-
公开(公告)号：CN108846822B
公开(公告)日：2021-08-24
申请号：CN201810558973.5
申请日：2018-06-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于混合神经网络的可见光图像和红外光图像的融合方法，涉及图像识别技术领域，解决的问题是图像融合算法不需要监督学习提取特征进行分类从而实现图像融合，该方法包括如下步骤：（1）建立由基本单元堆叠而成的混合神经网络结构；（2）对训练和测试图像进行预处理；（3）使用可见光和红外光图像训练混合神经网络模型；（4）测试混合神经网络模型，得到最后的融合图像。采用本发明技术方案的图像融合算法不需要监督学习提取特征进行分类，改善了融合算法对先验知识的依赖性。
-
公开(公告)号：CN109088893B
公开(公告)日：2020-11-06
申请号：CN201811239107.6
申请日：2018-10-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种云环境下基于聚合签密的多用户群认证通信方法，通过在云服务器认证模块查出伪造身份信息并通过聚合签密对用户的签名实行高效率的验证，以及过滤非法用户访问，并且基于数学困难问题使得恶意攻击者无法获得用户的私密信息，保证通信的高效性，防止了DDOS攻击。本发明具有实现高效性，安全性，易验证等特点，适合于需要用户负载量大的网络云服务器等。
-
公开(公告)号：CN109446804B
公开(公告)日：2022-02-01
申请号：CN201811127767.5
申请日：2018-09-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多尺度特征连接卷积神经网络的入侵检测方法，使用卷积神经网络的超强特征提取能力提取到入侵数据中的关键特征和关联特征，使得提取到的特征在各种环境下都有较强的鲁棒性，网络结构也有很强的普适性。同时利用卷积自编码器和未标注数据对卷积层组参数进行预训练，使得网络即使在标注数据量较少的情况下也能够获得很好的效果，解决了大量数据标注困难的问题。当训练的卷积神经网络达到要求之后保存网络参数，之后的系统部署过程不需要再次进行训练，给系统的实施和部署带来了便利。当采集到新的网络入侵数据，之前训练的权重可以作为初始值载入网络进行微调训练，该入侵检测网络可以寻求到更优的性能。
-
公开(公告)号：CN109446804A
公开(公告)日：2019-03-08
申请号：CN201811127767.5
申请日：2018-09-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多尺度特征连接卷积神经网络的入侵检测方法，使用卷积神经网络的超强特征提取能力提取到入侵数据中的关键特征和关联特征，使得提取到的特征在各种环境下都有较强的鲁棒性，网络结构也有很强的普适性。同时利用卷积自编码器和未标注数据对卷积层组参数进行预训练，使得网络即使在标注数据量较少的情况下也能够获得很好的效果，解决了大量数据标注困难的问题。当训练的卷积神经网络达到要求之后保存网络参数，之后的系统部署过程不需要再次进行训练，给系统的实施和部署带来了便利。当采集到新的网络入侵数据，之前训练的权重可以作为初始值载入网络进行微调训练，该入侵检测网络可以寻求到更优的性能。
-
公开(公告)号：CN108874927A
公开(公告)日：2018-11-23
申请号：CN201810548730.3
申请日：2018-05-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于超图和随机森林的入侵检测方法，属网络入侵检测技术领域，包括如下步骤：（1）数据预处理；（2）特征筛选得到新的特征子集；（3）计算各个类别中每个特征的Fisher分值并进行将序排列；（4）将测试样本集输入权重随机森林分类器，得到测试样本的最终的入侵检测结果。本发明基于特征择优的方法，先对数据进行降维处理再进行分类，提高了入侵检测速度和分类器的准确率、降低了检测误报率。
-
Patent Agency Ranking
公开(公告)号：CN108874927B
公开(公告)日：2021-10-15
申请号：CN201810548730.3
申请日：2018-05-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于超图和随机森林的入侵检测方法，属网络入侵检测技术领域，包括如下步骤：（1）数据预处理；（2）特征筛选得到新的特征子集；（3）计算各个类别中每个特征的Fisher分值并进行将序排列；（4）将测试样本集输入权重随机森林分类器，得到测试样本的最终的入侵检测结果。本发明基于特征择优的方法，先对数据进行降维处理再进行分类，提高了入侵检测速度和分类器的准确率、降低了检测误报率。
-
公开(公告)号：CN109035189B
公开(公告)日：2021-07-23
申请号：CN201810782395.3
申请日：2018-07-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于柯西模糊函数的红外与弱可见光图像融合方法，首先利用改进的引导滤波来自适应增强提高弱可见光图像暗区域的可视性，然后利用NSST对红外和增强后的弱可见光图像进行多尺度分解得到红外图像和增强后的弱可见光图像的低频分量与高频分量；接着，利用直觉模糊集构建柯西隶属函数对红外图像和增强后的弱可见光图像的低频分量进行融合，并利用自适应的双通道脉冲发放皮层模型对红外图像和增强后的弱可见光图像的高频分量进行融合；最后利用非下采样剪切波逆变换对融合后的低频分量和高频分量进行重构，得到最终融合图像。本发明能够更加有效地提取图像的细节信息，并获得更好的融合效果。
-
公开(公告)号：CN110175970A
公开(公告)日：2019-08-27
申请号：CN201910419031.3
申请日：2019-05-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进FPDE和PCA的红外与可见光图像融合方法,包括以下主要步骤：1）使用改进的FPDE方法对红外和可见光图像进行分解；2）利用引导滤波对低频分量进行融合；3）利用改进的PCA方法对高频分量进行融合；4）利用线性组合进行重构得到最终融合图像。本发明避免了融合图像出现块状效应并能更好的权衡融合图像的边缘保留和平滑。
-
公开(公告)号：CN109492682A
公开(公告)日：2019-03-19
申请号：CN201811273813.2
申请日：2018-10-30
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种多分枝随机森林数据分类方法，涉及随机森林数据分类技术领域，解决的技术问题是提供一种提高数据分类的性能和准确率的分类方法，该方法包括如下步骤：（一）给出未分类数据集，应用PCA算法对数据降维去噪；（二）应用K-means算法完成数据的聚类操作；（三）构建多分枝随机森林；（四）使用多分枝随机森林模型完成对数据的分类操作。采用本发明的技术方案可以提高数据分类的性能和准确率。
-
公开(公告)号：CN109088893A
公开(公告)日：2018-12-25
申请号：CN201811239107.6
申请日：2018-10-23
Applicant: 桂林电子科技大学
CPC classification number: H04L63/1458 , H04L9/0861 , H04L9/3026 , H04L9/3236 , H04L9/3247 , H04L63/0245 , H04L63/0428 , H04L63/08 , H04L63/126 , H04L67/10
Abstract: 本发明公开一种云环境下基于聚合签密的多用户群认证通信方法，通过在云服务器认证模块查出伪造身份信息并通过聚合签密对用户的签名实行高效率的验证，以及过滤非法用户访问，并且基于数学困难问题使得恶意攻击者无法获得用户的私密信息，保证通信的高效性，防止了DDOS攻击。本发明具有实现高效性，安全性，易验证等特点，适合于需要用户负载量大的网络云服务器等。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
