-
公开(公告)号：CN113837393B
公开(公告)日：2023-10-24
申请号：CN202111030938.4
申请日：2021-09-03
Applicant: 西北大学
IPC: G06N20/00 , G06F18/2415 , G06F18/2451 , G06F18/2411 , G06F17/18
Abstract: 本发明公开了一种基于概率和统计评估的无线感知模型鲁棒性检测方法，该方法首先训练一个底层感知模型，分别计算该无线感知模型预测测试样本过程中的概率向量和统计向量，其中的统计向量的实现步骤包括：根据保形预测理论的不一致性测量理论及步骤1中的机器学习算法定义一个不一致性测量函数；所述不一致性测量函数评估一个测试样本与之前的一组样本有众多不同，不一致性测量值越大表示该测试样本与该类之前的样本越不相似；然后定义校准数据集，计算不一致性测量得分以及计算统计向量；最后使用一个异常检测器判断底层感知模型对测试样本的预测是否正确。该方法可以用在任何基于机器学习的无线感知模型上面检测其在部署阶段的鲁棒性。
-
公开(公告)号：CN108959866B
公开(公告)日：2020-10-23
申请号：CN201810372791.9
申请日：2018-04-24
Applicant: 西北大学
Abstract: 本发明公开了一种基于高频声波频率的持续身份认证方法，该方法首先对合法用户构建身份模型，在构建模型时，利用电脑扬声器发射高频声波并采集麦克风录的声音信号提取频率段作为特征向量，通过支持向量机分类器得到合法用户的身份模型；在持续身份认证阶段，通过当前用户在使用键盘过程中采集的声音信号中对应的频率段作为检测向量，利用身份模型进行合法性判别。本发明方法是基于用户行为认证的，在用户使用电脑的时候，通过发射高频的声波，用户在击键的过程中对声波频率产生影响，由于不同的用户在击键过程中会对声波的频率产生不同的影响，因此可以使用该特征来对不同用户击键行为进行身份认证，防止攻击者进入系统后产生严重的影响。
-
公开(公告)号：CN109657739B
公开(公告)日：2023-03-24
申请号：CN201910018087.8
申请日：2019-01-09
Applicant: 西北大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08 , G01S7/539
Abstract: 本发明涉及一种基于高频声波短时傅里叶变换的手写字母识别方法，将高频声波信号的短时傅里叶变换得到的频谱图作为特征，通过裁剪、灰度处理以及归一化处理之后训练卷积神经网络训练模型，并使用该模型提取特征，最后使用SVM分类器识别用户所写的英文字母。本发明的识别方法，无需用户佩戴额外的可穿戴设备或部署其他收发设备，同时不受环境中说话等其他噪音的影响，同时使用了深度学习与机器学习的方法建立用户模型，而非定位的方法还原用户手的移动轨迹，避免了其他方法要求用户一笔完成手写字母的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN113837393A
公开(公告)日：2021-12-24
申请号：CN202111030938.4
申请日：2021-09-03
Applicant: 西北大学
Abstract: 本发明公开了一种基于概率和统计评估的无线感知模型鲁棒性检测方法，该方法首先训练一个底层感知模型，分别计算该无线感知模型预测测试样本过程中的概率向量和统计向量，其中的统计向量的实现步骤包括：根据保形预测理论的不一致性测量理论及步骤1中的机器学习算法定义一个不一致性测量函数；所述不一致性测量函数评估一个测试样本与之前的一组样本有众多不同，不一致性测量值越大表示该测试样本与该类之前的样本越不相似；然后定义校准数据集，计算不一致性测量得分以及计算统计向量；最后使用一个异常检测器判断底层感知模型对测试样本的预测是否正确。该方法可以用在任何基于机器学习的无线感知模型上面检测其在部署阶段的鲁棒性。
-
公开(公告)号：CN109657739A
公开(公告)日：2019-04-19
申请号：CN201910018087.8
申请日：2019-01-09
Applicant: 西北大学
Abstract: 本发明涉及一种基于高频声波短时傅里叶变换的手写字母识别方法，将高频声波信号的短时傅里叶变换得到的频谱图作为特征，通过裁剪、灰度处理以及归一化处理之后训练卷积神经网络训练模型，并使用该模型提取特征，最后使用SVM分类器识别用户所写的英文字母。本发明的识别方法，无需用户佩戴额外的可穿戴设备或部署其他收发设备，同时不受环境中说话等其他噪音的影响，同时使用了深度学习与机器学习的方法建立用户模型，而非定位的方法还原用户手的移动轨迹，避免了其他方法要求用户一笔完成手写字母的缺陷。
-
公开(公告)号：CN113033351B
公开(公告)日：2023-04-07
申请号：CN202110263167.7
申请日：2021-03-11
Applicant: 西北大学
IPC: G06V20/40 , G06V10/72 , G06V10/764 , G06V10/82 , G06V10/77 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于视频分析的CSI感知识别方法，包括如下步骤：步骤1、采集视频数据和CSI数据；步骤2、动作数据筛选，得到筛除后的视频数据和CSI数据；步骤3、对筛除后的视频数据统计动作样本位置和角度，根据动作样本位置和角度与阈值的比较结果，对动作样本进行补充，得到CSI数据集；步骤4、预处理得到CSI数据的动作对应的信号特征段；计算待测试CSI数据和CSI数据集中每个CSI数据之间的距离，最小的距离值对应的类别标签为待测试数据的类别标签。本发明将视频和CSI数据采集结合，在一定程度上克服了CSI数据筛选方法受限的问题，有效解决了CSI数据采集时动作分布不够广泛，数据多样性差造成的识别模型泛化能力差的问题。
-
公开(公告)号：CN108959866A
公开(公告)日：2018-12-07
申请号：CN201810372791.9
申请日：2018-04-24
Applicant: 西北大学
Abstract: 本发明公开了一种基于高频声波频率的持续身份认证方法，该方法首先对合法用户构建身份模型，在构建模型时，利用电脑扬声器发射高频声波并采集麦克风录的声音信号提取频率段作为特征向量，通过支持向量机分类器得到合法用户的身份模型；在持续身份认证阶段，通过当前用户在使用键盘过程中采集的声音信号中对应的频率段作为检测向量，利用身份模型进行合法性判别。本发明方法是基于用户行为认证的，在用户使用电脑的时候，通过发射高频的声波，用户在击键的过程中对声波频率产生影响，由于不同的用户在击键过程中会对声波的频率产生不同的影响，因此可以使用该特征来对不同用户击键行为进行身份认证，防止攻击者进入系统后产生严重的影响。
-
公开(公告)号：CN113033351A
公开(公告)日：2021-06-25
申请号：CN202110263167.7
申请日：2021-03-11
Applicant: 西北大学
Abstract: 本发明公开了一种基于视频分析的CSI感知识别方法，包括如下步骤：步骤1、采集视频数据和CSI数据；步骤2、动作数据筛选，得到筛除后的视频数据和CSI数据；步骤3、对筛除后的视频数据统计动作样本位置和角度，根据动作样本位置和角度与阈值的比较结果，对动作样本进行补充，得到CSI数据集；步骤4、预处理得到CSI数据的动作对应的信号特征段；计算待测试CSI数据和CSI数据集中每个CSI数据之间的距离，最小的距离值对应的类别标签为待测试数据的类别标签。本发明将视频和CSI数据采集结合，在一定程度上克服了CSI数据筛选方法受限的问题，有效解决了CSI数据采集时动作分布不够广泛，数据多样性差造成的识别模型泛化能力差的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
