以其中的每个数据包为单位，分别提取出包头和有效载荷部分作为流量的空间和文本特征，重新合并为两条流样本；将包头样本的空间特征输入到模型I中，输出该模型对流量空间特征的概率分布；将有效载荷样本输入到模型II中，输出该模型对流量文本特征的概率分布；将所述双模态流量特征进行有效融合，输出原始流的类型预测结果。本发明从原始流量中充分学习空间与文本特征，并将双模态特征进行融合，相比于单模态方案，通过模态互补提高在不平衡数据集中对少数类别的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
168
records
(took 0.026 seconds)
