-
公开(公告)号：CN119961774A
公开(公告)日：2025-05-09
申请号：CN202411822026.4
申请日：2024-12-11
Applicant: 清华大学 , 清华大学深圳国际研究生院
IPC: G06F18/2413 , G06F18/213 , G06F18/21
Abstract: 本申请涉及一种加密流量分类方法、装置、电子设备及存储介质，其中，方法包括：首先利用同一业务类型下不同应用之间的固有流量特征差异，将各业务类型分为多个子类；接着利用深度度量学习方法在提取同一业务类型下的子类差异性特征的同时保留共性特征，实现对各业务类型特征空间的多中心解耦，从而构建出一个多中心加密流量分类器；利用该多中心加密流量分类器对未知应用的流量样本进行分类，通过比较未知应用流量样本到各子类特征中心的距离，识别未知应用样本对应的加密流量类型。由此，解决了现有的加密流量分类方法对未知应用的流量样本分类准确性较差等问题。
-
公开(公告)号：CN118748603A
公开(公告)日：2024-10-08
申请号：CN202410777779.1
申请日：2024-06-17
Applicant: 清华大学 , 清华大学深圳国际研究生院
IPC: H04L9/40
Abstract: 本发明涉及网页流量识别技术领域，特别涉及一种网页流量识别方法、装置、电子设备及存储介质，包括：获取网页流量序列中的目标报文，并对目标报文进行预处理，提取目标报文的上下文局部特征，通过预设的自注意力机制计算上下文局部特征的相关性，并基于相关性，通过预设的全连接神经网络输出目标报文的分类类别，得到目标报文对应的网页类别，进而得到流量序列对应的网页类别序列，最终得到对应的网页流量识别结果。由此，解决了无法对多个不同网页的混合流量进行区分，无法准确地识别出混合流量中包含的所有网页类别的问题，通过对同一网页的流量特征进行相关计算，实现对不同网页流量特征的区分，从而实现对整个流量序列的多标签网页流量识别。
-
公开(公告)号：CN117481702A
公开(公告)日：2024-02-02
申请号：CN202311690208.6
申请日：2023-12-11
Applicant: 清华大学 , 清华大学深圳国际研究生院
Abstract: 本发明涉及一种咽拭子自动采集装置，其包括：夹爪机构、压力采集机构、图像采集机构和角度调节机构；所述夹爪机构的前端用于夹持咽拭子，后端与所述压力采集机构的前端连接，且所述压力采集机构和所述图像采集机构的后端均与所述角度调节机构连接，所述角度调节机构用于调节所述压力采集机构、所述夹爪机构和所述图像采集机构的角度，以完成咽拭子的夹取和放下、以及咽拭子对口腔的采集工作；所述图像采集机构包括摄像头、补光灯、以及设置在所述摄像头后端的第一调节组件和设置在所述补光灯后端的第二调节组件，所述第一调节组件和所述第二调节组建的后端与所述角度调节机构连接。
-
公开(公告)号：CN117446454A
公开(公告)日：2024-01-26
申请号：CN202311687839.2
申请日：2023-12-11
Applicant: 清华大学 , 清华大学深圳国际研究生院
IPC: B65G47/14 , B65G47/90 , B65G47/248
Abstract: 一种咽拭子上料装置，包括底座，底座上安装有出料机构和夹持翻转机构，其中出料机构用于间隔的向夹持翻转机构提供处于第一状态下的咽拭子，夹持翻转机构用于夹持并将处于第一状态下的咽拭子翻转使其处于第二状态，在底座上对应咽拭子状态改变的位置设置有运料口，此外还包括控制器，用于控制出料机构和夹持翻转机构的工作。本发明的咽拭子上料装置，能够自动为咽拭子自动采集机器人提供所需的咽试子，通过控制器的程序化控制，实现自动间隔有序出料，机构设计紧凑，控制逻辑简单，并且装料方便、功能模块化，便于拆装维修。
-
公开(公告)号：CN114781651B
公开(公告)日：2024-12-24
申请号：CN202210565539.6
申请日：2022-05-23
Applicant: 清华大学深圳国际研究生院 , 鹏城实验室
IPC: G06N20/00 , G06F40/30 , G06F40/242 , G06F40/166
Abstract: 本发明公开了一种基于对比学习的小样本学习鲁棒性提升方法，包括以下步骤：S1、对原始数据集进行预处理，构造对抗数据集和对比数据集；S2、将原始数据集、对抗数据集和对比数据集分别输入预训练语言模型中，得到相应的嵌入表示，并使用对比学习损失函数计算三种嵌入表示之间的距离；S3、根据对比学习损失函数与原模型的损失函数计算模型更新的梯度，以总体损失更小为目标来训练模型。本发明通过构造对抗和对比数据集为模型鲁棒性学习提供数据支持，使用对比学习目标函数计算损失能够更好地获取原始样本与对抗样本的相似性，也能更好地区分原始样本与对比样本的差异，从而提升模型受到对抗或者对比扰动时的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119052789A
公开(公告)日：2024-11-29
