-
公开(公告)号：CN118944865A
公开(公告)日：2024-11-12
申请号：CN202410918409.5
申请日：2024-07-10
Applicant: 重庆邮电大学
Abstract: 本发明属于物联网身份验证领域，涉及基于区块链的相互认证密钥协商方法。包括以下步骤：S1)初始化，先由设备制造商选择参数、创建包含配置参数的创世纪文件并发布公共系统参数；S2)由设备和服务器发送注册请求，制造商将生成信息上传至智能合约以便后面进行查询和撤销；S3)身份验证由注册的设备和服务器交互运行，将零知识证明和签名相结合；S4)信息泄露时，可以请求密钥更新。若发现设备的可疑行为，可以直接撤销。本发明提出一种基于区块链的物联网匿名相互认证方法，能实现安全和效率之间的平衡，降低计算成本并提高抵御攻击的能力，能有效应用于身份验证的场景。
-
公开(公告)号：CN116821732A
公开(公告)日：2023-09-29
申请号：CN202210267539.8
申请日：2022-03-18
Applicant: 重庆邮电大学
IPC: G06F18/23213 , G06F18/25 , G06F16/215
Abstract: 本发明属于船舶AIS数据聚类技术领域，设计一种自适应时空间维度船舶频繁活动区域抽取方法，用于解决目前频繁活动区域的提取方法仅关注轨迹数据空间信息，而忽略时间信息，导致提取的频繁活动区域不够准确的问题。该方法包括以下步骤：S1)对船舶AIS数据进行预处理；S2)采用网格密度峰值聚类算法提取单一时空粒度的船舶频繁活动区域；S3)多时空粒度的船舶频繁活动区域提取。本发明采用一种自适应时空间维度船舶频繁活动区域抽取方法，在保证船舶AIS数据信息比较完整的前提下，进行聚类分析提取船舶频繁活动区域。本发明相较于传统的船舶频繁活动区域提取方法能够更有效的提取出多时空粒度下的船舶频繁活动区域，实现了多时空粒度下提取船舶频繁活动区域目的，提高了船舶频繁活动区域提取的准确度。
-
公开(公告)号：CN116468909A
公开(公告)日：2023-07-21
申请号：CN202210007221.6
申请日：2022-01-05
Applicant: 重庆邮电大学
IPC: G06V10/58 , G06V10/40 , G06V10/764
Abstract: 本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。
-
公开(公告)号：CN111144827B
公开(公告)日：2022-10-18
申请号：CN202010071333.9
申请日：2020-01-21
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机技术领域，涉及基于历史增益估计的无人机巡航路径动态规划方法。该方法包括以下步骤：S1)计算各区域的历史增益；S2)结合距离因素，计算下一跳目的区域效益得分；S3)设计无人机路径动态规划方法。提出一种基于无人机历史巡航数据的无人机巡航路径动态规划方法，该方法根据无人机访问各区域所获得的历史数据计算出各区域的历史增益，从而计算下一跳巡航各区域效益得分。相对于传统的无人机摆渡方法能够更加的灵活，进而实现无人机巡航的过程中动态的获取下一跳最优路径，提高综合性能的目的。
-
公开(公告)号：CN111343165B
公开(公告)日：2022-08-05
申请号：CN202010094729.5
申请日：2020-02-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及网络入侵检测技术，特别涉及基于BIRCH和SMOTE的网络入侵检测方法及系统，方法包括将网络入侵历史数据集中的符号属性转换为数字属性；将网络入侵历史数据集归一化至区间[0,1]；利用平衡采样算法对网络入侵历史数据集进行采样，得到每个类别平衡的训练集；利用获得的训练集训练机器学习分类器；将实时的网络入侵数据输入训练好的分类器，分类器输出该实时的网络入侵数据的类别；本发明比单纯使用欠采样的网络入侵检测方法减少了有潜在价值的多数类样本的丢弃，比单纯使用SMOTE过采样的网络入侵检测方法减少了生成少数类新样本时引入的噪音，因此本发明具有更高的少数类召回率和更高的整体分类性能G‑means值。
-
Patent Agency Ranking
公开(公告)号：CN106777980A
公开(公告)日：2017-05-31
申请号：CN201611167179.5
申请日：2016-12-16
