-
公开(公告)号：CN113923312B
公开(公告)日：2024-01-30
申请号：CN202111146369.X
申请日：2021-09-28
Applicant: 东南大学
IPC: H04N1/32
Abstract: 本发明公开了一种基于无线通信的数字图像编码层鲁棒可逆水印方法，首先发送端结合所使用的发送方式、编码方案、信道特征等进行秘密信息嵌入容量的分析反馈；随后其对待传输的载体和秘密信息进行信道编码，并通过编码重分块，伪随机加扰等操作进行预处理；在得到预处理后的载体和秘密信息后，发送端通过一轮随机位置嵌入和多轮近似均匀的循环移位嵌入将秘密信息隐藏在编码后的载体比特流中；接收端在收到伪装载体比特流后，一方面可以在解码前依据密钥从接收到的比特流中提取秘密信息，也可以直接进行逆预处理步骤和解码，恢复出原始的载体信息。
-
公开(公告)号：CN115758845A
公开(公告)日：2023-03-07
申请号：CN202211560168.9
申请日：2022-12-07
Applicant: 宿迁市高速铁路建设发展有限公司 , 中铁四局集团有限公司 , 东南大学
IPC: G06F30/23 , G06F30/27 , G06N3/044 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F119/14 , G06F111/10
Abstract: 本发明涉及一种基于循环神经网络的多尺度软土地层单桩P‑Y曲线修正方法，可以准确预测单桩桩头受到水平荷载后的变形，特别是涉及到桩体水平荷载与变形计算领域。本发明通过数值模拟获取单桩微观P‑Y曲线、通过经验公式获取单桩力学P‑Y曲线，构建结合桩及地层环境变量的多尺度P‑Y曲线序列数据，相较于现有技术考虑了实际环境影响，提升了模型多因素分析能力。然后基于LSTM循环神经网络构建P‑YLSTM模型，该模型综合考虑多尺度力学推导结果和多模态经验数据影响，极大提高了P‑Y曲线预测的准确性，可以准确的计算软土地层中单桩桩头受到水平荷载后荷载与桩体变形的准确数值。
-
公开(公告)号：CN108734093A
公开(公告)日：2018-11-02
申请号：CN201810297035.4
申请日：2018-04-04
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种消除定点土地视频监控伪变化的方法，包括以下步骤：建立当地春耕秋收时间和耕地区域信息数据库；计算原始背景图像高明度区域占比；计算报警区域范围大小，如果区域范围大于阈值则触发伪变化检测机制：从“是否为下雨/雪”、“是否被积雪覆盖”及“是否处于农业生产”三个方面判断是否为伪变化触发的报警，当三个判断中的至少一个为“真”时，取消报警。本发明解决了传统人工进行识别和操作的低效和高成本的问题；显著提高了检测的准确性；减小了环境光照和其他环境因素带来的干扰。
-
公开(公告)号：CN108052917A
公开(公告)日：2018-05-18
申请号：CN201711419679.8
申请日：2017-12-25
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于新旧时相变化发现的违章建筑自动识别的方法，包括如下步骤：将采集到的大量视频信息经过跳帧处理，通过高斯混合模型得到新旧时相背景图像；对其设定灰度阈值，剔除雾天视频信息；配准新旧时相背景图片以获得差值图片，进行形态学的去噪处理得到新时相图像的多个变化区域，分析各变化区域的纹理确定是否存在违章建筑物空间结构特征，得到疑似违章建筑变化；检测挖掘机，排除常见运动物体停留造成的误判，并以此为先验知识进一步筛选建筑物；本发明解决了视频监控自动发现违章建筑过程中，违章建筑与合法建筑区分的困难，并去除了新旧时相背景图片差值后产生的各种干扰因素，大大提高了违章建筑的识别率和检测结果的鲁棒性。
-
公开(公告)号：CN105427739A
公开(公告)日：2016-03-23
申请号：CN201510995513.5
申请日：2015-12-24
Applicant: 东南大学
IPC: G09B29/00
CPC classification number: G09B29/004
Abstract: 本发明公开了一种基于卡尔曼滤波的道路坡度增强型数字地图制作方法，本方法通过多传感器信息采集车辆，采集选定道路的位置信息、车辆信息；然后对采集到的道路位置信息进行初步处理，将经纬度坐标转化为平面坐标，并将转化后平面坐标表示的位置作为道路的节点；通过基于卡尔曼滤波的道路纵向坡度估计算法，估计出每个节点位置道路的纵向坡度；最后将道路的节点位置信息以及纵向坡度信息，利用数字地图制作软件制作成增强型数字地图。
-
Patent Agency Ranking
公开(公告)号：CN102305635B
公开(公告)日：2013-12-25
申请号：CN201110225420.6
申请日：2011-08-08
