-
公开(公告)号：CN118041663A
公开(公告)日：2024-05-14
申请号：CN202410265033.2
申请日：2024-03-08
Applicant: 新疆大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08 , G06N3/045
Abstract: 本发明为基于流信息图及时空特征融合增强的Tor加密流量分类方法。基于流信息图及时空特征融合增强的Tor加密流量分类方法，包括以下步骤：(1)数据预处理：对原始流量数据进行预处理；(2)将预处理后的数据生成流关系图FIG；(3)基于深度神经网络的特征自动提取，得到网络流的空间和时序特征；(4)将所述的空间和时序特征在节点之间传播、更新后，用平均池化法对流节点的特征进行聚合，再进行分类，最终输出标签。本发明所述的基于流信息图及时空特征融合增强的Tor加密流量分类方法，减轻了概念漂移的问题，同时提高了整体的有效性、鲁棒性以及准确率。
-
公开(公告)号：CN111896498A
公开(公告)日：2020-11-06
申请号：CN202010776987.1
申请日：2020-08-05
Applicant: 新疆大学
IPC: G01N21/41
Abstract: 本发明公开了一种多孔硅拼装式微腔生物传感器是由上下布拉格与微腔构成的一种常用的多孔硅生物传感器，在生物检测过程中，即使尺寸非常小的生物分子也只能进入到多孔硅表层1μm的深度，很难达到微腔层，导致实际多孔硅微腔的生物检测灵敏度低于理论值设计值。为解决这一问题，本发明公开了一种多孔硅拼装式微腔生物传感器，其上部分布拉格反射镜和下半部分是分离的，上部分布拉格由基于石英玻璃基底的布拉格器件代替，微腔及下部分布拉格由多孔硅制备，于是生物分子可直接进入到微腔层。由于生物分子可以容易的进入到孔洞较大的微腔层，能引起较大的反射谱红移或角度谱移动，因而提高了多孔硅的灵敏度。
-
公开(公告)号：CN118329849A
公开(公告)日：2024-07-12
申请号：CN202410255527.2
申请日：2024-03-06
Applicant: 新疆大学
Abstract: 本发明公开了一种基于多孔硅光学生物传感器的混合农药的并行检测方法，包括：对多孔硅布拉格反射镜禁带展宽，采用两种发光波长不同的CdSe/ZnS量子点分别标记两种生物探针分子；在偶联两种目标分子的多孔硅内壁上加入偶联量子点的探针分子，两者发生特异性反应；加入两种农药后，农药与各自适配体更强的特异性结合，两者的适配体与偶联量子点的探针分子分开，荧光强度减弱；利用数字相机获得生物分子发生特异性前后多孔硅布拉格反射镜表面的荧光图像，用数字图像法计算发生特异性反应前后平均灰度值的变化。
-
公开(公告)号：CN111896498B
公开(公告)日：2023-07-04
申请号：CN202010776987.1
申请日：2020-08-05
Applicant: 新疆大学
IPC: G01N21/41
Abstract: 本发明公开了一种多孔硅拼装式微腔生物传感器的应用方法是由上下布拉格与微腔构成的一种常用的多孔硅生物传感器，在生物检测过程中，即使尺寸非常小的生物分子也只能进入到多孔硅表层1μm的深度，很难达到微腔层，导致实际多孔硅微腔的生物检测灵敏度低于理论值设计值。为解决这一问题，本发明公开了一种多孔硅拼装式微腔生物传感器的应用方法，其上部分布拉格反射镜和下半部分是分离的，上部分布拉格由基于石英玻璃基底的布拉格器件代替，微腔及下部分布拉格由多孔硅制备，于是生物分子可直接进入到微腔层。由于生物分子可以容易的进入到孔洞较大的微腔层，能引起较大的反射谱红移或角度谱移动，因而提高了多孔硅的灵敏度。
-
公开(公告)号：CN118366564A
公开(公告)日：2024-07-19
申请号：CN202410325640.3
申请日：2024-03-21
Applicant: 新疆大学
IPC: G16C20/30 , G16C20/70 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种城市中未来PM2.5浓度预测方法及系统，包括：利用Pearson相关系数，构建PM2.5浓度与其它气体浓度、气象特征的相关系数矩阵，对输入变量之间的线性关系进行评估，确定LSTM网络模型和引入时空注意力机制的TCN组合模型输入特征；引入时空注意力机制，提取城市污染物浓度序列数据集中每一时间步之间的时间依赖关系以及每一时间步中的输入特征之间的关系；构建LSTM网络模型和引入时空注意力机制的TCN组合模型；利用所提出模型进行输入特征的提取和融合，进行模型训练参数调优后，以空气污染物浓度和气象数据作为训练好的预测模型输入进行预测，使用两个模型的均方根误差，进行自适应反比加权融合两个网络模型预测结果得到最终预测结果。装置包括：处理器和存储器。
-
Patent Agency Ranking
公开(公告)号：CN118051806A
