一种应用智能网卡的网络检测方法

    公开(公告)号:CN102739473B

    公开(公告)日:2015-06-24

    申请号:CN201210236470.9

    申请日:2012-07-09

    Abstract: 一种应用智能网卡的网络检测方法,所述的智能网卡串接于局域网或小型企业网出口处、且存储ACL规则,首先采用网卡管理模块将服务器端的五元组ACL规则下发到智能网卡存储模块中;然后,智能网卡接收网络数据,并对其进行流还原处理;在智能网卡的数据处理模块中,将处理后的报文与存储模块中已有的ACL规则进行匹配,并采取相应的丢弃、透传、打标签、发送报文或发送日志的动作。本发明将服务器对网络数据的分析和检测动作交给智能网卡处理,有效地降低后台服务器CPU负担,同时,提供多种标准兼容接口,让现有的相关网络处理程序无缝的使用智能网卡,进一步发挥智能网卡对网络数据的分析和检测的优势。该方法适合网络检测等多种场景。

    一种流域水沙研究模型的智能集合评估方法和系统

    公开(公告)号:CN110765418A

    公开(公告)日:2020-02-07

    申请号:CN201910953930.1

    申请日:2019-10-09

    Applicant: 清华大学

    Abstract: 一种流域水沙研究模型的智能集合评估方法和系统,包括以下步骤:(1)确立研究对象,包括流域、因变量、自变量和时间尺度;(2)筛选最优模型:将确立的流域水沙数据集随机置乱后切分为训练集和测试集,选取不同机器学习方法并在不同的时间尺度和不同的自变量组合下分流出多组以涵盖所有可能的情况,每种情况通过获取参数和筛选得到一组最优模型,每种方法再筛选出一组结果最好的作为最终的最优模型;(3)基于三种不同指标体系评估最终的最优模型,指标体系包括无量纲指标和有量纲指标用于评估模型的优良性和基于最小信息准则的评价指标用于平衡模型拟合结果的优良性和复杂度。用统一的标准对集合的各类型模型的适用性给出定量的评估结果。

    导航卫星上同频点多路信号恒包络合成发射方法及电路

    公开(公告)号:CN102645657B

    公开(公告)日:2013-10-16

    申请号:CN201210129039.4

    申请日:2012-04-27

    Applicant: 清华大学

    Abstract: 本发明为导航卫星上同频点多路信号恒包络合成发射方法及电路,对于导航卫星上的N路需要复用的二进制输入信号,通过交调信号发生器,得到N路信号中任意两路信号的交调乘积信号、任意三路信号的交调乘积信号、一直到任意N路信号的交调乘积信号,以及直流信号;将每一路信号进行针对本路的特定倍数的放大,然后与同相载波支路相乘;将每一路信号进行针对本路的另外一个特定倍数的放大,然后与正交载波支路相乘;最后将两次相乘后得到的所有信号相加合成,即得到最终的具有恒包络特性的输出信号,从而避免了幅度/幅度、幅度/相位失真,且能够评估任意一路参与恒包络合成的信号在恒包络过程中所受到的干扰,易于配置、实现灵活。

    导航卫星上同频点多路信号恒包络合成发射方法及电路

    公开(公告)号:CN102645657A

    公开(公告)日:2012-08-22

    申请号:CN201210129039.4

    申请日:2012-04-27

    Applicant: 清华大学

    Abstract: 本发明为导航卫星上同频点多路信号恒包络合成发射方法及电路,对于导航卫星上的N路需要复用的二进制输入信号,通过交调信号发生器,得到N路信号中任意两路信号的交调乘积信号、任意三路信号的交调乘积信号、一直到任意N路信号的交调乘积信号,以及直流信号;将每一路信号进行针对本路的特定倍数的放大,然后与同相载波支路相乘;将每一路信号进行针对本路的另外一个特定倍数的放大,然后与正交载波支路相乘;最后将两次相乘后得到的所有信号相加合成,即得到最终的具有恒包络特性的输出信号,从而避免了幅度/幅度、幅度/相位失真,且能够评估任意一路参与恒包络合成的信号在恒包络过程中所受到的干扰,易于配置、实现灵活。

    一种流域水沙研究模型的智能集合评估方法和系统

    公开(公告)号:CN110765418B

    公开(公告)日:2021-07-20

    申请号:CN201910953930.1

    申请日:2019-10-09

    Applicant: 清华大学

    Abstract: 一种流域水沙研究模型的智能集合评估方法和系统,包括以下步骤:(1)确立研究对象,包括流域、因变量、自变量和时间尺度;(2)筛选最优模型:将确立的流域水沙数据集随机置乱后切分为训练集和测试集,选取不同机器学习方法并在不同的时间尺度和不同的自变量组合下分流出多组以涵盖所有可能的情况,每种情况通过获取参数和筛选得到一组最优模型,每种方法再筛选出一组结果最好的作为最终的最优模型;(3)基于三种不同指标体系评估最终的最优模型,指标体系包括无量纲指标和有量纲指标用于评估模型的优良性和基于最小信息准则的评价指标用于平衡模型拟合结果的优良性和复杂度。用统一的标准对集合的各类型模型的适用性给出定量的评估结果。

Patent Agency Ranking