一种用于波达方向估计的稀疏阵列布阵方法

    公开(公告)号:CN114563759B

    公开(公告)日:2025-04-15

    申请号:CN202210167362.4

    申请日:2022-02-23

    Applicant: 西北大学

    Abstract: 本发明公开了一种用于波达方向估计的稀疏阵列布阵方法,本方法在嵌套阵列基础上,保留其左侧间距为入射信号半波长的密集子阵,重新排布其右侧稀疏子阵,并在左侧和右侧子阵之间设置较大间隔,其间隔大小由右侧子阵的排布确定。其实现的基本步骤是:确定阵列的阵元数,通过阵列孔径最大化的配置公式,获得阵列的参数,然后将参数代入阵列通项公式,确定各阵元的间距集合,最后将阵元间距集合转换成阵元位置集合。与传统基于嵌套阵列改进的稀疏阵列相比,本设计方法在阵元数相同的情况下,有效提高了阵列的孔径,同时提升了阵列进行波达方向估计的精度。特别指出,本发明的设计方法对于阵元较多(大于等于26)的布阵,阵列测向性能提升更为明显。

    一种融合AVAE和SE模块的图像异常检测方法

    公开(公告)号:CN117036786A

    公开(公告)日:2023-11-10

    申请号:CN202310904905.0

    申请日:2023-07-21

    Applicant: 西北大学

    Abstract: 本发明公开了一种融合AVAE和SE模块的图像异常检测方法:步骤1,获取需进行异常检测的图像数据,并对其进行预处理,将预处理后的数据划分训练集及测试集;步骤2,采用训练集对图像异常检测模型进行训练,得到训练好的图像异常检测模型;所述图像异常检测模型包括基于注意力机制的变分自编码器、SE模块和判别器,判别器连接到基于注意力机制的变分自编码器的输出端,基于注意力机制的变分自编码器包括编码器和解码器,SE模块连接在编码器和解码器之间;步骤3,将待检测的图像预处理后导入训练好的图像异常检测模型中得到异常分数。本发明的方法对实际工业环境下图像数据进行异常检测很有效。

    软件定义网络中基于特征遍历选择和模型动态更新分类算法的分布式拒绝服务攻击检测方法

    公开(公告)号:CN115865392A

    公开(公告)日:2023-03-28

    申请号:CN202210963780.4

    申请日:2022-08-11

    Applicant: 西北大学

    Abstract: 本发明公开了一种基于特征遍历选择和模型动态更新分类算法的分布式拒绝服务攻击检测方法,其实施环境在SDN网络环境下。通过控制器监控获取交换机上的流表,提取流表项中的多个特征数据,使用特征遍历选择和模型动态更新分类算法训练得到检测模型,在SDN网络架构下实时监控网络状态,对可疑流量进行DDoS攻击检测,定位受到攻击的OpenFlow交换机并删除攻击流表项,从而保证SDN网络的安全通信,避免造成资源耗尽、网络瘫痪等问题。该方法不仅可以实时更新动态数据集,而且检测时间短,准确率高,更好适应软件定义网络攻击检测的需求。

    数据中心间有截止时间约束的大数据传输带宽调度方法

    公开(公告)号:CN109617710A

    公开(公告)日:2019-04-12

    申请号:CN201811330842.8

    申请日:2018-11-09

    Applicant: 西北大学

    Abstract: 本发明属于计算机网络技术领域,具体公开了一种数据中心间有截止时间约束的大数据传输带宽调度方法,首先将用户输入请求分为固定带宽的大数据请求和可变带宽的大数据请求两种类型,并进行排序,然后依次按照排序后的请求序列进行判断处理,并采用两种不同的方法分别对固定带宽的大数据请求和可变带宽的大数据请求进行处理;本发明能够传输固定带宽的大数据传输请求和带宽可变的大数据传输请求两种不同类型的用户请求;针对固定带宽的大数据传输请求的处理,能够快速完成请求传输;针对可变带宽的大数据传输请求的处理,能够使调度成功率和用户满意度最大化,本发明提高了用户请求的调度成功率,充分利用了网络资源。

    基于双向门控卷积神经网络的网络流量异常检测分类方法

    公开(公告)号:CN116842467A

    公开(公告)日:2023-10-03

    申请号:CN202310760296.6

    申请日:2023-06-26

    Applicant: 西北大学

    Abstract: 本发明公开了一种基于双向门控卷积神经网络的网络流量异常检测分类方法:步骤1,对CIC‑IDS2017数据集进行数据预处理;步骤2,构建基于双向门控卷积神经网络的网络流量异常检测模型;步骤3,通过CrossEntropyLoss损失函数进行监督训练,得到训练好的基于双向门控卷积神经网络的网络流量异常检测模型。步骤4,将待检测网络流量数据进行预处理后输入步骤3得到的训练好的基于双向门控卷积神经网络的网络流量异常检测模型,输出异常检测结果。本发明的分类方法在多分类任务中优于其他现有模型,检测精度高,分类准确率具有一定的提升,本发明得到更具有代表性的特征信息进行分类判决,实现高性能的网络流量异常检测。

    一种基于图、引文和内容的论文混合推荐方法

    公开(公告)号:CN112364151B

    公开(公告)日:2023-06-27

    申请号:CN202011156053.4

    申请日:2020-10-26

    Applicant: 西北大学

    Abstract: 本发明公开了一种基于图、引文和内容的论文混合推荐方法,通过引文关系构建有向引文图来查找相关论文集,并结合基于引文与基于内容的方法来计算论文之间的相似度,按照混合模型产生的相似度对相关论文集进行排序和推荐。考虑到不同章节的引用重要性不同,对基于引文的方法进行了改进,提出了基于章节的引文相似度,对不同章节的引文分配不同的权重,从而提高推荐的准确性。

    一种高性能网络中的周期调度方法

    公开(公告)号:CN110417682B

    公开(公告)日:2022-07-29

    申请号:CN201910548384.3

    申请日:2019-06-24

    Applicant: 西北大学

    Abstract: 本发明属于计算机网络技术领域,具体公开了一种高性能网络中的周期调度方法。本发明的方法包括对于给定的一批在局域网最大传输带宽和截止时间约束下的多个用户预留请求,本发明旨在传输时隙内找出灵活的路径条数,并利用灵活的带宽进行传输,本发明提供的调度方法能够以最小的带宽消耗比率,在最小的平均完成时间的情况下,处理更多的请求。

    数据中心间有截止时间约束的大数据传输带宽调度方法

    公开(公告)号:CN109617710B

    公开(公告)日:2020-07-07

    申请号:CN201811330842.8

    申请日:2018-11-09

    Applicant: 西北大学

    Abstract: 本发明属于计算机网络技术领域,具体公开了一种数据中心间有截止时间约束的大数据传输带宽调度方法,首先将用户输入请求分为固定带宽的大数据请求和可变带宽的大数据请求两种类型,并进行排序,然后依次按照排序后的请求序列进行判断处理,并采用两种不同的方法分别对固定带宽的大数据请求和可变带宽的大数据请求进行处理;本发明能够传输固定带宽的大数据传输请求和带宽可变的大数据传输请求两种不同类型的用户请求;针对固定带宽的大数据传输请求的处理,能够快速完成请求传输;针对可变带宽的大数据传输请求的处理,能够使调度成功率和用户满意度最大化,本发明提高了用户请求的调度成功率,充分利用了网络资源。

Patent Agency Ranking