-
公开(公告)号：CN116633940A
公开(公告)日：2023-08-22
申请号：CN202310728724.7
申请日：2023-06-19
Applicant: 西安电子科技大学 , 广州链融信息技术有限公司 , 佛山链融新技术有限公司
IPC: H04L67/101 , H04L67/1014 , H04L67/1004 , H04L41/0823 , H04L47/76
Abstract: 本申请公开了一种基于质量感知的在线客户端选择方法及装置，计算第t轮的客户端的数据质量，再根据第t‑1轮用户选择信道的累计次数计算通信时延奖励估值和通信能耗奖励估值，为每个客户端分配信道，并根据t‑1轮服务器选择客户端的累计次数计算训练时延奖励估值和训练能耗奖励估值，通过通信时延奖励估值、通信能耗奖励估值、训练时延奖励估值、训练能耗奖励估值以及数据质量计算出合适的客户端集，最后对选择的客户端集重新计算信道分配，直至所有信道分配完成，以实现基于质量感知的在线客户端选择。通过设计客户端选择、信道分配等联合优化策略，能够表现出更好的性能，实现数据质量、时延和能耗之间的平衡，提高了收敛精度。
-
公开(公告)号：CN117354829A
公开(公告)日：2024-01-05
申请号：CN202311197332.9
申请日：2023-09-15
Applicant: 西安电子科技大学 , 广州链融信息技术有限公司
Abstract: 本发明公开了一种面向实用拜占庭容错共识的资源分配方法，包括：获得包括多个共识车辆的共识网络，初始化时延上限；分别确定客户端车辆、共识网络中车辆的传输功率和车载CPU计算频率；设定最大迭代次数和精度；根据前一次迭代获得客户端车辆、共识网络中车辆的传输功率和车载CPU计算频率获得当前迭代的时延上限；根据当前迭代整个共识过程的时延上限获得当前迭代中的传输功率和车载CPU计算频率；判断时延上限的精度是否满足要求，若满足，则获得最佳传输功率和最佳车载CPU计算频率，若不满足，继续进行迭代。本发明的方法为每个参与共识的车辆制定资源优化问题，以在时间和能量约束下适当分配其计算和通信资源，确保快速和成功的共识。
-
公开(公告)号：CN117495809A
公开(公告)日：2024-02-02
申请号：CN202311465972.3
申请日：2023-11-06
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T7/10 , G06V10/40 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于背景纯化和光谱差异引导的高光谱异常检测方法，首先采用基于多重光谱统计特性的背景纯化方法对高光谱图像进行背景纯化得到近似纯净的样本；其次，将上一步得到的样本输入到深度自编码器网络中进行训练，训练完毕后再次输入高光谱图像，得到重构样本，并利用l2范数计算重构误差；但是上一步得到的特征分离基准图中，仍然会存在异常部位漏检的现象，这一点说明在原始的高光谱数据集中有一部分的异常目标和背景的光谱区别不大，对于这个问题，本发明引入光谱差异引导方法对上一步中提出的差异进行扩大；最后，利用马氏距离计算光谱差异引导结果的异常概率，得到异常检测结果。
-
公开(公告)号：CN103023819B
公开(公告)日：2015-09-30
申请号：CN201210596494.5
申请日：2012-12-14
Applicant: 西安电子科技大学
IPC: H04L12/911
Abstract: 本发明公开了一种粗粒度动态带宽分配方法，用于解决共享信道中多个用户之间快速、有效分配带宽的问题。该方法首先对用户的协议带宽、初始带宽、最高带宽、队列门限带宽分配参数进行配置。然后等待用户举手，为其分配协议带宽并统计用户的加权平均带宽。待加权平均带宽趋于稳定，根据用户的加权平均带宽、当前缓存队列与等效带宽、队列门限的大小关系进行带宽分配。协议带宽以下采用快增慢减策略分配带宽，以上采用慢增快减策略分配带宽。本发明具有系统资源占用率小的优点，可用于需要对系统带宽进行快速、有效的分配，而又不希望引入过多的带宽计算开销的通信系统中。
-
公开(公告)号：CN118447399A
公开(公告)日：2024-08-06
申请号：CN202410597341.5
申请日：2024-05-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度频率分解的双路高光谱异常检测方法，首先通过三层卷积提取输入的高光谱数据的特征，然后通过一个多尺度频率分解模块将提取的潜层特征分解为高频数据和低频数据，再分别将低频数据和高频数据送入到低频恢复网络和高频增强网络，得到重构的高频数据和低频数据，最后，通过一层卷积融合重构的高频数据和低频数据得到重构的高光谱数据，在异常检测时，通过马氏距离分别处理高频数据和低频数据，得到最后的检测结果。本发明针对微弱目标等，可以增强目标特征，从而具有较好的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN117522814A
