-
公开(公告)号：CN118387110B
公开(公告)日：2025-01-17
申请号：CN202410493222.5
申请日：2024-04-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: B60W40/06 , G01C21/16 , G01C21/18 , G06V20/40 , G06V10/25 , G06V10/40 , G06V10/82 , G06F16/71 , G06F16/787 , G06N3/045 , G06N3/0464 , G06N3/08 , G08G1/01 , G08G1/052 , B60W50/00 , G07C5/08
Abstract: 本发明公开了一种道路异常检测方法及系统，属于道路检测技术领域。包括：获取陀螺仪数据和加速度计数据，对陀螺仪数据和加速度计数据进行卡尔曼滤波；基于加速度计数据的采样频率，根据卡尔曼滤波后的加速度计数据或陀螺仪数据，获取道路颠簸异常检测结果；获取移动视频，将移动视频输入训练好的道路异常检测模型中进行处理，获取道路异常检测结果；其中，通过基于轨迹分割的时空查询算法存储移动视频，以提高道路异常检测的查询效率。能够提高道路异常检测的精度和效率，解决现有道路检测鲁棒性、精确度低的问题。
-
公开(公告)号：CN119107493A
公开(公告)日：2024-12-10
申请号：CN202411130675.8
申请日：2024-08-16
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N7/01 , H04L47/125
Abstract: 本发明提出一种针对类别不平衡加密网络流量的分类方法及系统，涉及网络流量分类技术领域。包括获取原始类别不平衡加密网络流量，进行预处理，生成表征网络流量特征的真实的马尔可夫图像；搭建包括生成器和判别器的CWGAN‑GP网络，将真实的马尔可夫图像输入至CWGAN‑GP网络中，利用生成器生成马尔可夫图像，并利用判别器对生成的马尔可夫图像和真实的马尔可夫图像进行类别判别，实现对原始类别不平衡加密网络流量的分类。本发明克服了WGAN中的优化难题和样本可靠性问题，确保了样本生成的类别平衡，并保证了计算上更为高效。
-
公开(公告)号：CN117994635B
公开(公告)日：2024-06-11
申请号：CN202410396190.7
申请日：2024-04-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN117994635A
公开(公告)日：2024-05-07
申请号：CN202410396190.7
申请日：2024-04-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN117132893A
公开(公告)日：2023-11-28
申请号：CN202311130822.7
申请日：2023-09-04
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明涉及基于深度学习与空间数据查询的地质灾害监测方法及系统，其检测方法包括基于孪生神经网络构建地质灾害定位评级模型；获取受灾区域的灾前遥感图像数据；基于物化视图查询方法、TBDR‑Tree索引方法以及图形轮廓分割方法从空间数据库中获取受灾区域的灾后遥感图像数据；通过将所述灾前遥感图像数据以及所述灾后遥感图像数据输入所述地质灾害定位评级模型，以识别所述受灾区域的位置和受灾等级，对应得到受灾位置信息和受灾等级信息；输出所述受灾位置信息以及所述受灾等级信息；本发明大大优化了查询时间，减轻了内存开销，运行时间缩短，实现了高效精确的面向遥感图像的灾情检测、灾区识别、受灾等级划分的功能。
-
Patent Agency Ranking
公开(公告)号：CN115843070B
公开(公告)日：2023-06-16
申请号：CN202310152246.X
申请日：2023-02-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于能量收集技术的海洋传感网络计算卸载方法及系统，涉及海洋观测传感网络技术领域，通过获取海洋传感设备在每一时隙内的实时信息，构建海洋传感设备在该时隙内执行计算任务的计算延迟和能量消耗以及将计算任务卸载至雾节点的传输时延和能量消耗，以此建立计算任务执行成本模型、海洋传感设备能耗模型和能量收集模型，并综合所构建的模型，以长期平均执行成本最小为目标函数，构建计算卸载模型，利用动态算法求解当前时隙内的最优计算卸载决策，实现为应用了能量收集技术的海洋传感网络提供最优计算卸载策略，为海洋传感设备和雾节点确定合适的任务卸载比例，提高海洋传感网络的计算性能，避免了节点资源浪费。
-
公开(公告)号：CN119420708B
公开(公告)日：2025-04-18
申请号：CN202510020273.0
申请日：2025-01-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及数据传输技术领域，本发明公开了一种时间敏感网络跨域流量调度方法、系统、介质及设备，包括：对于当前时间步，在状态下，通过主网络和贪婪策略进行动作选择后，计算动作执行后的奖励和下一时间步状态；将当前时间步的状态、动作、奖励和下一时间步状态作为一个转移，存储到重放记忆，当重放记忆中转移的个数达到阈值，则从重放记忆中采样多个转移；对于采样的每个转移，通过目标网络和Munchausen机制，计算每个分支的时间差目标值；通过主网络，计算每个分支的预测Q值；计算得到均方误差，基于均方误差更新主网络的参数；每间隔若干时间步，将主网络的参数赋值给目标网络。保证了流量调度的实时性和路由选择的可靠性。
-
公开(公告)号：CN118945116A
公开(公告)日：2024-11-12
申请号：CN202411212329.4
申请日：2024-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/125 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/30
Abstract: 本发明提出一种数据中心网络中负载均衡的实现方法及系统，方法包括：根据传输带宽，将数据流划分为象流和鼠流；将所有可达路径节点的网络负载信息打包为探测包，广播到全网；基于探测包信息，获取带宽因子、象流关键度因子和队列长度指数，为象流和鼠流分配传输路径；具体为：对象流进行改进蚁群算法迭代，将带宽因子和象流关键度因子作为蚁群寻路的依据，获取并比较最优解集合不同路径的开销，将象流转发到开销最小的路径；对鼠流计算可达路径时延，将队列长度指数和时延作为鼠流选路的依据，筛选符合时延限制的路径，将鼠流转发到开销最小的路径。通过将流量按照其自身传输需求分配到不同路径，提高链路带宽利用率并降低了时延。
-
公开(公告)号：CN117749637A
公开(公告)日：2024-03-22
申请号：CN202311777845.7
申请日：2023-12-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/14 , H04L41/0894
Abstract: 本发明公开了一种网络损伤组合化模拟实现方法及系统，其中方法包括：获取网络流，查询网络流的网络损伤需求；将网络损伤需求拆分成若干个损伤功能，分析损伤功能串行组合的可行性以及并行组合的可行性，并生成组合化策略；检查组合化策略中是否存在可优化的并行组合，对可优化的并行组合进行优化，得到优化后的组合化策略；依照优化后的组合化策略，构建网络损伤组合并行图；按照网络损伤组合并行图进行网络损伤模拟。在保证损伤功能逻辑正确性的前提下，显著优化了损伤功能的组合处理延迟以及部署开销。
-
公开(公告)号：CN117150341A
公开(公告)日：2023-12-01
申请号：CN202311102973.1
申请日：2023-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , H04L9/40
Abstract: 本发明提出了一种基于混合深度学习的加密流量分类方法及系统，涉及网络安全技术领域，具体方案包括：对采集的原始加密流量数据进行预处理，将其转换为统一格式的字节序列；利用训练好的混合深度学习模型对所述字节序列进行分类预测，得到加密流量的分类结果；本发明基于卷积神经网络、时间卷积神经网络以及通道注意力机制的混合深度学习模型，进行时空特征的提取及关注关键特征，从而增强时空特征提取的鲁棒性，提高加密流量分类的效率和准确度。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.055 seconds)
