一种基于数据驱动的轨道交通新线接入客流预测方法

    公开(公告)号:CN113077079A

    公开(公告)日:2021-07-06

    申请号:CN202110312209.1

    申请日:2021-03-24

    Applicant: 东南大学

    Abstract: 本申请涉及一种基于数据驱动的轨道交通新线接入客流预测方法。该方法包括:通过获取目标轨道站点的轨道交通站点特性数据和轨道交通站点客流数据;对轨道交通站点特性数据进行量化处理,获得目标轨道站点的站点特性量化指标;对轨道交通站点客流数据进行统计分析,获得目标轨道站点的站点客流特征指标;以站点特性量化指标为自变量集合,以站点客流特征指标为因变量集合,构建客流总量预测模型和客流波动形态预测模型;采用回归分析的方法对模型进行参数标定,确定预测模型标定的参数;客流总量预测模型和客流波动形态预测模型根据预测模型标定的参数进行预测,获得目标轨道站点的客流总量和波动形态,解决了调查成本大、预测精度低的问题。

    一种基于深度子域迁移学习的细粒度攻击行为变种识别方法

    公开(公告)号:CN118551372A

    公开(公告)日:2024-08-27

    申请号:CN202410430166.0

    申请日:2024-04-10

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于深度子域迁移学习的细粒度攻击行为变种识别方法,分为四个部分,第一部分为EADU还原操作,具体内容为根据还原算法将变种行为流量还原为EADU,并选择前n个EADU作为行为早期样本。第二部分为特征提取操作,具体内容为对n‑EADU提取m个统计特征,并生成对应[k,k]维RGB图片,作为后续模块的输入。第三部分为深度子域迁移学习模型,具体内容为通过注意力模块对不同特征以及特征不同位置进行权重更新,生成新的特征图,通过深度子域适应模块拟合源域和目标域特征分布差异,压缩原始攻击行为流量和行为变种流量特征的距离,第四部分为远控木马攻击行为变种流量的识别操作,具体内容为将训练好的模型对不同攻击行为的变种流量进行识别。

Patent Agency Ranking