申请号：CN202411058459.7
申请日：2024-08-02
Applicant: 清华大学深圳国际研究生院
IPC: H04W12/0433 , H04W12/0431 , H04W12/041 , H04W12/60 , H04W12/00 , H04W52/02
Abstract: 本申请涉及一种基于端边一体融合的雾计算低功耗通信方法，适用于雾层节点，用户洗车时，所述方法包括步骤：与云层保持实时通信，并向洗车终端发起临时通信请求；接收云层的一次秘钥库验证通过后并返回的一次性的第一秘钥，并发送至洗车终端进行终端唤醒；与唤醒后的洗车终端进行订单交互，并接收所述洗车终端基于订单结果生成的一次性的第二秘钥，且存储后发送至云层的二次秘钥库存储。从而，除了新用户的首次洗车，之后的任一次洗车，都是以上一次的洗车作为信用基础，排除了个别用户恶意访问洗车终端的情况发生，进而加强了对离线状态的洗车终端的保护。本申请还涉及适用于云层和洗车终端的通信方法。
-
公开(公告)号：CN118796966A
公开(公告)日：2024-10-18
申请号：CN202411096264.1
申请日：2024-08-12
Applicant: 清华大学深圳国际研究生院 , 北京三快在线科技有限公司
IPC: G06F16/29 , G06F18/241 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种用于神经网络训练的大规模POI数据处理和加载方法，包括以下步骤：S1：定义基本参数；S2：辅助文件构建；S3：数据加载，即为系统实际使用时的工作过程，对步骤S1中的辅助文件进行逐步解析以得到结果。采用本方法，POI相关数据的处理高效且磁盘和内存占用低；随机读取高效，复杂度为O(1)，内存占用低；分割为训练、验证和测试集的过程高效、计算资源消耗低。
-
公开(公告)号：CN118762513A
公开(公告)日：2024-10-11
申请号：CN202410845620.9
申请日：2024-06-27
Applicant: 清华大学深圳国际研究生院 , 深圳悟空投资管理有限公司
IPC: G08G1/01 , G06Q10/04 , G06N3/0464 , G06N3/0442
Abstract: 本发明提出一种基于双域归一化的交通流时间序列预测方法，通过同时在时间域和频率域内的归一化，动态捕捉交通流数据的分布变化，消除时间序列数据中的非平稳因素，然后利用分布预测模型进行预测，再进行去归一化过程，重构其非平稳信息，确保了预测结果能准确反映原始数据的非平稳性特征，从而保证了预测结果的可靠性与鲁棒性，显著提升了交通流时间序列预测的准确性和稳定性。具体而言，频率域归一化将时间序列分解为高频和低频成分，以捕捉快速变化和突变信息；时间域归一化则计算局部统计量，如均值和标准差，从而动态反映时间序列的快速变化。本发明方法显著提高了交通流预测性能，在交通流预测应用中展现出优越性。
-
公开(公告)号：CN118585714A
公开(公告)日：2024-09-03
申请号：CN202410727323.4
申请日：2024-06-06
Applicant: 清华大学深圳国际研究生院 , 深圳悟空投资管理有限公司
IPC: G06F16/9537 , G06F18/213 , G06N3/09
Abstract: 一种基于混合专家模型与检索增强的时序数据预测方法及应用，包括如下步骤：S1.使用自监督预训练网络对输入的时间序列数据进行处理，提取具有丰富语义信息的高级特征；S2.使用提取的高级特征通过检索模块从特征池检索出与待预测任务具有高相关性的特征，其中所述特征池是预先构建的具有代表性的数据集合；S3.使用提取的所述高级特征和检索结果，通过专家选择模块选出最优的专家网络；S4.使用提取的所述高级特征和检索结果，通过最优的专家网络得到预测结果。本发明提出的方法提高了时序数据预测的准确性，在其应用中为相关应用的设备运行、资源管理和调度决策提供了更好的支持。
-
公开(公告)号：CN114840747B
公开(公告)日：2024-08-23
申请号：CN202210404048.3
申请日：2022-04-18
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/9535 , G06F16/906 , G06N20/00 , G06F18/22
Abstract: 本发明公开了基于对比学习的新闻推荐方法，包括基于对比学习的用户兴趣抽取步骤；所述用户兴趣抽取步骤包括：提供一用户兴趣编码器，该用户兴趣编码器被配置为对用户浏览的新闻序列进行编码得到兴趣向量；对所述用户浏览的新闻序列进行编码得到第一兴趣向量；对所述用户浏览的新闻序列进行数据增强，再对数据增强后的新闻序列进行编码得到第二兴趣向量；训练所述用户兴趣编码器，训练过程中，引入使所述第一兴趣向量和所述第二兴趣向量相接近，并使所述第一兴趣向量与其它用户的兴趣向量相远离的兴趣对比学习损失。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.024 seconds)
