-
公开(公告)号：CN114494756A
公开(公告)日：2022-05-13
申请号：CN202210007090.1
申请日：2022-01-05
IPC: G06V10/762 , G06V10/764 , G06V10/82 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于Shape‑GIoU改进的聚类算法，弥补了原始GIoU中会退化为IoU的问题，通过引入一个比例系数λ/β，将两框宽高比的影响引入公式，可以解决GIoU会退化的问题，考虑了两框非覆盖面积以及宽高比的影响，使YOLOv4算法的检测性能有了部分提升；首先构建数据集并对样本数据预处理；其次将提出的Shape‑GIoU方法引入到K‑means++聚类方法中，然后将所得anchor值对原版YOLOv4算法的cfg文件中的anchor进行替换；最后对比使用K‑means++聚类方法的YOLOv4算法模型，分析测试结果；本发明提出的基于Shape‑GIoU改进的聚类算法相比K‑means++聚类算法，可以解决GIoU会退化的问题，考虑了非覆盖面积以及宽高比的影响，提升了YOLOv4算法模型的检测精度和召回率；另外本发明方法仍然能够在其他经典算法模型结合使用，并提升算法模型的检测性能。
-
公开(公告)号：CN114419584A
公开(公告)日：2022-04-29
申请号：CN202210007083.1
申请日：2022-01-05
Abstract: 本发明提出了一种改进的非极大值抑制YOLOv4交通标志识别定位方法，解决标准YOLOv4算法非极大值抑制(NMS)人为设定阈值和遇到被检测物体在同一区域内高度重叠时无法区分的问题；首先下载通用数据集tt100k数据集与LISA数据集，并进行数据增强；其次使用标准YOLOv4网络对两个增强后的数据集进行训练，检测其性能；然后针对现有标准YOLOv4算法中NMS的缺点提出改进版NMS算法，并将其嵌入YOLOv4模型进行训练；最后对比标准YOLOv4算法，分析测试结果；本发明提出的基于NMS改进的YOLOv4算法，引入分数重置的思想，综合考虑重叠度与置信度得分后，得到了合适的函数作为NMS改进的核心；改进后的NMS算法更适合于检测区域中有多个检测目标重叠的情况，且鲁棒性较好，可用于多个数据集的性能提升。
-
公开(公告)号：CN110730099B
公开(公告)日：2022-02-08
申请号：CN201910999685.8
申请日：2019-10-21
Applicant: 电子科技大学
IPC: H04L41/0213 , H04L41/14 , H04L41/147 , H04L41/142 , H04L43/0894
Abstract: 本发明属于网络流量数据监测技术领域，公开了基于历史流量数据时间序列的流量预测方法，包括网络流量特征分析与设计、流量数据获取与预处理、流量模型设计和建模及预测步骤，考虑流量数据特征、预测准确性、复杂度、可优化维护等需求后，设计一种传统的时间序列建模方法，对网络流量进行预测。
-
公开(公告)号：CN110111772B
公开(公告)日：2021-07-23
申请号：CN201910404789.X
申请日：2019-05-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种加密VoIP网络流量所使用语言的识别方法，本发明属于网络安全技术领域，包括建模步骤、采集处理步骤和比对识别步骤，建模步骤通过使用不同语言形成的VoIP包长序列特征建立参考语言包长概率分布模型；采集处理步骤采集待识别的VoIP网络流量所使用的语言数据并进行预处理，所述预处理是将语言数据按照语言类型分类形成目标语言包长概率分布模型；比对识别步骤将采集处理步骤中形成的目标语言包长概率分布模型与建模步骤中建立的参考语言包长概率分布模型逐一进行比对，选取与目标语言包长概率分布模型相似度最高的参考语言包长概率分布模型对应的语言作为结构进行输出。
-
公开(公告)号：CN110620937B
公开(公告)日：2021-07-30
申请号：CN201911000061.7
申请日：2019-10-21
Applicant: 电子科技大学
IPC: H04N21/234 , H04N21/44 , H04N21/2347 , H04N21/8547 , H04N21/24 , H04N21/442 , H04N21/845 , H04N21/8543
