一种基于引力模型的网络异常数据传输行为聚类识别方法

    公开(公告)号:CN117633560A

    公开(公告)日:2024-03-01

    申请号:CN202410102692.4

    申请日:2024-01-25

    IPC分类号: G06F18/23 G06F18/24 H04L9/40

    摘要: 本发明属于网络空间安全以及数据安全技术领域,涉及一种基于引力模型的网络异常数据传输行为聚类识别方法,包括步骤1,获取网络传输行为特征向量样本集,进行行为类别标注;步骤2,计算未标注行为类别的网络传输行为特征向量与每个行为类别的特征向量集合之间的引力,获得最大引力值;步骤3,若最大引力值超过引力捕获阈值,将未标注行为类别的网络传输行为特征向量标注为对应的行为类别,加入至对应的行为类别特征向量集合;步骤4,执行步骤2至步骤3对其他未标注行为类别的网络传输行为特征向量进行行为类别标注。该方法可以在网络流量被加密的情况下,判断网络传输行为是否存在异常,从而完成对加密流量的恶意行为识别和发现。

    一种基于不平衡多源数据的情感分类方法及系统

    公开(公告)号:CN110134947B

    公开(公告)日:2021-03-26

    申请号:CN201910307654.1

    申请日:2019-04-17

    IPC分类号: G06F40/30 G06N3/08

    摘要: 本发明提出一种基于不平衡多源数据的情感分类方法,包括:获取来自多个数据源的训练数据,其中训练数据包含多条文本数据,每条文本数据具有情感类型标签和其对应的数据源;按数据源对训练数据进行分类,以集合每个数据源对应的文本数据作为第一数据集,根据每个第一数据集中各情感类型标签的数量,统计每个第一数据集中情感类型的标准差,选择标准差最小的第一数据作为预训练集,其余第一数据集作为后续训练集;以预训练集训练神经网络模型的权值直到损失函数收敛,输出神经网络模型作为预分类模型,以后续训练集继续训练预分类模型直到损失函数收敛,输出预分类模型作为最终分类模型;将待情感分类文本数据输入最终分类模型,得到其情感类型。

    一种业务数据呈现方法及装置

    公开(公告)号:CN104866567A

    公开(公告)日:2015-08-26

    申请号:CN201510266326.3

    申请日:2015-05-22

    IPC分类号: G06F17/30

    CPC分类号: G06F16/904

    摘要: 本发明提供一种业务数据呈现方法及装置,用于解决目前业务数据到单一图表的转化方式难以满足用户对业务逻辑、成果的多样化展示的问题。该方法包括:根据预先设置的业务场景模型中各单元格内的业务规则中定义的业务数据获取规则获取待呈现的业务数据的集合;按照所述业务规则中预先设定的与所述各单元格对应的图表类型以图表的形式呈现所述数据集合中对应于所述各单元格的业务数据,该方案使得业务数据得以根据用户的需求被多样化的展示,提升了用户体验。

    一种复杂场景下特定标志物检测系统

    公开(公告)号:CN116935117A

    公开(公告)日:2023-10-24

    申请号:CN202310887423.9

    申请日:2023-07-19

    IPC分类号: G06V10/764 G06V10/56

    摘要: 本发明涉及标志物检测系统领域,尤其为一种复杂场景下特定标志物检测系统,包括:收集模块:用于通过网络爬虫技术对特定标志物图片进行收集,获得特定标志物图片;处理模块:用于对收集模块收集的特定标志物图片进行图片预处理,获得预处理数据;分类器训练模块:用于根据处理模块处理得到的预处理数据进行模型训练,得到自动分类模型;分类模块:用于连接自动分类模型,对特定标志物图片进行分类。本发明通过颜色和形状的标志物检测算法,从色彩增强、颜色分割和形状分类三个方面提高特定标志物检测系统算法的鲁棒性,通过比较RGB和HSV颜色分割效果,选取效果更好的HSV颜色分割,在形状分类中不仅仅使用简单的SVM模型训练而且同时使用Contourlet变化提高算法的鲁棒性使的算法预测效果更好,保证出现差错在系统允许的范围内。

    一种空地融合蜂窝网络中的无人机基站部署方法

    公开(公告)号:CN116367181A

    公开(公告)日:2023-06-30

    申请号:CN202211679996.4

    申请日:2022-12-26

    摘要: 本发明公开了一种空地融合蜂窝网络中的无人机基站部署方法,包括如下步骤:S1:在地面基站侧和网络侧分别进行信息采集;S2:基于步骤S1中的信息建立系统模型,系统模型包括地面基站参数模型、无人机基站传播模型和无人机基站天线阵列模型;S3:基于地面基站用户的平均传输速率和无人机基站用户的平均传输速率,建立性能评估模型;S4:根据步骤S3的性能评估模型,设置多组网络参数组合进行关键性能指标的数值计算,并根据计算结果选择使关键性能指标达到最大的参数组合,作为最终的参数配置;S5:确定无人机基站的水平位置部署。本发明充分考虑了无人机之间的空间保护距离,尤其适用于无人机基站采用多天线配置的场景。

    基于场景变化分类和在线局部特征匹配的刚体目标跟踪方法

    公开(公告)号:CN107194310A

    公开(公告)日:2017-09-22

    申请号:CN201710213110.X

    申请日:2017-04-01

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及一种基于场景变化分类和在线局部特征匹配的刚体目标跟踪方法,其步骤包括:在初始图像中选定感兴趣的目标区域,在目标区域检测SURF特征;对每个SURF特征建立场景描述向量,通过随机的场景变化实现离线学习,得到每个SURF特征最能够适应的场景分类信息;为每个SURF特征创建分类器;在当前图像到来时,判断当前图像的场景分类,从初始图像中选取最能够适应当前场景的SURF特征,并将其与当前图像检测到的SURF特征进行基于分类器的匹配,形成匹配点对;根据得到的匹配点对计算得出运动参数,从而确定当前图像的目标区域,实现目标跟踪。本发明使跟踪能够保持对视频中感兴趣区域出现连续复杂变化的自适应性。