-
公开(公告)号：CN116071559A
公开(公告)日：2023-05-05
申请号：CN202211446984.7
申请日：2022-11-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多维感知数据的数字孪生体自动化构建方法，包括以下步骤：获取待检测区域的彩色图像和点云深度图；使用多尺度提取和深度估计模块处理彩色图像，得到基于像素信息的视觉深度图；根据彩色图像、点云深度图和视觉深度图提取颜色主导的深度信息和深度主导的深度信息，构建融合深度图，重建待检测区域三维模型；构建并使用DETR网络获取视觉深度图的目标语义信息；获取基于待检测区域的物联网传感器异构数据；将待检测区域三维模型与目标语义信息匹配，将匹配结果和物联网传感器异构数据匹配，进行待检测区域的数字孪生体构建。本发明降低数字孪生体构建难度、提高了特征提取的有效性。
-
公开(公告)号：CN115129004A
公开(公告)日：2022-09-30
申请号：CN202210658676.4
申请日：2022-06-12
Applicant: 西北工业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于边缘计算和数字孪生的智能生产系统及方法，包括边缘计算控制系统和数字孪生管理控制系统，边缘计算控制系统包括信息层、通信层和物理层，数字孪生管理控制系统包括数字化制造设备和数字孪生管理控制层；物理层使用信息层的智能感知技术实时感知模块化生产全流程产生的多源异构数据，通过通信层为各单元的动态交互、协同优化以及精准决策提供数据支撑。本发明生产系统和方法，通过设置数字孪生关联控制系统，对实际生产中，生产协调和资源配置进行实时感知监控，精准映射生成以数字数据为对象的动态虚拟模型，在决策初期实现信息在线迭代运行和双向优化，从而达到全局优化协调运作，消除动态性干扰，合理配置资源生产。
-
公开(公告)号：CN113780564A
公开(公告)日：2021-12-10
申请号：CN202111084761.6
申请日：2021-09-15
Applicant: 西北工业大学
Abstract: 本发明公开了一种融合实体类型信息的知识图谱推理方法、装置、设备及存储介质，该方法包括：将实体嵌入矩阵、关系嵌入矩阵和实体类型嵌入矩阵输入推理模型中分别提取头实体向量、关系向量和头实体类型向量，并生成推理模型的卷积核；将推理模型的卷积核对头实体向量进行卷积，生成推理模型的隐藏层；将隐藏层经过推理模型的全连接层后，生成混合特征向量；将混合特征向量与实体嵌入矩阵相乘，并采用sigmoid激活函数进行归一化处理，输出推理结果。本发明将实体类型嵌入和关系嵌入相融合，用融合后的特征向量对头实体进行卷积，能够捕获实体、实体类型和关系的内在联系，有效提升了推理结果的实体类型正确率。
-
公开(公告)号：CN101848242A
公开(公告)日：2010-09-29
申请号：CN201010171888.7
申请日：2010-05-13
Applicant: 西北工业大学
Abstract: 本发明公开了一种Web服务组合方法，其目的是解决现有的Web服务组合方法因大量冗余操作，而使整个系统组合效率低的技术问题。技术方案是采用分层存储结构，通过对历史组合请求过程的跟踪和分析，将下一次组合请求中最可能使用到的组合请求及其使用的Web服务分别存储到本地组合服务器的Web服务请求处理和热点Web服务两个虚拟存储单元中，并置为优先访问权；当响应某Web服务组合请求时，依次访问Web服务请求处理、热点Web服务等虚拟存储单元以及本地Web服务集。避免了大量重复组合请求再分析的冗余操作和以整个实际Web服务集为处理对象而造成的性能影响，提高了Web服务组合过程的执行效率。
-
公开(公告)号：CN118195259A
公开(公告)日：2024-06-14
申请号：CN202410422243.8
申请日：2024-04-09
Applicant: 西北工业大学
IPC: G06Q10/0631
Abstract: 本发明公开了一种仪器故障并行检测系统及方法，涉及并行检测技术领域，该系统包括：并行检测调度模块，用于将待测仪器的多个待测部件根据不同的测试需求生成多个待测序列并按照优先级进行分配；多个检测模块，用于接收分配后的多个待测序列；检测服务器，与多个检测模块连接，用于对多个待测序列执行并行检测；数据处理模块，与检测服务器电连接，用于对并行检测的数据进行处理与判读，生成报告。本发明的并行检测调度模块将待测仪器的多个待测部件根据不同的测试需求生成多个待测序列并按照优先级进行分配，因此该系统生成的是一组待测序列，而不是一个待测序列，每个待测序列都分配在单独的计算资源中，以便这些待测序列并行执行。
-
Patent Agency Ranking
公开(公告)号：CN116796319A
公开(公告)日：2023-09-22
