-
公开(公告)号：CN116401719A
公开(公告)日：2023-07-07
申请号：CN202310395996.X
申请日：2023-04-13
申请人： 西安电子科技大学
IPC分类号： G06F21/71 , G06F18/24 , G06F18/214 , G06F30/327
摘要： 本发明公开了一种基于机器学习的门级网表中硬件木马检测与定位方法，主要解决现有技术中硬件木马定位精度与效率低，且需要理想模型作为参考的问题。其实现方案是：将样本中的集成电路划分为多个极大输出子模块，提取其特征向量构建数据集；使用交叉验证法对现有机器学习模型进行训练得到分类器；利用分类器对一个待测集成电路进行木马检测；基于逐层差异分析的木马搜索方法对检测得到的含有硬件木马的极大输出子模块进行木马定位。本发明以极大输出子模块为单位进行机器学习，显著提高了分类器的性能和对木马的检测准确率；通过对比分析极大输出子模块，提高了门级网表中木马电路的定位精度和效率，可用于集成电路门级网表设计中的硬件木马防护。
-
公开(公告)号：CN108537731B
公开(公告)日：2020-04-14
申请号：CN201810315128.5
申请日：2018-04-10
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于压缩多尺度特征融合网络的图像超分辨率重建方法，用于解决现有技术中存在的重建后的高分辨率图像峰值信噪比和结构相似性较低的技术问题。实现步骤为：获取由高低分辨率图像对组成的训练样本集；构建多尺度特征融合网络；对多尺度特征融合网络进行训练；获取压缩多尺度特征融合网络；用压缩多尺度特征融合网络对待重建RGB图像进行超分辨率重建。本发明在多尺度特征融合网络中采用多个依次层叠连接的多尺度特征融合层提取低分辨图像的多尺度特征，并对其进行非线性映射，有利于提高重建后的高分辨率图像峰值信噪比和结构相似性。可用于遥感成像、公共安全、医学诊断等领域。
-
公开(公告)号：CN106548450A
公开(公告)日：2017-03-29
申请号：CN201610874409.5
申请日：2016-09-30
申请人： 西安电子科技大学
IPC分类号： G06T3/40
CPC分类号： G06T3/4061
摘要： 本发明提供一种高光谱图像超分辨方法、装置及计算机可读介质，方法包括：获取待重建的低分辨率高光谱图像，以及获取与所述低分辨率高光谱图像对应的高分辨率低光谱图像；生成所述低分辨率高光谱图像对应的第一矩阵，以及生成所述高分辨率低光谱图像对应的第二矩阵；根据所述第一矩阵和所述第二矩阵，确定端元矩阵和丰度系数矩阵对应的第一约束条件和第二约束条件；根据所述第一约束条件和第二约束条件，估计端元矩阵和丰度系数矩阵；根据所述端元矩阵、所述丰度系数矩阵和所述高分辨率低光谱图像，将所述低分辨率高光谱图像重建出高分辨率高光谱图像。根据本方案，可以降低重建误差。
-
公开(公告)号：CN112328396B
公开(公告)日：2022-10-21
申请号：CN202011237763.X
申请日：2020-11-09
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于任务等级的动态自适应SOPC容错方法，用于解决现有技术中存在的用户可用度和资源利用率较低的技术问题，实现步骤为：构建动态自适应可编程片上系统；内部配置访问端口ICAP向FPGA加载任务的全局比特流；FPGA进行区域划分；静态区域获取粒子翻转信号数量；PS端评估任务等级；PS端向ICAP发送配置信息；ICAP向动态可重构区域加载部分比特流；可重构模块执行任务；PS端判断可重构模块是否发生故障；ICAP向故障可重构模块加载部分比特流。本发明将任务执行时间、任务执行截止时间以及故障修复时间作为任务等级划分依据，具有较高的用户可用度以及资源利用率。
-
公开(公告)号：CN108537731A
公开(公告)日：2018-09-14
申请号：CN201810315128.5
申请日：2018-04-10
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于压缩多尺度特征融合网络的图像超分辨率重建方法，用于解决现有技术中存在的重建后的高分辨率图像峰值信噪比和结构相似性较低的技术问题。实现步骤为：获取由高低分辨率图像对组成的训练样本集；构建多尺度特征融合网络；对多尺度特征融合网络进行训练；获取压缩多尺度特征融合网络；用压缩多尺度特征融合网络对待重建RGB图像进行超分辨率重建。本发明在多尺度特征融合网络中采用多个依次层叠连接的多尺度特征融合层提取低分辨图像的多尺度特征，并对其进行非线性映射，有利于提高重建后的高分辨率图像峰值信噪比和结构相似性。可用于遥感成像、公共安全、医学诊断等领域。
-
公开(公告)号：CN106503727A
公开(公告)日：2017-03-15
申请号：CN201610872312.0
申请日：2016-09-30
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种高光谱图像分类的方法及装置，该方法，包括：预先从高光谱图像中确定训练样本，为每个所述训练样本设置对应的类标；提取所述高光谱图像的至少两个图像特征；确定每个所述图像特征的最邻近图的相似度矩阵；确定每个相似度矩阵的图拉普拉斯矩阵；将每个所述图拉普拉斯矩阵投射在格拉斯曼流形上，在所述格拉斯曼流形上确定每两个图拉普拉斯矩阵之间的距离；根据所述每两个图拉普拉斯矩阵之间的距离和所述训练样本的类标，确定所述高光谱图像的类标矩阵；根据所述类标矩阵，确定所述高光谱图像的每个样本的类标。本发明提供了一种高光谱图像分类的方法及装置，能够提高分类的准确性。
-
公开(公告)号：CN106503727B
公开(公告)日：2019-09-24
申请号：CN201610872312.0
申请日：2016-09-30
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种高光谱图像分类的方法及装置，该方法，包括：预先从高光谱图像中确定训练样本，为每个所述训练样本设置对应的类标；提取所述高光谱图像的至少两个图像特征；确定每个所述图像特征的最邻近图的相似度矩阵；确定每个相似度矩阵的图拉普拉斯矩阵；将每个所述图拉普拉斯矩阵投射在格拉斯曼流形上，在所述格拉斯曼流形上确定每两个图拉普拉斯矩阵之间的距离；根据所述每两个图拉普拉斯矩阵之间的距离和所述训练样本的类标，确定所述高光谱图像的类标矩阵；根据所述类标矩阵，确定所述高光谱图像的每个样本的类标。本发明提供了一种高光谱图像分类的方法及装置，能够提高分类的准确性。
-
公开(公告)号：CN112328396A
公开(公告)日：2021-02-05
申请号：CN202011237763.X
申请日：2020-11-09
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于任务等级的动态自适应SOPC容错方法，用于解决现有技术中存在的用户可用度和资源利用率较低的技术问题，实现步骤为：构建动态自适应可编程片上系统；内部配置访问端口ICAP向FPGA加载任务的全局比特流；FPGA进行区域划分；静态区域获取粒子翻转信号数量；PS端评估任务等级；PS端向ICAP发送配置信息；ICAP向动态可重构区域加载部分比特流；可重构模块执行任务；PS端判断可重构模块是否发生故障；ICAP向故障可重构模块加载部分比特流。本发明将任务执行时间、任务执行截止时间以及故障修复时间作为任务等级划分依据，具有较高的用户可用度以及资源利用率。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.037 秒)
