-
公开(公告)号：CN114970521B
公开(公告)日：2024-09-20
申请号：CN202210542962.4
申请日：2022-05-18
Applicant: 哈尔滨工业大学(威海)
IPC: G06F40/289 , G06F40/216 , G06F40/126 , G06N3/0442 , H04L61/4511
Abstract: 本发明提供一种基于域名信息检测DGA域名的方法，包括以下步骤：步骤1构建域名的字符字典和单词字典；步骤2得到域名的字符编码，词汇编码，特征编码；步骤3将字符编码、词汇编码、特征编码作为深度学习算法模型的输入，经过词嵌入，LSTM序列模型，Relu层，Dropout层，SoftMax层的多种操作后，输出深度学习算法模型的三种分类，根据输出的结果判断域名属于哪种类别。此方法不仅可以进一步提高针对基于算术和哈希算法生成的DGA域名的检测精度，也能解决针对基于词典生成的DGA域名的检测精度低，识别误差大等问题。
-
公开(公告)号：CN111985569B
公开(公告)日：2022-10-14
申请号：CN202010851544.4
申请日：2020-08-21
Applicant: 哈尔滨工业大学(威海)
IPC: G06K9/62 , H04L61/5007
Abstract: 本发明涉及一种基于多源点聚类思想的匿名节点定位方法，其为了减少Traceroute所得到的IP路径中匿名节点对真实网络路由节点的干扰，其包括以下步骤：获取国内的ip地址、地理位置和经纬度；用ping命令对ip进行存活性探测过滤，提取出存活的ip地址；将探测出地理位置的IP存入数据库；通过k‑means算法得到的聚类中心附近部署服务器，对同一类别内的目的节点进行traceroute探测；获取时延曲线，对时延曲线进行特征提取，进行层次聚类，依据层析树的结构对traceroute所得到的IP路径进行合并，将可能是同一个匿名节点的点进行合并，并记录其上一跳与下一跳的ip地址；计算匿名节点对的上一跳，下一跳IP所构成的集合中心，使用欧式距离对经纬度进行计算，作为该匿名节点的物理位置。
-
公开(公告)号：CN114970521A
公开(公告)日：2022-08-30
申请号：CN202210542962.4
申请日：2022-05-18
Applicant: 哈尔滨工业大学(威海)
IPC: G06F40/289 , G06F40/216 , G06F40/126 , G06N3/04 , H04L61/4511
Abstract: 本发明提供一种基于域名信息检测DGA域名的方法，包括以下步骤：步骤1构建域名的字符字典和单词字典；步骤2得到域名的字符编码，词汇编码，特征编码；步骤3将字符编码、词汇编码、特征编码作为深度学习算法模型的输入，经过词嵌入，LSTM序列模型，Relu层，Dropout层，SoftMax层的多种操作后，输出深度学习算法模型的三种分类，根据输出的结果判断域名属于哪种类别。此方法不仅可以进一步提高针对基于算术和哈希算法生成的DGA域名的检测精度，也能解决针对基于词典生成的DGA域名的检测精度低，识别误差大等问题。
-
公开(公告)号：CN107203692A
公开(公告)日：2017-09-26
申请号：CN201710321707.6
申请日：2017-05-09
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于深度卷积神经网络的房颤检测的实现方法，该方法能够将单导联一维心电数据经过信号转换变成二维形式，使得其适用于处理二维数据的深度卷积神经网络，从而实现通过机器自动学习特征并进行分类，并最终实现房颤的自动化检测。将本发明的方法用于房颤检测时，无需检测P波或R‑R间期，也无需人为设计特征，极大地提高了房颤检测的效率和准确率，其中：基于静态小波变换结合深度卷积神经网络的房颤检测方法的准确率是98.63％，敏感性是98.79％，特异性是97.87％；基于短时傅里叶变换结合深度卷积神经网络的房颤检测方法的准确率是98.29％，敏感性是98.34％，特异性是98.24％。
-
公开(公告)号：CN116784815A
公开(公告)日：2023-09-22
申请号：CN202310617270.6
申请日：2023-05-29
Applicant: 哈尔滨工业大学(威海)
IPC: A61B5/0245 , A61B5/024 , A61B5/346 , A61B5/352 , A61B5/355 , A61B5/00 , G06F18/24 , G06N3/0455 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络和Transformer结合的异常心律分类方法，所述方法先将原始的心电数据经过恰当的处理后转变成序列形式，然后利用卷积神经网络与Transformer相结合的深度神经网络来让机器自动学习向量形式的心电数据的内在特征，仅使用简单易得的R‑R间期特征，完全抛弃其他人为设计的复杂特征。整个过程中无需人为进行大量复杂的处理，用于异常心律分类时可以极大地提高效率和准确率。本发明在MIT‑BIH异常心律数据库上进行了测试，取得了良好的性能。在对五种异常心律的分类时，测试集上的性能为平均准确率上达到了97.66％。