公开(公告)日：2024-02-06
申请号：CN202311487046.6
申请日：2023-11-09
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种高光谱图像的异常检测方法，本发明基于多特征联合的背景重构减法对高光谱图像进行异常检测。具体方法包括：首先使用空间特征和光谱特征联合改进的双窗口三边滤波方法对图像进行背景重构；其次对于分析图像中异常目标的分布特性，在传统显著性检测方法的基础上提出基于全局上下文感知的显著性特征提取方法来提取出图像的显著性特征图；然后将图像的显著性特征图与三边滤波后重构背景图作差平方后得到异常目标初始检测图；最后利用光谱相关系数来获取图像的光谱权值图，并将其与初始异常检测图进行融合来获得最终的异常检测结果。
-
公开(公告)号：CN117495720A
公开(公告)日：2024-02-02
申请号：CN202311464041.1
申请日：2023-11-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度边缘保持模型的去雾方法，该方法首先在HSV空间通过小波变换对亮度分量V进行分解，在低频图像中使用Retinex理论进行去雾，在高频图像中使用侧窗滤波增强细节，进而对高低频分量进行小波逆变换得到增强V分量，由于亮度分量V和饱和度分量S遵循V‑S模型，因此需要对S分量进行调整，最后将图像转换到RGB空间对去雾图像进行色彩恢复得到最终清晰图像。本发明对雾天图像对比度的提高和细节信息的恢复两方面具有良好的效果。
-
公开(公告)号：CN103023819A
公开(公告)日：2013-04-03
申请号：CN201210596494.5
申请日：2012-12-14
Applicant: 西安电子科技大学
IPC: H04L12/911
Abstract: 本发明公开了一种粗粒度动态带宽分配方法，用于解决共享信道中多个用户之间快速、有效分配带宽的问题。该方法首先对用户的协议带宽、初始带宽、最高带宽、队列门限带宽分配参数进行配置。然后等待用户举手，为其分配协议带宽并统计用户的加权平均带宽。待加权平均带宽趋于稳定，根据用户的加权平均带宽、当前缓存队列与等效带宽、队列门限的大小关系进行带宽分配。协议带宽以下采用快增慢减策略分配带宽，以上采用慢增快减策略分配带宽。本发明具有系统资源占用率小的优点，可用于需要对系统带宽进行快速、有效的分配，而又不希望引入过多的带宽计算开销的通信系统中。
-
公开(公告)号：CN119919799A
公开(公告)日：2025-05-02
申请号：CN202411882606.2
申请日：2024-12-19
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045
Abstract: 本发明实施例公开了一种全局和局部特征学习的高光谱异常检测方法、系统及介质，方法包括：利用两层卷积层提取高光谱数据的潜层特征；潜层特征通过一层卷积层后通过两个残差块和一次卷积操作提取局部特征；对潜层特征进行全局平均池化获取下采样特征，根据下采样特征的全局信息获取图卷积模块输出特征，基于图卷积模块输出特征获取全局特征；基于潜层特征与记忆矩阵间的相似矩阵获取低秩表示特征；根据局部特征、全局特征以及低秩表示特征获取融合特征；融合特征经过一层卷积层后再进行一次卷积和批归一化获取重构高光谱数据；根据高光谱数据与重构高光谱数据的差值确定残差图像，在该图像上进行异常检测获取最终的二维检测图，提高异常检测精度。
-
公开(公告)号：CN119887527A
公开(公告)日：2025-04-25
申请号：CN202411950656.X
申请日：2024-12-27
Applicant: 西安电子科技大学
IPC: G06T3/4069 , G06T3/4046 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于混合卷积的自注意力红外图像超分辨重建方法，对初始的待重建红外图像进行像素嵌入，获取其浅层特征F0；利用级联的N个Swin Transformer混合卷积组和1个卷积层，对浅层特征F0进行深层特征提取，获取深层特征FDF；其中每个Swin Transformer混合卷积组由级联的L个Swin‑CNN融合处理块和1个卷积层组成；基于浅层特征F0和深层特征FDF，利用重建函数进行红外图像超分辨重建。本发明融合了Swin Transformer和CNN的优势，从融合处理全局和局部信息的层面上提高了对红外图像细节及特征的重建性能，在准确性和鲁棒性方面展现出了显著优势，并最终实现了高质量的红外图像重建。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.09 seconds)
