-
公开(公告)号：CN103075183B
公开(公告)日：2015-07-15
申请号：CN201210576519.5
申请日：2012-12-27
Applicant: 电子科技大学
Abstract: 本发明提供一种探测矿难幸存人员信息的方法，针对矿难时地下和地面信息传递的不便，提出了以矿区内现成金属管道网络为传输媒介，通过震动波传递信息，以地面多个传感器为接收单元，检测矿洞内敲击金属管道产生的震动波来探测矿洞中幸存人员的方案。本发明能可靠地探测出敲击金属管道产生的震动波确定被困人员的存在。
-
公开(公告)号：CN111260033A
公开(公告)日：2020-06-09
申请号：CN202010040177.X
申请日：2020-01-15
Applicant: 电子科技大学
Abstract: 本发明属于计算机安全技术领域，涉及网站安全中的异常检测方法，具体的说是一种基于卷积神经网络模型的网站后门检测方法。包括以下步骤：步骤1：从网站服务器中提取普通网页文件样本，从网上搜集恶意后门文件样本，删除注释等冗余信息并划分训练集和测试集；步骤2：对步骤1中提取的数据进行预处理；步骤3：搭建卷积神经网络，根据步骤2得到的数据对卷积神经网络进行训练，得到卷积神经网络模型；步骤4：根据步骤3得到的模型进行实时检测网站服务器中的网页文件样本是否存在后门文件样本。本发明训练的模型能检测多种语言的Webshell，同时能对通过混淆编码进行隐藏的样本具有很好的检测效果，准确率高，召回率和F1值效果都很好。
-
公开(公告)号：CN109257699A
公开(公告)日：2019-01-22
申请号：CN201811357195.X
申请日：2018-11-15
Applicant: 电子科技大学
Abstract: 本发明属于通信技术领域，特别是一种利用梯度提升树的无线传感器网络定位方法。本发明的目的在于不增加额外的测距设备以及不大幅增加定位时间的前提下，提高定位精度。首先，所有信标节点与所有未知节点进行通信，该步骤与DV-hop中第一步完全相同，然后以每个信标节点到其余各信标节点的跳段数构成的向量与实际距离分别作为输入特征与输出，利用推荐参数，训练每个信标节点对应的梯度提升树模型，最终，各未知节点以其到各信标节点的跳段数作为输入，利用每个信标节点的梯度提升树模型得到未知节点到各个信标节点的距离。
-
公开(公告)号：CN104636609A
公开(公告)日：2015-05-20
申请号：CN201510049964.X
申请日：2015-01-30
Applicant: 电子科技大学
Abstract: 本发明属于信号处理技术领域，尤其涉及低信噪比下加性高斯白噪声信号的去噪方法。本发明根据信号的自相关性，对信号求自相关，所述信号的自相关函数在零点处取得最大值，幅度随着时间差的变化而变化，并不会很快的衰减到很小的值。对混有高斯白噪声的信号进行EMD分解，由于EMD分解的性质，高斯白噪声已不再是真正的白噪声，但白噪声的统计特性近似存在，即所述混有高斯白噪声的信号的自相关函数在零点取得最大值，幅值随着时间差的变化而变化，但其随着时间的衰减很快。利用这种差异可以选取出噪声起主导作用的IMF分量有效降低噪声对信号的影响。在低信噪比条件下，本发明的去噪性能优于传统方法，能够在价低信噪比条件下完成信号去噪。
-
公开(公告)号：CN103075183A
公开(公告)日：2013-05-01
申请号：CN201210576519.5
申请日：2012-12-27
Applicant: 电子科技大学
Abstract: 本发明提供一种探测矿难幸存人员信息的方法，针对矿难时地下和地面信息传递的不便，提出了以矿区内现成金属管道网络为传输媒介，通过震动波传递信息，以地面多个传感器为接收单元，检测矿洞内敲击金属管道产生的震动波来探测矿洞中幸存人员的方案。本发明能可靠地探测出敲击金属管道产生的震动波确定被困人员的存在。
-
Patent Agency Ranking
公开(公告)号：CN115236588B
公开(公告)日：2024-10-01
申请号：CN202210889076.9
申请日：2022-07-27
Applicant: 电子科技大学