Abstract: 本发明属于计算机网络安全技术领域，公开了一种基于HTTP的动态自适应加密视频流量分类识别方法，属于网络安全技术领域。包括加密视频流量数据采集及预处理、计算时间序列相似度、通过提出的最近邻和最近类算法进行相似度判断等内容。本发明的优点在于仅使用加密视频流的BPP一个特征，在不解密流量的前提下，识别出其中的视频。该方法不解密流量，不侵犯用户隐私，且取得了较好的准确率。
-
Patent Agency Ranking
-
公开(公告)号：CN114494756B
公开(公告)日：2025-05-23
申请号：CN202210007090.1
申请日：2022-01-05
IPC: G06V10/762 , G06V10/764 , G06V10/82 , G06V40/16 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于Shape‑GIoU改进的聚类算法，弥补了原始GIoU中会退化为IoU的问题，通过引入一个比例系数λ/β，将两框宽高比的影响引入公式，可以解决GIoU会退化的问题，考虑了两框非覆盖面积以及宽高比的影响，使YOLOv4算法的检测性能有了部分提升；首先构建数据集并对样本数据预处理；其次将提出的Shape‑GIoU方法引入到K‑means++聚类方法中，然后将所得anchor值对原版YOLOv4算法的cfg文件中的anchor进行替换；最后对比使用K‑means++聚类方法的YOLOv4算法模型，分析测试结果；本发明提出的基于Shape‑GIoU改进的聚类算法相比K‑means++聚类算法，可以解决GIoU会退化的问题，考虑了非覆盖面积以及宽高比的影响，提升了YOLOv4算法模型的检测精度和召回率；另外本发明方法仍然能够在其他经典算法模型结合使用，并提升算法模型的检测性能。
-
公开(公告)号：CN111896929B
公开(公告)日：2023-08-04
申请号：CN202010881584.3
申请日：2020-08-28
IPC: G01S7/41
Abstract: 本发明公开了一种非均匀MIMO雷达的DOD/DOA估计算法，主要解决现有技术布阵不灵活，计算复杂度较高的问题。其实现过程是：首先将MIMO雷达收发阵列非均匀化，进行单次快拍采样，然后针对稀疏字典所带来的高维搜索问题进行降维，利用发射角和接收角的阵列流形矩阵关系，通过两个一维字典，降低算法的运算量，不仅实现了稀疏信号从高维到低维的映射，还通过信号稀疏重构过程完成了角度的自动配对。值得说明的是，本发明所提方法由于引进了稀疏重构算法，不仅能够实现多目标下的DOD和DOA联合估计，降低算法的复杂度，而且可以在不用考虑信号源相干的影响对空间相干目标源进行处理，易于工程实现，应用更为广泛。
-
公开(公告)号：CN111896929A
公开(公告)日：2020-11-06
申请号：CN202010881584.3
申请日：2020-08-28
IPC: G01S7/41
Abstract: 本发明公开了一种非均匀MIMO雷达的DOD/DOA估计算法，主要解决现有技术布阵不灵活，计算复杂度较高的问题。其实现过程是：首先将MIMO雷达收发阵列非均匀化，进行单次快拍采样，然后针对稀疏字典所带来的高维搜索问题进行降维，利用发射角和接收角的阵列流形矩阵关系，通过两个一维字典，降低算法的运算量，不仅实现了稀疏信号从高维到低维的映射，还通过信号稀疏重构过程完成了角度的自动配对。值得说明的是，本发明所提方法由于引进了稀疏重构算法，不仅能够实现多目标下的DOD和DOA联合估计，降低算法的复杂度，而且可以在不用考虑信号源相干的影响对空间相干目标源进行处理，易于工程实现，应用更为广泛。
-
公开(公告)号：CN111983554A
公开(公告)日：2020-11-24
申请号：CN202010881593.2
申请日：2020-08-28
IPC: G01S3/14
Abstract: 本发明针对L型阵列阵元数较多，运算复杂的问题，公开了一种基于非均匀L型阵列的高精度二维DOA估计算法。本发明方法能够在减少阵元数、降低复杂度的同时提高估计精度。实施方式如下：首先将与6阵元二阶嵌套阵自由度相同的两个非均匀线阵扩展为L型阵来接收入射信号；然后根据接收数据求得两个子阵的虚拟阵列接收数据矩阵；并通过构造辅助算子来获取子阵的信号子空间，降低运算量；最后利用ESPRIT算法的思想得到俯仰角和方位角的估计值，并对方位角和俯仰角进行配对。本发明提出的基于非均匀L型阵列的高精度估计算法，能够在阵列面积不变的情况下，降低阵元数，提高DOA估计精度，而且相比传统方法具有较低的计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
