公开(公告)号：CN112948649B

公开(公告)日：2023-02-28

申请号：CN202110133930.4

申请日：2021-02-01

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  谢安琪 ,  邹茂扬 ,  何琴

IPC: G06F16/904 ,  G06F8/20 ,  G06T11/20

Abstract: 本发明属于产品质量评估技术领域，公开了一种自动化GRAPES区域预报模式显著性检验方法及系统，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件；依据经纬度范围裁剪Grib文件中的数据；计算预报值和观测值的统计量；通过显著性检验算法计算两个模式在不同统计量下显著性检验评分等级。本发明采用B/S架构，无需安装客户端，能够科学高效地进行预报产品质量的差异性检验，提高检验的自定义化程度。

公开(公告)号：CN112948649A

公开(公告)日：2021-06-11

申请号：CN202110133930.4

申请日：2021-02-01

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  谢安琪 ,  邹茂扬 ,  何琴

IPC: G06F16/904 ,  G06F8/20 ,  G06T11/20

Abstract: 本发明属于产品质量评估技术领域，公开了一种自动化GRAPES区域预报模式显著性检验方法及系统，用户在浏览器页面设置检验模式、检验算法、置信度、数据的起止日期、区域范围的经纬度以及评分卡显示样式参数；后端依据检验的模式和数据起止日期确定数据文件在服务器的存放路径，并按照得到的路径读取到对应的预报源文件；依据经纬度范围裁剪Grib文件中的数据；计算预报值和观测值的统计量；通过显著性检验算法计算两个模式在不同统计量下显著性检验评分等级。本发明采用B/S架构，无需安装客户端，能够科学高效地进行预报产品质量的差异性检验，提高检验的自定义化程度。

公开(公告)号：CN112968872B

公开(公告)日：2023-04-18

申请号：CN202110127620.1

申请日：2021-01-29

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  何琴 ,  文武 ,  谢安琪

IPC: H04L9/40 ,  G06N20/20 ,  G06F40/216 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/24

Abstract: 本发明属于恶意流量检测技术领域，公开了一种基于自然语言处理的恶意流量检测方法、系统、终端，利用tshark工具提取pcap包，得到加密流量数据集；对黑白样本数据分别打上黑白标签；去除重复数据，打乱样本数据索引；建立TF‑IDF模型，对加密流量数据集进行特征重构；建立机器学习算法模型，对数据集正负样本进行训练；建立深度学习模型；调节各模型参数，训练各模型；使用ROC曲线和AUC值评估机器学习各个模型，采用TF‑IDF和集成学习相结合的方法进行加密恶意流量的检测。本发明以文本分类方法表示加密流量字段，具有较强泛化性，在后期进行模型改进时也不必拘泥于加密流量数据的信息提取。

公开(公告)号：CN112968872A

公开(公告)日：2021-06-15

申请号：CN202110127620.1

申请日：2021-01-29

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  何琴 ,  文武 ,  谢安琪

IPC: H04L29/06 ,  G06N20/20 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06F40/216

Abstract: 本发明属于恶意流量检测技术领域，公开了一种基于自然语言处理的恶意流量检测方法、系统、终端，利用tshark工具提取pcap包，得到加密流量数据集；对黑白样本数据分别打上黑白标签；去除重复数据，打乱样本数据索引；建立TF‑IDF模型，对加密流量数据集进行特征重构；建立机器学习算法模型，对数据集正负样本进行训练；建立深度学习模型；调节各模型参数，训练各模型；使用ROC曲线和AUC值评估机器学习各个模型，采用TF‑IDF和集成学习相结合的方法进行加密恶意流量的检测。本发明以文本分类方法表示加密流量字段，具有较强泛化性，在后期进行模型改进时也不必拘泥于加密流量数据的信息提取。

公开(公告)号：CN111881408A

公开(公告)日：2020-11-03

申请号：CN202010784852.X

申请日：2020-08-06

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  何金徽 ,  芦韡 ,  谢安琪 ,  文武

IPC: G06F17/12 ,  G06F17/16 ,  G06F8/72

Abstract: 本发明属于计算机数据处理技术领域，公开了一种基于预处理共轭梯度法的并行数据处理方法及处理系统，特殊矩阵处理模块用于预定义特殊矩阵M；计算模块，用于计算r0、z0、p0；残差处理模块，用于迭代计算残差。检测模块，用于检查处理后的数据进行正确性及精度验证本发明源代码是通过修改PAC2019决赛代码来进行优化。源程序为PCG算法的并行程序，本发明在这个基础上实现了CAPCG并行算法，特别是对解大型线性方程组中最难以并行的前推回代部分，提出了一种新的算法解决，也就是基于9点模板的预处理共轭梯度法进行算法结构改动，充分利用多核计算资源，时间相比于PCG算法的速度提升了2倍有余。