-
公开(公告)号：CN106789888B
公开(公告)日：2020-08-04
申请号：CN201611028629.2
申请日：2016-11-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多特征融合的钓鱼网页检测方法，包括训练过程和检测过程两个部分。结合半监督学习tri‑training方法整合了钓鱼网页特点的三个视图，主要解决了现有钓鱼网页检测方法大多需要通过大量的标注数据利用监督学习来进行的分类模型训练的问题。该方法主要结合协同训练算法，从网页URL特征、网页页面信息特征和网页搜索信息特征出发，将多视图，多分类器的思想运用到钓鱼网页检测中，通过不同分类器的协同训练学习，达到减少总体人工标注训练样本数和及时识别钓鱼网页的目的。
-
公开(公告)号：CN103281794B
公开(公告)日：2017-02-01
申请号：CN201310230559.9
申请日：2013-06-09
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种体域网中紧急数据优先传输调度方法，采集器节点将采集到的数据Ai与存储于该采集器节点的基准数据Bi进行比较，当集到的数据Ai处于正常范围时，作为正常数据转发给汇集器节点；否则，采集器节点在数据Ai的紧急字段内赋值，并作为紧急数据传递给汇集器节点；汇集器节点接收到各采集器节点发送来的数据计算紧急程度等级，并将该紧急程度等级存储到紧急字段中，簇头节点接收到汇集器节点发送来的数据包后进行调度，改变数据包的发送顺序，使紧急数据先传送到基站。通过在消息中设置紧急字段标志位，划分消息优先级队列，保证了紧急数据优先传输，有效减少了紧急数据的传输时延。本发明应用于医疗体域网相关领域。
-
公开(公告)号：CN103200185A
公开(公告)日：2013-07-10
申请号：CN201310081516.9
申请日：2013-03-14
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种体域网系统中的数据安全传输方法，包括如下步骤：按照层次结构部署体域网系统，簇头与基站预置对称密钥，汇集器与簇头预置对称密钥；对体域网系统进行初始化；各个汇集器进行数据采集并将数据传输给簇头；簇头将数据转发给基站，基站对数据解密、存储和分析处理。本发明将体域网结构分层，提高了网络部署的简便性和可扩展性，对网络生存周期和能量控制也有益处，本发明除了能够保障用户的数据隐私，还能够确保网络用户上下文隐私，防止通信双方的对应关系遭到破解。另外，本发明对消息的接收方没有局限，医疗工作者或者病患家属都可以方面快捷的对病患信息进行查询，符合体域网使用的实际需求。
-
公开(公告)号：CN106557983A
公开(公告)日：2017-04-05
申请号：CN201611016672.7
申请日：2016-11-18
Applicant: 重庆邮电大学
CPC classification number: G06Q50/01 , G06F16/951 , G06K9/6269
Abstract: 本发明公开了一种基于模糊多类SVM的微博垃圾用户检测方法，将一对多SVM多类分类器与模糊数学理论相结合用于微博垃圾用户检测。现有的微博垃圾用户研究，都是对全局的垃圾用户特征进行分析，分析力度不够，缺乏针对某类垃圾用户的特征分析，这样会使垃圾用户逃避检测系统的检测。本发明通过对微博垃圾用户的特征进行分析，将垃圾用户分为三类，构造一对多SVM多类分类器，并针对多类分类器产生的混分样本使用模糊聚类方法进行模糊处理，得到组合分类器，提高了检测精度。
-
公开(公告)号：CN106296422A
公开(公告)日：2017-01-04
申请号：CN201610615016.2
申请日：2016-07-29
Applicant: 重庆邮电大学
CPC classification number: G06Q50/01 , G06F16/951 , G06K9/6269
Abstract: 本发明公开了一种融合多算法的社交网络垃圾用户检测方法，利用网络爬虫的方式从社交网络中爬取用户数据，通过分析用户的行为提取相应特征构成特征向量；接着使用K-均值(K-Means)和DBSCAN结合的聚类算法对社交网络中的用户进行聚类；从上一步的聚类结果中挑选簇边界附近的数据和聚类中心附近的数据训练支持向量机(SVM)分类器，得到分类器模型；最后采用训练得到的SVM分类器模型对社交网络中的垃圾用户进行检测。本发明降低了人工标注数据的成本、提高了检测的准确率，并且易于实现。
-
Patent Agency Ranking
