-
公开(公告)号：CN108682418A
公开(公告)日：2018-10-19
申请号：CN201810669327.6
申请日：2018-06-26
Applicant: 北京理工大学
CPC classification number: G10L15/20 , G10L15/063 , G10L15/16 , G10L25/18 , G10L25/24 , G10L25/30 , G10L25/45
Abstract: 本发明公开了一种模型预训练和双向LSTM的语音识别方法，属于深度学习和语音识别领域。1)输入待处理语音信号；2)预处理；3)提取梅尔倒谱系数及动态差分得到语音特征；4)构建双向LSTM结构；5)使用maxout函数优化双向LSTM，得到maxout‑biLSTM；6)模型预训练；7)使用预训练后的maxout‑biLSTM对含噪声的语音信号进行训练，得到结果。本发明使用maxout激活函数改进了双向LSTM的原激活函数，并且使用了模型预训练的方法，提高了声学模型在噪声环境下的鲁棒性，可应用于高噪声环境下语音识别模型的构建与训练。
-
公开(公告)号：CN104794059B
公开(公告)日：2017-08-04
申请号：CN201510233119.8
申请日：2015-05-08
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于函数调用记录的缺陷定位方法及装置，属于软件测试技术领域。本发明方法利用面向切面编程AOP技术，针对每一个测试用例获取被测程序的函数调用记录，并以函数为单位对该记录进行统计分析，获取函数在成功或失败的测试用例执行中的测试用例覆盖信息、调用次数差异信息、数据传递差异信息以及调用关系差异信息，然后利用这些信息计算得到函数的缺陷嫌疑值，最后对所有函数的缺陷嫌疑值进行排序即可得到缺陷定位结果。对比现有技术，本发明能够在不改变现有测试流程的前提下，方便地进行缺陷定位，并具有更高的定位准确度。
-
公开(公告)号：CN104794059A
公开(公告)日：2015-07-22
申请号：CN201510233119.8
申请日：2015-05-08
Applicant: 北京理工大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于函数调用记录的缺陷定位方法及装置，属于软件测试技术领域。本发明方法利用面向切面编程AOP技术，针对每一个测试用例获取被测程序的函数调用记录，并以函数为单位对该记录进行统计分析，获取函数在成功或失败的测试用例执行中的测试用例覆盖信息、调用次数差异信息、数据传递差异信息以及调用关系差异信息，然后利用这些信息计算得到函数的缺陷嫌疑值，最后对所有函数的缺陷嫌疑值进行排序即可得到缺陷定位结果。对比现有技术，本发明能够在不改变现有测试流程的前提下，方便地进行缺陷定位，并具有更高的定位准确度。
-
公开(公告)号：CN104318167A
公开(公告)日：2015-01-28
申请号：CN201410522379.2
申请日：2014-10-07
Applicant: 北京理工大学
IPC: G06F21/60
CPC classification number: G06F21/6254
Abstract: 本发明涉及一种改进的k-匿名中准标识符求解方法，属于信息安全中的隐私保护技术领域，该方法包括以下步骤：首先将数据表集转化为超图二分图，然后利用图的两点间通路求解方法计算二分结点集中两点之间的所有通路，最后输出所有通路。本发明方法有效解决了QUASI_IDENTIFIER方法在相关数据表求解过程中因为Paths方法产生的效率问题，使Paths方法的时间复杂度O(V4)降为本发明方法的O(V3)。
-
公开(公告)号：CN102185930B
公开(公告)日：2013-04-03
申请号：CN201110153505.8
申请日：2011-06-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种SQL注入漏洞检测方法，包括以下步骤：一、用户输入数据截获；二、无害化输入生成；三、进行SQL词法分析和语法分析，生成SQL语法树，分别是基于用户输入字串的语法树以及基于无害化字串的语法树；四、SQL语法树比对，如果相同认为该组测试字串通过本轮测试；五、结果响应：如果发现了用户有SQL注入的企图，则阻止该HTTP包，否则将该HTTP包放行。本发明分析对象均直接或间接来源于用户输入，这样可以最大限度还原用户本意，降低了误报率。同时基于SQL语法树分析，能够从根本上阻断进行SQL注入的可能，从而提高检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108682418B
公开(公告)日：2022-03-04
