-
公开(公告)号：CN107391083A
公开(公告)日：2017-11-24
申请号：CN201710457348.7
申请日：2017-06-16
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明公开了一种空间异常信息的复数变换隐藏及复原方法，其特征是，包括如下步骤：1）计算空间数据对象的局部密度和距离相异度；2）求解空间数据对象的异常程度系数；3）根据Top-N选取异常数据对象；4）构造复数数据及复数因子并进行复数变换隐藏；5）发送复数变换集及复数因子数据集；6）选取异常信息二维值；7）逆变换。这种方法是异常信息隐私保护的一种创新方法，这种方法能简化异常信息处理过程、降低数据处理量，并且确保数据发送方发送的数据信息和参数量最少，保证局部异常数据在信息共享和传输过程中的安全性和信息的完整性，以及被隐藏的局部异常数据能够准确复原。
-
公开(公告)号：CN116879218A
公开(公告)日：2023-10-13
申请号：CN202310641182.X
申请日：2023-06-01
Applicant: 桂林电子科技大学
IPC: G01N21/3586 , G01N21/3563 , G01N21/84 , G01N1/28 , G16C20/70 , G06F18/27
Abstract: 针对新陈小米检测操作繁琐、成本高、耗时长，对检测人员专业性要求高等问题，本发明公开了一种新陈小米的太赫兹时域光谱定量检测方法。利用太赫兹时域光谱技术结合偏最小二乘回归(PLSR)和支持向量回归(SVR)对混合新陈小米的含量实现了精准定量分析，且分析精度达到2％；在支持向量回归(SVR)模型训练过程中时，分别使用网格搜索(GPA)、粒子群(PSO)、长鼻浣熊(COA)以及改进的长鼻浣熊群优化算法对模型参数进行寻优，其中改进的长鼻浣熊算法的寻优效果最佳，进一步提高了模型预测效果。本发明提供的新陈小米定量检测方法具有快速、准确、安全、环保等方面的优势。
-
Patent Agency Ranking
公开(公告)号：CN119826577A
公开(公告)日：2025-04-15
申请号：CN202510024008.X
申请日：2025-01-07
Applicant: 广西科学院 , 桂林电子科技大学 , 吉利百矿集团有限公司 , 广西海洋科学院(广西红树林研究中心)
Abstract: 本发明涉及烟气余热利用技术领域，公开了一种电解槽低温烟气余热利用结构，包括罐体，所述罐体外壁固定连接有底座，所述罐体内部固定连接有液体流入管，所述罐体内部固定连接有液体流出管，所述罐体内部固定连接有烟气进入管，所述烟气进入管内部固定连接有烟气流出管，所述罐体内部设置有换热组件；所述换热组件包括隔断板，所述隔断板外壁固定连接在罐体内部。本发明中，烟气进入管将烟气排入罐体内部，扰流板让烟气在罐体时间更长，液体流入管流入冷水，U型连接管流动，液体通过U型连接管另一端流出，液体流出管排出，达到了高效换热的效果，解决使用板式换热器，存在管道缝隙狭小，降低换热效率问题，提高余热利用结构的实用性。
-
公开(公告)号：CN108667684B
公开(公告)日：2021-04-30
申请号：CN201810293188.1
申请日：2018-03-30
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明公开了一种基于局部向量点积密度的数据流异常检测方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口W中数据集Sm并初始化参数n，ε，λ；3)获取向量点积均值MVP；4)确定当前滑动窗口W中数据集Sm的最佳邻域半径r及r邻域；5)获取各数据点的局部向量点积密度LDVP；6)确定当前滑动窗口中的候选异常点；7)多重验证得到确定异常点。这种方法在高维空间和异常分布不均匀的数据集上，能准确有效的检测出当前实时、快速和多变的复杂数据流环境下隐藏的异常点，这种方法在无需聚类的情况下，能高效完成数据集的异常检测，且人为预设参数少，在不同异常占比和不同维数的情况下具有更高的鲁棒性和更强的自适应性。
-
公开(公告)号：CN107682319B
公开(公告)日：2020-07-03
申请号：CN201710823063.0
申请日：2017-09-13
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
IPC: H04L29/06 , G06F16/2458 , G06F16/906
Abstract: 公开了一种基于增强型角度异常因子的数据流异常检测及多重验证的方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口中数据集S；3)初始化参数k、r、ξ；4)获取距离矩阵dist；5)得到r邻域点集合；6)得到r邻域点集合的角度因子和局部密度7)获取相异度；8)获取各数据点的簇心因子；9)获取归属矩阵；10)确定簇心并聚类；11)对聚类后的各簇分别进行异常检测；12)多重验证。这种方法运用了滑动窗口和基本窗口技术，构造了高效的数据流处理模型，降低了内存的占用率、实时性好、异常检测准确率高、时间复杂度低。
-
公开(公告)号：CN108667684A
公开(公告)日：2018-10-16
申请号：CN201810293188.1
申请日：2018-03-30
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明公开了一种基于局部向量点积密度的数据流异常检测方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口W中数据集Sm并初始化参数n，ε，λ；3)获取向量点积均值MVP；4)确定当前滑动窗口W中数据集Sm的最佳邻域半径r及r邻域；5)获取各数据点的局部向量点积密度LDVP；6)确定当前滑动窗口中的候选异常点；7)多重验证得到确定异常点。这种方法在高维空间和异常分布不均匀的数据集上，能准确有效的检测出当前实时、快速和多变的复杂数据流环境下隐藏的异常点，这种方法在无需聚类的情况下，能高效完成数据集的异常检测，且人为预设参数少，在不同异常占比和不同维数的情况下具有更高的鲁棒性和更强的自适应性。
-
公开(公告)号：CN107682319A
公开(公告)日：2018-02-09
申请号：CN201710823063.0
申请日：2017-09-13
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 公开了一种基于增强型角度异常因子的数据流异常检测及多重验证的方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口中数据集S；3)初始化参数k、r、ξ；4)获取距离矩阵dist；5)得到r邻域点集合；6)得到r邻域点集合的角度因子 和局部密度 7)获取相异度；8)获取各数据点的簇心因子；9)获取归属矩阵；10)确定簇心并聚类；11)对聚类后的各簇分别进行异常检测；12)多重验证。这种方法运用了滑动窗口和基本窗口技术，构造了高效的数据流处理模型，降低了内存的占用率、实时性好、异常检测准确率高、时间复杂度低。
-
-
-
-
-
-
Search Results
7
records
(took 0.036 seconds)