公开(公告)日：2024-05-17
申请号：CN202410265000.8
申请日：2024-03-08
Applicant: 新疆大学
IPC: G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/08 , G06F18/10
Abstract: 本发明为一种多时空特征融合增强的网络流量分类模型及其方法。一种多时空特征融合增强的网络流量分类模型，包括：空间特征提取模块、时序特征提取模块、融合模块；所述的空间特征提取模块采用CNN进行空间特征提取；所述的时序特征提取模块进行时序特征的提取，采用BiLSTM网络提取前后依赖信息，并将两者相融合以增强流量表征；所述的融合模块：对局部特征和整体特征进行融合，将融合结果输入Softmax分类器中用于分类。本发明所述的一种多时空特征融合增强的网络流量分类模型及其方法，免去了领域专家和人工提取特征的成本的同时，网络流量分类任务的准确性高，具有较强泛化能力，可以用于许多实际应用场景。
-
公开(公告)号：CN107085838A
公开(公告)日：2017-08-22
申请号：CN201710408021.0
申请日：2017-06-02
Applicant: 新疆大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种全息图噪声的去除方法及装置，涉及图像处理领域，主要目的用于解决现有对全息图中的噪声直接使用滤波对全息图再现象会破坏图像中的细节信息，使得图像的质量下降的问题。技术方案包括：获取待处理全息图，所述全息图为含有散斑噪声的全息图；根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；对去噪后的全息图进行预设再现处理，得到全息图的再现象；根据预设滤波算法对所述再现象滤波去噪。主要用于全息图噪声的去除。
-
公开(公告)号：CN118332431A
公开(公告)日：2024-07-12
申请号：CN202410439643.X
申请日：2024-04-12
Applicant: 新疆大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0455 , G06F18/15
Abstract: 本发明公开了一种挖掘深层时间依赖性监测火电厂碳排放的方法及装置，方法包括：时间注意力协调时序时间步的重要程度；将历史统计信息作为线性相关变量，线性相关变量与TCN提取的初步时间依赖关系相结合，作为seq2seq模型中的输入数据；在seq2seq模型中采用双向长短期记忆提取时间序列数据的深层时间依赖关系；并采用编码注意力机制；将AE作为预测校准器；所有超参数依赖于贝叶斯超参数寻优算法所获得的结果，并通过最小化损失调整模型参数，实现对目标特征的准确预测；通过将碳排放预测值与碳排放阈值进行比较，实现对火电厂碳排放的监测预警；装置包括：处理器和存储器。本发明利用多传感器数据来准确预测二氧化碳未来的排放量，进而对火电厂的碳排放实现准确监测，为节能减排做出贡献。
-
公开(公告)号：CN111781181B
公开(公告)日：2024-06-21
申请号：CN202010678008.9
申请日：2020-07-15
Applicant: 新疆大学
IPC: G01N21/64
Abstract: 本发明公开了一种多孔硅布拉格反射镜生物传感器的检测方法。第一个信号光是从多孔硅布拉格反射镜表面反射的波长为635nm的探测光。生物探针用半导体量子点标记后与目标分子在多孔硅布拉格反射镜内进行反应，半导体量子点起折射率放大的作用。生物分子在多孔硅布拉格反射镜内发生特异性结合引起了器件折射率增大而导致探测反射光的增强。第二个信号光是生物反应物中量子点的荧光。反应物中的量子点在短波长光激发下，产生波长约为630nm的荧光。荧光信号由多孔硅布拉格反射镜进一步增强。用数字显微镜同时获得多孔硅布拉格反射镜表面两种光叠加的图像，通过计算生物反应前后图像的平均灰度值变化，可高灵敏的检测目标生物分子。
-
公开(公告)号：CN107085838B
公开(公告)日：2021-02-26
申请号：CN201710408021.0
申请日：2017-06-02
Applicant: 新疆大学
IPC: G06T5/00
Abstract: 本发明公开了一种全息图噪声的去除方法及装置，涉及图像处理领域，主要目的用于解决现有对全息图中的噪声直接使用滤波对全息图再现象会破坏图像中的细节信息，使得图像的质量下降的问题。技术方案包括：获取待处理全息图，所述全息图为含有散斑噪声的全息图；根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；对去噪后的全息图进行预设再现处理，得到全息图的再现象；根据预设滤波算法对所述再现象滤波去噪。主要用于全息图噪声的去除。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