申请号：CN201810669327.6
申请日：2018-06-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种模型预训练和双向LSTM的语音识别方法，属于深度学习和语音识别领域。1)输入待处理语音信号；2)预处理；3)提取梅尔倒谱系数及动态差分得到语音特征；4)构建双向LSTM结构；5)使用maxout函数优化双向LSTM，得到maxout‑biLSTM；6)模型预训练；7)使用预训练后的maxout‑biLSTM对含噪声的语音信号进行训练，得到结果。本发明使用maxout激活函数改进了双向LSTM的原激活函数，并且使用了模型预训练的方法，提高了声学模型在噪声环境下的鲁棒性，可应用于高噪声环境下语音识别模型的构建与训练。
-
公开(公告)号：CN108829878B
公开(公告)日：2021-10-01
申请号：CN201810669806.8
申请日：2018-06-26
Applicant: 北京理工大学
IPC: G06F16/2458 , G06F16/28
Abstract: 一种工业实验数据异常点检测方法及装置，属于异常点检测技术领域。针对每一个测试变量在一次实验中随时间的数据变化曲线，根据多次历史实验中该变量的整体变化情况，确定可能表示机器启动和关闭的“状态代表时间点”，再检测测试样本中“状态代表时间点”的取值是否在正常状态范围内，对于取值异常的测试样本判定为异常；否则根据“状态代表时间点”的取值情况和历史数据，拟合出数据标准，并根据测试样本中各时间点取值相对数据标准的偏差，通过聚类算法检测出偏差程度较绝大多数样本有很大不同的时间点判定为异常点。本发明充分利用工业实验数据的特殊性，进而获得更为准确的异常点检测结果，具有较高的检测准确度。
-
公开(公告)号：CN111338892A
公开(公告)日：2020-06-26
申请号：CN202010097025.3
申请日：2020-02-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种针对极端运行条件下的时间序列上升异常识别方法，在训练阶段，划分时间单元，计算每个时间单元中训练数据的最大值和平均值，遍历所有时间单元，获取最大的最大值和最大的平均值为判别基数；在预警阶段，获取实时监测数据，计算当前时间单元内数据的最大值和平均值，并计算跳跃指数；判断跳跃指数是否大于跳跃阈值，若是，则判定当前时间单元发生了跳跃；否则进一步调整判别基数；分析相邻的时间单元，若发生跳跃的时间单元的数量超过了数量阈值，则发出报警信号。本发明在运行时仅占用极少内存，且运行速度快。同时具有较高的鲁棒性，可以过滤因数据抖动变大，或整体迁移造成的假性上升的情况。
-
公开(公告)号：CN104392010A
公开(公告)日：2015-03-04
申请号：CN201410812269.X
申请日：2014-12-23
Applicant: 北京理工大学
IPC: G06F17/30
CPC classification number: G06F17/30327
Abstract: 本发明涉及一种子图匹配的查询方法，属于数据库和分布式图分析处理领域；该方法包括以下步骤：首先，修改查询图为查询树；其次，对数据图节点按照查询树从叶节点到根节点逐层依次匹配，得到匹配计数，并发送计数给相邻节点，直到匹配根节点；再次，数据图节点按照查询树从根节点到叶节点逐层依次发送匹配要求，直到匹配要求发送至叶节点；最后，数据图节点按照查询树从叶节点到根节点的顺序依次向查询要求的来源发送子树匹配结果。对比现有分布式方法，本发明在通信量和计算代价方面都有很大的提高。
-
公开(公告)号：CN102222305A
公开(公告)日：2011-10-19
申请号：CN201110157092.0
申请日：2011-06-13
Applicant: 北京理工大学
IPC: G06Q30/00
Abstract: 本发明涉及一种分布式环境下信誉度评价方法，包括以下步骤：1)每个节点在本地保存每次交易的评价信息和所有邻居节点的信任度信息；2)进行交易前，服务消费者coni首先询问邻居节点对潜在的服务提供者proj的评价；3)邻居节点如果有与proj的交互经验，则将对应的评价向量返回给coni；4)coni收集proj的自评信息；5)依次计算出每个proj的信誉度向量；6)根据信誉度向量和自定义规则选择出最适合自己的proj；7)coni与选定的proj进行交易；8)coni根据交易情况给出一个评价向量；步骤9)更新本地保存的邻居节点的信任度信息。本方法可以对服务提供者的信誉度做出全面和科学的评价，使消费者能根据自己的个性化需求，选择出最适合自己的服务提供者。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
