-
公开(公告)号：CN108764312A
公开(公告)日：2018-11-06
申请号：CN201810475284.8
申请日：2018-05-17
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开一种基于DS优化多指标大坝缺陷图像检测方法，包括以下步骤：1)多指标缺陷检测，通过对比分析历史正常图像特征量参数(平均信息熵、平均信噪比、平均梯度均值对比度以及平均灰度方差偏移量)和测试图像特征量的差异来判断是否存在缺陷，这一阶段重点是每个指标阈值的设置。2)基于DS优化的融合决策，采用优化的DS算法组合四个指标的检测结果，输出最终检测结果。一般的DS证据理论对于不确定情况下证据间的高冲突问题无法很好地解决，很容易造成决策准确度降低甚至决策错误，为了减小证据冲突，改进的DS证据理论算法通过引入自适应权重定义各指标证据的效度，并修正证据概率函数分配，最终得到更加准确的缺陷检测效果。
-
公开(公告)号：CN108764312B
公开(公告)日：2019-04-05
申请号：CN201810475284.8
申请日：2018-05-17
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开一种基于DS优化多指标大坝缺陷图像检测方法，包括以下步骤：1)多指标缺陷检测，通过对比分析历史正常图像特征量参数(平均信息熵、平均信噪比、平均梯度均值对比度以及平均灰度方差偏移量)和测试图像特征量的差异来判断是否存在缺陷，这一阶段重点是每个指标阈值的设置。2)基于DS优化的融合决策，采用优化的DS算法组合四个指标的检测结果，输出最终检测结果。一般的DS证据理论对于不确定情况下证据间的高冲突问题无法很好地解决，很容易造成决策准确度降低甚至决策错误，为了减小证据冲突，改进的DS证据理论算法通过引入自适应权重定义各指标证据的效度，并修正证据概率函数分配，最终得到更加准确的缺陷检测效果。
-
公开(公告)号：CN108805192B
公开(公告)日：2019-04-02
申请号：CN201810555147.5
申请日：2018-06-01
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开了一种基于分层网络结构的监测数据分析方法，包括以下步骤：步骤1，依据监测仪器的物理网络结构，构造大坝分层树；步骤2，依据初始局部权重，按照步骤1提出的大坝分层树，对权重进行重组分配；步骤3，依据3σ评判准则，对大坝分层树的底层每个叶子节点进行单点分析，得到每个叶子节点的分析结果；步骤4，通过构造子节点的分析结果矩阵和权重矩阵，并将二者矩阵相乘，得到父节点的分析结果，按此方法对大坝分层树自叶子节点向根节点逐层计算出所有网络节点的分析结果；步骤5，构造人工神经网络分析模型，使用步骤4得到的分析结果作为样本数据来训练分析模型，模型分析结果可以为大坝安全综合评判提供依据。
-
公开(公告)号：CN112559171B
公开(公告)日：2022-02-08
申请号：CN202011388998.9
申请日：2020-12-02
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开了一种移动边缘计算环境下基于延迟接受的多用户任务卸载方法，步骤为：1)构建计算任务卸载模型；2)构建目标计算函数；3)单用户采用带精英策略的快速非支配遗传算法生成计算任务卸载方案，即每个用户执行单用户卸载方法将本地计算任务卸载到边缘服务器上；4)对拥塞的边缘服务器节点对任务按用户进行排序；5)计算拥塞节点中每个用户的权值并排序，依次剔除权值效果差的用户到拥塞队列直到节点不再拥塞；6)拥塞队列中的用户再经过步骤3重新计算分配方案；7)重复步骤3～6过程直到拥塞队列为空。本发明基于延迟接受的多用户任务卸载方法，解决了延迟约束下最小化能耗的任务卸载问题，提高了用户的满意度，有效的减少了移动终端的能耗。
-
公开(公告)号：CN110197211A
公开(公告)日：2019-09-03
申请号：CN201910414107.3
申请日：2019-05-17
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种面向大坝安全监测数据的相似性数据聚类方法，步骤为：利用EMD算法分离单测点序列趋势项与高频噪声，采用累积和控制图的拐点检测方法对时间序列变化点进行检测，分裂得到所有子序列集合；在计算子序列距离问题上采用DTW距离度量方法，动态计算两条子序列数据之间的距离最小值；利用层次聚类将挖掘出的子时间序列聚类，通过得到的树状聚类图，动态分析不同聚类数下的时间序列聚类分布情况。本发明合理分析监测数据相似性，可以挖掘出同一监测点在时间序列上的相关性，同时能量化安全监测数据之间相关性大小。经相似性分析处理后的监测数据，能准确反映大坝在时间维度上的变化趋势，结合变化趋势规律能有效降低后续监测数据挖掘难度。
