公开(公告)号：CN110619049A

公开(公告)日：2019-12-27

申请号：CN201910911744.1

申请日：2019-09-25

Applicant: 北京工业大学

Inventor： 徐雪丽 ,  董玥 ,  安宁 ,  段娟 ,  肖创柏

IPC: G06F16/35 ,  H04L29/06

Abstract: 本发明公开了一种基于深度学习的报文异常检测方法，首先对数据做预处理操作，将其预处理成二维矩阵形式，为了减小一般算法模型容易出现的过拟合现象，本发明利用shuffle函数将数据随机打乱，防止到达局部最优，是模型更容易收敛。然后利用卷积神经网络CNN从预处理后的数据中学习有效特征，最后通过支持向量机SVM分类器将得到的向量进行分类处理。该方法是利用深度学习的卷积神经网络所具备的高维度学习的优势，学习网络传输报文的有效特征，本发明所提出的模型在京都大学数据集上进行实验验证，并与在该数据集上验证的其他两个效果较好的模型进行实验比对，实验证明准确率和稳定性方面均有了很大的提升，训练和测试的耗时明显减少。

公开(公告)号：CN112184752A

公开(公告)日：2021-01-05

申请号：CN202010932565.9

申请日：2020-09-08

Applicant: 北京工业大学

Inventor： 张斌 ,  安宁 ,  徐雪丽 ,  邓米克 ,  肖创柏

IPC: G06T7/20 ,  G06T7/70

Abstract: 本发明公开了一种基于金字塔卷积的视频目标跟踪方法，包括以下步骤：根据图像中跟踪目标的位置和大小，裁剪出图像序列训练集中的所有图像对应的目标模板图像和搜索区域图像；构建基于金字塔卷积的全卷积孪生网络；利用所述构建好的图像序列训练集，训练所述的基于金字塔卷积的全卷积孪生网络，获得训练好的全卷积孪生网络；使用训练好的基于金字塔卷积的全卷积孪生网络进行单目标跟踪。本发明在跟踪目标的过程中，通过在传统全卷积孪生网络的基础上加入金字塔卷积，使用不同尺度与深度的卷积核进行多尺度特征的提取和融合，提取到场景中不同层次的细节信息，进而提升跟踪系统的鲁棒性和准确性。

公开(公告)号：CN110928783A

公开(公告)日：2020-03-27

申请号：CN201911143356.X

申请日：2019-11-20

Applicant: 北京工业大学

Inventor： 安宁 ,  张斌 ,  徐雪丽 ,  邓米克 ,  肖创柏

IPC: G06F11/36

Abstract: 本发明公开了基于RobotFramework自动化测试数据化改造的平台，包含系统管理模块、自动化测试管理模块和资源管理模块三个模块：系统管理模块包含用户管理、角色管理、权限管理和测试项目管理。自动化测试管理模块包含测试任务、测试用例、测试执行和缺陷管理。测试资源管理模块包含执行机管理，关键字查询、产品线管理和模板配置。通过平台的集成即可实现自动化测试的服务化，即将单机上运行的自动化测试工具功能通过网络化提供服务。实现自动化测试服务化管理，可以加速自动化测试的普及，降低测试成本；服务化的测试模式还能发挥规模优势，合理配置资源，增强可维护性；服务化可以为管理提供更准确的统计数据，与测试管理平台协同工作，提高管理效率。