一种基于多任务分类的肺部病理音自动化分析方法

    公开(公告)号:CN113436726A

    公开(公告)日:2021-09-24

    申请号:CN202110728236.7

    申请日:2021-06-29

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于多任务分类的肺部病理音自动化分析方法,涉及肺部病理分析技术领域,包括以下步骤:将提取的音频特征,输入至卷积神经网络MobileNetV2的多任务分类模型,所述卷积神经网络MobileNetV2的多任务分类模型,包括输出用于肺部病理音识别任务和输出用于肺部疾病预测任务。本发明采用多任务学习方法可以隐式增加训练数据量,并通过同一数据的多个标签信息的领域知识来改善模型的泛化性能,从而提升卷积神经网络MobileNetV2的多任务分类模型的预测准确率,另外使用轻量化的卷积神经网络MobileNetV2的多任务分类模型,参数较少,对训练设备的计算能力、内存大小的需求比较小,使得预测分类任务可以在移动或嵌入式设备上完成。

    一种基于嵌入表示的移动应用回调分析研究方法

    公开(公告)号:CN111026659B

    公开(公告)日:2023-04-21

    申请号:CN201911230621.8

    申请日:2019-12-05

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于嵌入表示的移动应用回调分析研究方法,该方法与传统代码分析技术和建模方法不同,提出利用智能化表示方法,对移动应用的回调结构以及相关代码进行上下文敏感的深度向量表示,进而基于嵌入式向量和分析结果进行相似度等新特性分析,并在此基础上,研究向量表示与这些特性的关系,进而进行可视化,从全新角度弥补传统回调分析方法在量化分析方面的不足。本发明的这种基于嵌入表示的移动应用回调分析研究方法,对软件工程领域近年来在代码向量表示及其应用方面的相关方法进行理解分析和实验尝试,对移动应用回调函数所面临的新问题,创造性的提出新的分析手段和解决方法,并在理论和实验方面验证其正确性和有效性。

    漏洞检测的方法和装置、电子设备及计算机可读存储介质

    公开(公告)号:CN111523119A

    公开(公告)日:2020-08-11

    申请号:CN202010339042.3

    申请日:2020-04-26

    Applicant: 南开大学

    Abstract: 本申请公开了一种漏洞检测的方法和装置、电子设备及计算机可读存储介质,所述方法包括:根据待测系统的系统特征向量,通过第一分类器,得到所述待测系统的脚本类别标签向量;根据所述待测系统的脚本类别标签向量,通过第二分类器,得到所述待测系统的脚本代码的结构数据;基于所述待测系统的脚本代码的结构数据进行漏洞检测,能够在不断增长变化的网络环境中进行准确度高,且全面的漏洞检测。

    一种基于嵌入表示的移动应用回调分析研究方法

    公开(公告)号:CN111026659A

    公开(公告)日:2020-04-17

    申请号:CN201911230621.8

    申请日:2019-12-05

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于嵌入表示的移动应用回调分析研究方法,该方法与传统代码分析技术和建模方法不同,提出利用智能化表示方法,对移动应用的回调结构以及相关代码进行上下文敏感的深度向量表示,进而基于嵌入式向量和分析结果进行相似度等新特性分析,并在此基础上,研究向量表示与这些特性的关系,进而进行可视化,从全新角度弥补传统回调分析方法在量化分析方面的不足。本发明的这种基于嵌入表示的移动应用回调分析研究方法,对软件工程领域近年来在代码向量表示及其应用方面的相关方法进行理解分析和实验尝试,对移动应用回调函数所面临的新问题,创造性的提出新的分析手段和解决方法,并在理论和实验方面验证其正确性和有效性。

    漏洞检测的方法和装置、电子设备及计算机可读存储介质

    公开(公告)号:CN111523119B

    公开(公告)日:2023-05-05

    申请号:CN202010339042.3

    申请日:2020-04-26

    Applicant: 南开大学

    Abstract: 本申请公开了一种漏洞检测的方法和装置、电子设备及计算机可读存储介质,所述方法包括:根据待测系统的系统特征向量,通过第一分类器,得到所述待测系统的脚本类别标签向量;根据所述待测系统的脚本类别标签向量,通过第二分类器,得到所述待测系统的脚本代码的结构数据;基于所述待测系统的脚本代码的结构数据进行漏洞检测,能够在不断增长变化的网络环境中进行准确度高,且全面的漏洞检测。

    一种基于多任务分类的肺部病理音自动化分析方法

    公开(公告)号:CN113436726B

    公开(公告)日:2022-03-04

    申请号:CN202110728236.7

    申请日:2021-06-29

    Applicant: 南开大学

    Abstract: 本发明公开了一种基于多任务分类的肺部病理音自动化分析方法,涉及肺部病理分析技术领域,包括以下步骤:将提取的音频特征,输入至卷积神经网络MobileNetV2的多任务分类模型,所述卷积神经网络MobileNetV2的多任务分类模型,包括输出用于肺部病理音识别任务和输出用于肺部疾病预测任务。本发明采用多任务学习方法可以隐式增加训练数据量,并通过同一数据的多个标签信息的领域知识来改善模型的泛化性能,从而提升卷积神经网络MobileNetV2的多任务分类模型的预测准确率,另外使用轻量化的卷积神经网络MobileNetV2的多任务分类模型,参数较少,对训练设备的计算能力、内存大小的需求比较小,使得预测分类任务可以在移动或嵌入式设备上完成。

Patent Agency Ranking