-
公开(公告)号：CN108805192A
公开(公告)日：2018-11-13
申请号：CN201810555147.5
申请日：2018-06-01
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开了一种基于分层网络结构的监测数据分析方法，包括以下步骤：步骤1，依据监测仪器的物理网络结构，构造大坝分层树；步骤2，依据初始局部权重，按照步骤1提出的大坝分层树，对权重进行重组分配；步骤3，依据3σ评判准则，对大坝分层树的底层每个叶子节点进行单点分析，得到每个叶子节点的分析结果；步骤4，通过构造子节点的分析结果矩阵和权重矩阵，并将二者矩阵相乘，得到父节点的分析结果，按此方法对大坝分层树自叶子节点向根节点逐层计算出所有网络节点的分析结果；步骤5，构造人工神经网络分析模型，使用步骤4得到的分析结果作为样本数据来训练分析模型，模型分析结果可以为大坝安全综合评判提供依据。
-
公开(公告)号：CN112559171A
公开(公告)日：2021-03-26
申请号：CN202011388998.9
申请日：2020-12-02
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开了一种移动边缘计算环境下基于延迟接受的多用户任务卸载方法，步骤为：1)构建计算任务卸载模型；2)构建目标计算函数；3)单用户采用带精英策略的快速非支配遗传算法生成计算任务卸载方案，即每个用户执行单用户卸载方法将本地计算任务卸载到边缘服务器上；4)对拥塞的边缘服务器节点对任务按用户进行排序；5)计算拥塞节点中每个用户的权值并排序，依次剔除权值效果差的用户到拥塞队列直到节点不再拥塞；6)拥塞队列中的用户再经过步骤3重新计算分配方案；7)重复步骤3～6过程直到拥塞队列为空。本发明基于延迟接受的多用户任务卸载方法，解决了延迟约束下最小化能耗的任务卸载问题，提高了用户的满意度，有效的减少了移动终端的能耗。
-
公开(公告)号：CN114866780A
公开(公告)日：2022-08-05
申请号：CN202210276515.9
申请日：2022-03-21
申请人： 河海大学
IPC分类号： H04N19/42 , H04N19/85 , H04N19/126 , H04N19/124 , H04L9/40
摘要： 本发明公开了一种基于二阶元胞自动机的图像加密压缩方法及系统，该方法将图像加密与信息压缩相结合，首先获取明文图像的稀疏序列，利用元胞自动机生成测量矩阵，并结合STP‑CS减少测量矩阵的存储空间实现图像压缩，接着利用基于元胞自动机的伪随机发生器置乱原始图像。元胞自动机具有对初始值的敏感性、行为的随机性以及演化的不可预知性等特点，很适合用于伪随机数列的构造。压缩感知以远小于Nyquist采样定理规定的样本数目的采样的同时实现图像的加密与压缩，大大减少了采样率和计算量。本发明能够有效实现图像加密与压缩，且图像恢复性能十分优良，有效减少带宽与计算量。
-
公开(公告)号：CN113835678A
公开(公告)日：2021-12-24
申请号：CN202111000832.X
申请日：2021-08-30
申请人： 河海大学
摘要： 本发明公开了一种基于三耦合元胞自动机的伪随机序列生成方法及装置，该方法包括，设置三耦合元胞自动机的长度并设置密钥，将密钥分成6个子序列按序分配给三个三耦合元胞自动机作为初始值；选取一组规则作为迭代过程中使用的规则，使三耦合元胞自动机向前迭代产生新时刻下的状态值，并分别保存在三个全局状态变量中；采用间隔取样的方法抽取状态值作为伪随机序列的输出值；当从三个三耦合元胞自动机取出的二进制序列数的个数和大于等于所需要的伪随机序列长度时停止向前迭代。本发明能够在短时间内生成大量的高质量伪随机序列，通过使用不同的初等规则可以组合成不同的三耦合元胞自动机，组合多样，易于实现。
-
公开(公告)号：CN107944286B
公开(公告)日：2021-06-01
申请号：CN201711248754.9
申请日：2017-12-01
申请人： 河海大学
摘要： 本发明公开了一种基于明文特征的图像置乱方法，利用明文图像的明文特征对初值产生扰动，使得图像的置乱不仅依赖于密钥还依赖于图像的本身，明文图像的细小变化都会导致置乱图像的不同，同时图像的置乱不会改变像素值，不需要额外的传递明文特征值。此外，本方法不仅实现了图像的快速置乱，且抗攻击能力强，能抵抗已知明文攻击和选择明文攻击，且恢复图像的可读性不受影响。
-
-
-
-
-
-
-
-
-
搜索结果
110 条记录 (耗时 0.072 秒)