公开(公告)号：CN103200185B
公开(公告)日：2015-12-09
申请号：CN201310081516.9
申请日：2013-03-14
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种体域网系统中的数据安全传输方法，包括如下步骤：按照层次结构部署体域网系统，簇头与基站预置对称密钥，汇集器与簇头预置对称密钥；对体域网系统进行初始化；各个汇集器进行数据采集并将数据传输给簇头；簇头将数据转发给基站，基站对数据解密、存储和分析处理。本发明将体域网结构分层，提高了网络部署的简便性和可扩展性，对网络生存周期和能量控制也有益处，本发明除了能够保障用户的数据隐私，还能够确保网络用户上下文隐私，防止通信双方的对应关系遭到破解。另外，本发明对消息的接收方没有局限，医疗工作者或者病患家属都可以方面快捷的对病患信息进行查询，符合体域网使用的实际需求。
-
公开(公告)号：CN103280071A
公开(公告)日：2013-09-04
申请号：CN201310230560.1
申请日：2013-06-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种无线体域网中紧急信号的判断及高效调度方法，包括采集器节点、中心节点和计算机终端，采集器监控一个或多个患者,负责判断数据是否失真,是否正常，是否为紧急数据,在采集到紧急信息时向其他采集器发送紧急信号,使其未发送的正常信息延迟发送,接着将紧急信息发送给中心节点。中心节点响应多个采集器请求，根据数据的紧急程度提供服务，中心节点的存储区由紧急数据队列和正常数据队列组成，优先发送紧急数据队列中的数据。本方法能够提高传感器节点处理数据过程中的反应速度和无线体域网生命周期，过滤失真数据对所监控对象做出预测和推理，部署方便简单且易于扩展，可用于医院普通病房对病人的监护和家中身体情况的实时监控。
-
公开(公告)号：CN106557983B
公开(公告)日：2020-11-17
申请号：CN201611016672.7
申请日：2016-11-18
Applicant: 重庆邮电大学
IPC: G06Q50/00 , G06F16/958 , G06K9/62
Abstract: 本发明公开了一种基于模糊多类SVM的微博垃圾用户检测方法，将一对多SVM多类分类器与模糊数学理论相结合用于微博垃圾用户检测。现有的微博垃圾用户研究，都是对全局的垃圾用户特征进行分析，分析力度不够，缺乏针对某类垃圾用户的特征分析，这样会使垃圾用户逃避检测系统的检测。本发明通过对微博垃圾用户的特征进行分析，将垃圾用户分为三类，构造一对多SVM多类分类器，并针对多类分类器产生的混分样本使用模糊聚类方法进行模糊处理，得到组合分类器，提高了检测精度。
-
公开(公告)号：CN105785411B
公开(公告)日：2018-10-12
申请号：CN201610102351.2
申请日：2016-02-24
Applicant: 重庆邮电大学
IPC: G01S19/42
Abstract: 本发明提出了一种基于区域划分的异常轨迹检测方法，包括对移动对象的历史轨迹进行分类，然后对正常轨迹数据所在的区域进行划分；对区域划分后的轨迹进行区域单元扩展处理；对待检测的轨迹区域划分和扩展处理；查询出正常轨迹中与待检测轨迹具有相同起始区域单元和终止区域单元的轨迹集合，使用检测待检测轨迹每个组成区域单元在正常轨迹集合中的支持率，具有低支持率的区域单元进入异常区域单元集合中；比较异常区域单元集合的数量和正常轨迹集合中轨迹的组成区域单元数量的关系判断待检测轨迹的异常情况，再决定是否需要进一步对轨迹区域进行再划分检测。本发明根据轨迹的实际情况进行了区域再划分检测，提高检测准确率和效率。
-
公开(公告)号：CN106789888A
公开(公告)日：2017-05-31
申请号：CN201611028629.2
申请日：2016-11-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多特征融合的钓鱼网页检测方法，包括训练过程和检测过程两个部分。结合半监督学习tri‑training方法整合了钓鱼网页特点的三个视图，主要解决了现有钓鱼网页检测方法大多需要通过大量的标注数据利用监督学习来进行的分类模型训练的问题。该方法主要结合协同训练算法，从网页URL特征、网页页面信息特征和网页搜索信息特征出发，将多视图，多分类器的思想运用到钓鱼网页检测中，通过不同分类器的协同训练学习，达到减少总体人工标注训练样本数和及时识别钓鱼网页的目的。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
