公开(公告)号：CN114706780A

公开(公告)日：2022-07-05

申请号：CN202210389330.9

申请日：2022-04-13

Applicant: 北京理工大学

Inventor： 单纯 ,  张浩伦 ,  廖书妍 ,  周彦哲 ,  彭哲恒

IPC: G06F11/36 ,  G06N20/20 ,  G06N20/10 ,  G06K9/62

Abstract: 本发明提供了一种基于Stacking集成学习的软件缺陷预测方法，本发明不是人工根据先验知识或者搜索算法进行组合，而是通过Stacking集成学习算法将RF、XGBoost和SVM三个基模型作为初级模型，将缺陷数据集样本特征输入到初级模型中训练且得到三个基模型对待测样本预测为缺陷样本的概率值，然后将三个概率值进行特征组合，作为输入次级模型LR的二次特征，最后将二次特征作为LR的输入，对LR模型进行训练，得到基于Stacking集成学习的软件缺陷预测复合模型(XGBoost‑RF‑SVM)‑LR；也就是说，本发明将四个弱分类器组合成为强分类器，在一定程度上提高了预测的精度。

公开(公告)号：CN113434469A

公开(公告)日：2021-09-24

申请号：CN202110699820.4

申请日：2021-06-23

Applicant: 北京理工大学

Inventor： 单纯 ,  王曦 ,  余涛 ,  王志军 ,  周彦哲

IPC: G06F16/16 ,  G06F16/172 ,  G06F40/186 ,  G06F11/14 ,  G06F9/48 ,  G06F9/50

Abstract: 本公开的基于线程池的异步导入文件方法，获取导入文件所对应业务场景的文件模板；当判断导入文件符合导入标准时，校验所述导入文件；保存导入文件的校验结果到数据库的临时表中，提交导入文件处理任务至线程池中；线程处理导入文件任务，并将所述校验结果从临时表中存储至数据库的正式表中；查看导入文件列表，以文件形式下载导入文件的错误数据列表。能够并发完成异步导入文件的操作，降低资源消耗，灵活操作文档模板、提高响应速度。

公开(公告)号：CN114706780B

公开(公告)日：2024-07-19

申请号：CN202210389330.9

申请日：2022-04-13

Applicant: 北京理工大学

Inventor： 单纯 ,  张浩伦 ,  廖书妍 ,  周彦哲 ,  彭哲恒

IPC: G06F11/36 ,  G06N20/20 ,  G06N20/10 ,  G06F18/2411 ,  G06F18/2431 ,  G06N5/01

Abstract: 本发明提供了一种基于Stacking集成学习的软件缺陷预测方法，本发明不是人工根据先验知识或者搜索算法进行组合，而是通过Stacking集成学习算法将RF、XGBoost和SVM三个基模型作为初级模型，将缺陷数据集样本特征输入到初级模型中训练且得到三个基模型对待测样本预测为缺陷样本的概率值，然后将三个概率值进行特征组合，作为输入次级模型LR的二次特征，最后将二次特征作为LR的输入，对LR模型进行训练，得到基于Stacking集成学习的软件缺陷预测复合模型(XGBoost‑RF‑SVM)‑LR；也就是说，本发明将四个弱分类器组合成为强分类器，在一定程度上提高了预测的精度。

公开(公告)号：CN113221925B

公开(公告)日：2022-11-11

申请号：CN202110679907.5

申请日：2021-06-18

Applicant: 北京理工大学

Inventor： 单纯 ,  王曦 ,  宫英慧 ,  周彦哲 ,  李金泽

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T5/00

Abstract: 本发明提供一种基于多尺度图像的目标检测方法及装置，所述方法包括输入原始图像，获得候选区域；获取所述候选区域的原始特征图；将所述候选区域的原始特征图与预设分辨率比较，将低于预设分辨率的原始特征图输入图像重建网络模型，进行图像增强；将图像增强后的图像特征与所述候选区域的原始特征图输入YOLOV3，进行目标检测与分类。根据本发明的方案，利用训练好的图像重建网络输出来增强目标检测网络对低分辨率图像的目标检测性能，更注重小目标的检测，检测效果好。

公开(公告)号：CN115632848B

公开(公告)日：2025-04-22

申请号：CN202211253052.0

申请日：2022-10-13

Applicant: 北京理工大学

Inventor： 单纯 ,  刘臻 ,  胡昌振 ,  周彦哲 ,  彭哲恒

IPC: H04L9/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种入侵检测方法及系统，通过有标识的分组采集网络流量数据，避免了传统方法针对单个网络流量数据进行采集分析导致检测不准确的问题；将每个网络流量数据特征的分布曲线拟合成行为分布特征曲线之后再进行攻击行为的类型检测识别，将多维的网络流量数据特征的分布特征降为一维的行为分布特征，有利于网络流量数据特征与机器学习进行更好地结合，有利于提高检测结果的准确性。利用行为分布特征曲线的行为分布特征值进行机器学习训练，只需要基础的神经网络模型即可完成训练任务，避免了传统方法对机器学习神经网络的过度依赖。使得本发明提供的入侵检测方法能够更加简单、高效、准确地完成入侵检测。

公开(公告)号：CN113221925A

公开(公告)日：2021-08-06

申请号：CN202110679907.5

申请日：2021-06-18

Applicant: 北京理工大学

Inventor： 单纯 ,  王曦 ,  宫英慧 ,  周彦哲 ,  李金泽

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T5/00

Abstract: 本发明提供一种基于多尺度图像的目标检测方法及装置，所述方法包括输入原始图像，获得候选区域；获取所述候选区域的原始特征图；将所述候选区域的原始特征图与预设分辨率比较，将低于预设分辨率的原始特征图输入图像重建网络模型，进行图像增强；将图像增强后的图像特征与所述候选区域的原始特征图输入YOLOV3，进行目标检测与分类。根据本发明的方案，利用训练好的图像重建网络输出来增强目标检测网络对低分辨率图像的目标检测性能，更注重小目标的检测，检测效果好。