IPC: G01S3/14
Abstract: 本发明属于无线通信技术领域，特别是涉及一种基于混合分辨率量化的互质阵列波达方向估计方法。本发明首先推导出混合分辨率量化下的互质阵列输出信号模型，并利用混合分辨率的量化数据构造了差分信号。然后基于混合分辨率的量化差分信号，提出了一个原子范数最小化问题来重构一个无噪声、非量化的Toeplitz矩阵。在得到该矩阵后，采用子空间方法进行波达方向估计。本发明方法减少了混合量化带来的信息损失。仿真试验结果表明，本发明方法在利用混合分辨率量化数据进行波达方向估计时，优于其他现有方法。
-
公开(公告)号：CN112907446A
公开(公告)日：2021-06-04
申请号：CN202110174059.2
申请日：2021-02-07
Applicant: 电子科技大学
Abstract: 本发明属于图像处理领域，具体是涉及一种基于卷积神经网络的图像超分辨率重建方法。本发明方法根据分组卷积将特征图像分组、跳跃连接可以改变特征图像的卷积顺序的原理，利用分组卷积与跳跃连接结合的方式对卷积神经网络进行改进，分组卷积的方式将不同组特征图像在不同的层数进行卷积，使得卷积神经网络具有更加丰富的非线性映射特性；跳跃连接的方式有效的减少了卷积中所使用的参数数目，将不同组的特征图像利用跳跃连接的方式进行结合，得到更深的卷积层，能够对图像的高级特征进行提取而不加大计算量。本发明方法能够在相较于传统网络的参数数目没有较大提升的基础上提升重建图像质量。
-
公开(公告)号：CN100520443C
公开(公告)日：2009-07-29
申请号：CN200410081427.5
申请日：2004-12-09
Applicant: 电子科技大学
Abstract: 本发明提供了一种雷达图像相干斑抑制技术，它从雷达图像与相干斑噪声间相互独立这一重要统计特征出发，利用基于高阶统计量的分析方法，将相干斑噪声从雷达图像中分离出来，以实现雷达图像的相干斑抑制。采用本发明的方法，可以使雷达图像的相干斑噪声得到明显的降低、图像质量得到明显改善，在边缘信息、目标特征上具有更高的保持效果，很好地解决了抑制相干斑噪声与图像边缘特征保持这一对矛盾。而且，本发明具有结构简单、收敛速度快的特点。
-
公开(公告)号：CN115270964A
公开(公告)日：2022-11-01
申请号：CN202210903402.7
申请日：2022-07-27
Applicant: 电子科技大学
Abstract: 本发明属于机器学习领域，具体涉及一种基于改进联邦学习算法的恶意流量分类方法。针对目前恶意流量分类方法中存在的“数据孤岛”问题和原始联邦学习算法存在的数据异构问题，本发明设计并实现了一种基于改进联邦学习算法的恶意流量分类方法。相较于传统的分类方法，本发明不需要把数据进行集中训练，只需要通过中央服务器聚合各个参与者使用本地数据训练的模型参数来进行协作训练，维护了网络安全厂商的数据安全。相较于原始的联邦学习方法，本发明通过将具有近似数据分布的参与者划分为一个集群，使得每个集群里的数据分布呈现独立同分布，然后再将每个集群串行训练的方法使得联邦学习算法对非独立同分布的数据也呈现较好的效果。实验证明，本发明能够对恶意流量分类呈现较好的效果。
-
公开(公告)号：CN109257699B
公开(公告)日：2020-06-16
申请号：CN201811357195.X
申请日：2018-11-15
Applicant: 电子科技大学
Abstract: 本发明属于通信技术领域，特别是一种利用梯度提升树的无线传感器网络定位方法。本发明的目的在于不增加额外的测距设备以及不大幅增加定位时间的前提下，提高定位精度。首先，所有信标节点与所有未知节点进行通信，该步骤与DV‑hop中第一步完全相同，然后以每个信标节点到其余各信标节点的跳段数构成的向量与实际距离分别作为输入特征与输出，利用推荐参数，训练每个信标节点对应的梯度提升树模型，最终，各未知节点以其到各信标节点的跳段数作为输入，利用每个信标节点的梯度提升树模型得到未知节点到各个信标节点的距离。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.022 seconds)