申请号：CN202310554803.0
申请日：2023-05-17
Applicant: 西北工业大学
IPC: G06F21/56 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种混合特征恶意软件检测方法及系统，属于软件安全技术领域。该方法首先通过反编译技术来获取恶意软件的字节码，其次将连续8bit位的数据转化为0至255以内的无符号整数，用以生成恶意软件图谱。然后利用Skip‑gram模型来对特征矩阵做进一步降维，并借助双通道的输入，用于提取恶意软件的相关特征，进一步提升特征提取的准确性从而提高检测的性能。结果表明：基于混合特征的恶意软件检测方法在检测效率上明显优于其他传统的深度学习方法。解决了计算资源不足、模型训练速度慢、系统鲁棒性差等问题。
-
公开(公告)号：CN113506372A
公开(公告)日：2021-10-15
申请号：CN202110847229.9
申请日：2021-07-26
Applicant: 西北工业大学
Abstract: 本发明公开了一种环境重建方法及装置，涉及三维重建技术领域。用以解决环境检测重建中激光雷达和毫米波雷达在数据层的点云数据融合存在传感器误差、点云数据和像素数据的融合存在精度低的问题。包括：激光雷达传感器和毫米波雷达传感器依次对待检测物进行扫描，得到激光雷达点云张量、毫米波雷达点云张量；将激光雷达点云张量和毫米波雷达点云张量进行卷积和最大池化，得到激光雷达二维点云伪图像、毫米波雷达的二维点云伪图像、毫米波‑激光雷达数据的特征；将毫米波‑激光雷达数据的特征和双目视觉传感器得到的双目视觉特征通过卷积神经网络，得到待检测物的融合特征图和待检测物的三维图像。
-
公开(公告)号：CN105930844A
公开(公告)日：2016-09-07
申请号：CN201610245064.7
申请日：2016-04-20
Applicant: 西北工业大学
CPC classification number: G06K9/342 , G06K9/4609 , G06K9/72 , G06K2209/01
Abstract: 本发明公开了一种提高纸质医疗化验单手机扫描识别率的方法，用于解决现有医疗化验单图像识别方法识别率低的技术问题。技术方案是首先对手机扫描的医疗化验单图像利用Canny算法进行边缘检测，然后对二值化处理后的医疗化验单图片按照不同的字符模式进行均等分割。再对分割后的图片进行逐个对比识别，最后对识别的字符串结果进行遍历，完成识别。由于利用Canny算子进行边缘检测和滤波，实现局部的阈值分割，得到较好的预处理效果；利用分割图片结合不同语言模式识别，得到初步识别结果；遍历识别出的字符串根据上下文出现的概率大小，进行进一步检验更正。提高了医疗化验单图像的识别率。
-
公开(公告)号：CN104915683A
公开(公告)日：2015-09-16
申请号：CN201510312885.3
申请日：2015-06-09
Applicant: 西北工业大学
IPC: G06K9/62
CPC classification number: G06K9/6282
Abstract: 本发明公开了一种基于递增投影规则的广义无冗余序列规则挖掘方法，用于解决现有序列规则挖掘方法生成序列规则效率低的技术问题。技术方案是包括冗余性检查和递增投影产生规则两部分，通过多规则的关联关系，将频繁闭序列和序列生成子的检查精简到重叠集的检查，通过递增消除冗余的方法经行规则投影，从而提升了时间及空间效率。该方法在保障规则完备性的前提下，得到了更为精简的序列规则，提高了生成序列规则的效率。
-
公开(公告)号：CN116611063A
公开(公告)日：2023-08-18
申请号：CN202310541941.5
申请日：2023-05-15
Applicant: 西北工业大学
IPC: G06F21/56 , G06F18/213 , G06F18/214 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0895
Abstract: 本发明涉及一种基于多特征融合的图卷积神经网络恶意软件检测方法，属于软件安全技术领域。该方法通过以APK文件的函数关系调用图为基础，结合敏感权限特征和opcode特征，将这些特征进行融合，输入到模型中进行训练和检测，最终达到恶意软件检测的目的，在APK预处理的过程中，考虑到APK大小对训练结果的影响，进行了APK大小均衡处理，减少对检测结果的影响；在函数调用图的处理过程中，为了去除冗余的普通节点，对函数关系图进行了优化，极大地降低了数据的复杂度，提升了数据处理速度，和传统的恶意软件检测技术相比，该方法一定程度上提高了后续软件检测模型的训练效率与精度，对比较庞大的恶意软件数据集进行检测具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.023 seconds)