-
Patent Agency Ranking
公开(公告)号：CN115146056A
公开(公告)日：2022-10-04
申请号：CN202210542929.1
申请日：2022-05-18
Applicant: 哈尔滨工业大学(威海)
IPC: G06F16/35 , G06F40/289 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于网页文本内容检测色情赌博域名的方法，首先对域名发起HTTP请求，获取域名对应的HTTP文本内容，针对网页内容进行预处理，同时，构建色情、赌博、非色情赌博的三种语料库信息。针对语料库信息，进行分词处理，停用词处理等，构建算法模型的数据集信息。其次，使用语料库中的热点词汇对数据集进行编码处理，使用基于LSTM深度学习算法模型对数据编码进行处理，最后使用SoftMax三分类(色情、赌博、非色情赌博)，输出结果。不仅可以解决传统黑名单检测方法中色情赌博域名频繁变更域名，不断扩充黑名单的问题，也能解决传统机器学习算法(SVM、随机森林等)人工提取文本特征的不充分，算法识别精度低等问题。
-
公开(公告)号：CN111985569A
公开(公告)日：2020-11-24
申请号：CN202010851544.4
申请日：2020-08-21
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种基于多源点聚类思想的匿名节点定位方法，其为了减少Traceroute所得到的IP路径中匿名节点对真实网络路由节点的干扰，其包括以下步骤：获取国内的ip地址、地理位置和经纬度；用ping命令对ip进行存活性探测过滤，提取出存活的ip地址；将探测出地理位置的IP存入数据库；通过k-means算法得到的聚类中心附近部署服务器，对同一类别内的目的节点进行traceroute探测；获取时延曲线，对时延曲线进行特征提取，进行层次聚类，依据层析树的结构对traceroute所得到的IP路径进行合并，将可能是同一个匿名节点的点进行合并，并记录其上一跳与下一跳的ip地址；计算匿名节点对的上一跳，下一跳IP所构成的集合中心，使用欧式距离对经纬度进行计算，作为该匿名节点的物理位置。
-
公开(公告)号：CN107296600A
公开(公告)日：2017-10-27
申请号：CN201710348768.1
申请日：2017-05-17
Applicant: 哈尔滨工业大学(威海)
IPC: A61B5/0402
CPC classification number: A61B5/0402 , A61B5/7221 , A61B5/7264 , A61B5/7267
Abstract: 本发明公开了一种快速十二导联心电信号质量评估方法，其步骤为：(1)将心电信号质量评估结果分为可接受与不可接受；(2)用户自主选择质量评估方法；(3)对十二导联心电信号进行特征提取；(4)如果质量评估方法是阈值法，则直接基于特征与阈值的大小关系得到评估结果，跳转到步骤(8)；(5)如果质量评估方法是机器学习方法，则对提取的特征进行变换；(6)重复步骤(3)和(5)，获得大量心电信号的特征数据，对信号进行类别标记，构建学习与分类系统；(7)对新的心电测试信号，重复步骤(3)和(5)，获取特征，进行分类；(8)将评估结果反馈给用户。本发明拥有较高的准确率、很好的鲁棒性，并且方法简单、成本低廉。
-
公开(公告)号：CN107203692B
公开(公告)日：2020-05-05
申请号：CN201710321707.6
申请日：2017-05-09
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于深度卷积神经网络的心电数据数字信号处理方法，该方法能够将单导联一维心电数据经过信号转换变成二维形式，使得其适用于处理二维数据的深度卷积神经网络。将本发明的方法用于房颤检测时，无需检测P波或R‑R间期，也无需人为设计特征，极大地提高了房颤检测的效率和准确率，其中：基于静态小波变换结合深度卷积神经网络的房颤检测方法的准确率是98.63％，敏感性是98.79％，特异性是97.87％；基于短时傅里叶变换结合深度卷积神经网络的房颤检测方法的准确率是98.29％，敏感性是98.34％，特异性是98.24％。
-
公开(公告)号：CN115130509A
公开(公告)日：2022-09-30
申请号：CN202210751661.2
申请日：2022-06-29
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于条件式变分自编码器的心电信号生成方法，所述方法利用已有的少量真实心电信号来进行深度学习并形成生成模型，从而实现心电信号的生成。利用本发明的方法来进行心电信号生成时，仅需要给定少量带类别标签的真实心电信号数据，之后就可以生成任意数量的不同类别的心电信号，极大地扩充了心电信号样本的数量，极大地缓解了心电信号分类学习时样本不足和数据不平衡的问题，对基于样本学习的心电信号自动分类算法具有重要的作用和意义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