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明提供的是一种光纤捷联罗经系统的对准方法。步骤包括：根据基于双积分重力矢量的并行解析粗对准算法，利用光纤捷联罗经系统采集的光纤陀螺和石英加速度计数据，以及地球自转角速率、重力加速度、纬度等信息，完成光纤捷联罗经系统的粗对准；根据基于比力的精对准方法，建立以失准角为系统状态，以比力信息为系统量测的光纤捷联罗经系统精对准的卡尔曼滤波模型；利用滤波估计的失准角信息闭环修正姿态矩阵，完成光纤捷联罗经系统的精对准。本发明的方法具有如下优点：(1)粗对准算法通过重力矢量的双积分运算和并行融合运算，对系统随机误差进行了平滑抑制，提高了粗对准的精度和可靠性；(2)精对准算法的滤波模型简单。
-
公开(公告)号：CN119544259A
公开(公告)日：2025-02-28
申请号：CN202411444901.X
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L9/40 , H04L9/00 , H04L67/104 , G06F21/62 , G06F21/60 , G06F21/32 , G06F21/64 , G06F18/241
Abstract: 本发明公开了一种云平台数据安全风险预测方法、系统及存储介质，涉及数据安全技术领域，包括：获取云平台的至少一个数据存储节点和至少一个数据存储路径；获取数据存储节点的数据重要等级；对云平台的数据进行备份，备份数据存储在区块链中；得到至少一个网络攻击类别，计算得出网络攻击类别的占比；计算得出网络攻击类别对云平台攻击的平均影响因子；计算得出至少一个网络攻击对云平台攻击的总体影响因子；使用总体影响因子作为云平台数据安全风险预测等级。通过设置安全分类模块、异常获取模块、因子计算模块和风险预测模块，考虑到各种网络攻击的不同情况及对数据影响的不同，得到的预测结果具有较高的参考价值。
-
公开(公告)号：CN119537070A
公开(公告)日：2025-02-28
申请号：CN202411447065.0
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: G06F11/07 , G06F18/22 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种云平台大规模主机故障的处理方法及系统，包括：获取所有历史主机分析原始数据，并对所有历史主机分析原始数据进行特征提取。基于对主机中的海量历史分析数据及最终的分析结果进行综合总计分析，最终分析为存有主机故障种类的所有历史分析特征数据中出现的分析特征作为与主机故障种类相关的若干个分析特征，同时计算主机故障种类与分析特征之间的相关权重，依次作为后续分析时，进行匹配度计算的数据基础，进而实现对于海量分析数据的有效复用，提高推荐分析手段时的精准度，可有效的降低对于工作人员分析经验的积累需求，实现海量分析数据的有效复用，保证主机故障分析时可以进行推荐最佳的检修手段。
-
公开(公告)号：CN119179934A
公开(公告)日：2024-12-24
申请号：CN202411682757.3
申请日：2024-11-22
Applicant: 东南大学 , 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明公开了一种基于谱聚类构图的图卷积神经网络协议分类方法，涉及于网络安全和机器学习领域，所述方法包括以下步骤：从收集到的网络协议数据中筛选出关键字段；优化传统谱聚类构图算法，对筛选出的数据进行聚类，将数据处理成适合图神经网络的图结构形式；利用谱聚类得到的图结构作为图卷积神经网络的输入，提出S‑GCN模型，采用随机初始化的三层GCN进行建模，对节点三阶邻域进行卷积，在最后一层通过对节点特征聚合来实现网络协议分类。实验证明本发明的方法在分类结果上有较高的准确率，S‑GCN中图结构的优劣直接影响到分类结果，同时证明了本发明图结构的高效性。
-
公开(公告)号：CN113992770B
公开(公告)日：2024-02-09
申请号：CN202111270116.3
申请日：2021-10-29
Applicant: 东南大学
IPC: H04L69/24 , H04L67/10 , H04L67/568 , G06N20/00
Abstract: 本发明公开了一种雾无线接入网中基于策略的联邦强化学习的协作缓存方法，包括：1、初始化缓存边缘雾网络中节点的本地缓存内容，初始化全局模型训练周期和模型权重参数并分发给每个节点的本地模型；2、每一个缓存节点分享自身的缓存内容状态信息给邻近的缓存节点和云端服务器；3、根据每个时隙内接收到的用户请求信息，缓存节点会在本地缓存，临近节点缓存和云端服务器之间做出决策应答用户请求；4、计算缓存命中率和用户的内容请求延迟；5、缓存节点根据本地内容缓存状态和用户的内容请求信息，更新本地缓存内容和训练模型参数。6、对各节点的训练模型权重参数进行联合更新。本发明降低用户请求延迟，保护用户隐私。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.035 seconds)