Applicant: 重庆邮电大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明涉及一种基于DTW的时间序列相似性预测方法，属于时间序列数据挖掘技术领域。该方法将目前已知的对DTW进行加速的方法，如LB_Kim、LB_Keogh、逆LB_Keogh和传统的DTW方法等进行级联，在不同阶段利用不同方法对查询集进行过滤。同时，为了提高查询准确性，我们引入z‑score标准化，在计算DTW距离之前对查询序列进行标准化，在读取数据的过程中，同步进行标准化，进一步提高算法效率。然后，将改进的DTW方法应用到时间序列的类比合成预测方法中，从而提高预测的速度与精度。本方法充分利用不同方法的优点，有效的提高了时间序列的查询速度，继而提高了类比合成预测方法的速度和准确性。
-
公开(公告)号：CN116468909B
公开(公告)日：2025-04-29
申请号：CN202210007221.6
申请日：2022-01-05
Applicant: 重庆邮电大学
IPC: G06V10/58 , G06V10/40 , G06V10/764
Abstract: 本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。
-
公开(公告)号：CN118300825A
公开(公告)日：2024-07-05
申请号：CN202410313345.6
申请日：2024-03-19
Applicant: 重庆邮电大学
IPC: H04L9/40 , G06F18/15 , G06F18/214 , G06F18/23213 , G06F18/2433
Abstract: 本发明请求保护一种基于改进原型网络的小样本威胁流检测方法，针对网络威胁流量样本稀缺、传统检测方法预测精度低、泛化能力弱的问题进行研究。本发明将流量数据映射为图像数据，结合加权原型网络和知识蒸馏方法，通过协同学习的方式，使得模型能够有效地学习到样本的特性，进行准确地小样本威胁流检测。一方面，本发明考虑到样本质量的影响，通过计算样本间的距离给样本赋予不同权重，得到了更有判别性的原型；另一方面，通过知识蒸馏使得两个网络能够共享知识，提高了模型的泛化能力。实验结果表明本发明能有效提升小样本威胁流场景下的检测准确率，解决威胁流样本稀缺的问题。
-
公开(公告)号：CN117473415A
公开(公告)日：2024-01-30
申请号：CN202311510758.5
申请日：2023-11-14
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明属于物联网流量分类领域，涉及基于融合特征和自适应权重的物联网流量分类方法。该方法包括以下步骤：S1)对数据进行预处理，按照五元组将流量数据分成会话流，使用USTC‑TK2016工具对会话流进行清洗、提取有效字节并转化成灰度图；S2)在Inception结构基础上重新设计多尺度结构，提出一种轻量级多尺度特征融合模块。使用空洞卷积降低模型参数量，融合不同层次的语义信息，获得全面的空间信息；S3)嵌入自适应坐标注意力机制，通过引入加权系数对特征图水平方向和垂直方向的特征进行自适应精细化提取，捕获关键位置信息；S4)针对模型轻量化操作带来的部分特征损失和可能的梯度消失问题，使用残差链接保证语义信息的完整，解决梯度消失问题，同时加快模型收敛；S5)使用全卷积替代全连接层，提高模型非线性能力，最后经过SoftMax进行分类。本发明提出一种物联网流量分类模型，该模型能实现性能和模型复杂度之间的平衡，降低了日益剧增的网络流量带来的沉重开销，能有效应用于移动边缘计算场景。
-
公开(公告)号：CN115438856A
公开(公告)日：2022-12-06
申请号：CN202211077931.2
申请日：2022-09-05
Applicant: 重庆邮电大学
Abstract: 本发明属于轨迹预测领域，涉及基于时空交互特征和终点信息的行人轨迹预测方法。该方法包括以下步骤：S1)将所用的数据进行预处理；S2)采用条件变分自编码器网络生成轨迹终点信息特征；S3)利用长短期记忆神经网络提取数据历史轨迹特征；S4)采用时空图注意力网络提取数据的行人交互特征；S5)将提取的特征融合后输入解码器输出预测轨迹。提出一种基于时空交互特征和终点信息的行人轨迹预测方法，该方法充分考虑行人轨迹运动时空规律，从不同角度提取特征信息，与传统的轨迹预测方法相比更加强大，具有更优的轨迹预测性能。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.018 seconds)
