-
公开(公告)号:CN119886434A
公开(公告)日:2025-04-25
申请号:CN202411955448.9
申请日:2024-12-28
Applicant: 郑州轻工业大学 , 河南步海信息技术有限公司
IPC: G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/0985 , G06N3/006 , G06F18/241 , G06F18/25 , G06F18/10
Abstract: 本发明公开了一种基于大数据分析的环境评估监测方法及装置,涉及大数据分析的技术领域;通过多个传感器获取目标温室在预设时段内的环境监测数据;获取目标温室的调控设备在预设时段内的运行状态;根据环境监测数据和调控设备的运行状态得到特征矩阵;将特征矩阵作为预训练的长短期记忆网络模型的输入,得到预测结果。通过对获取的环境监测数据进行清洗和融合,可以去除不必要的信息,得到高质量、可靠的数据;长短期记忆网络能够捕捉时间序列数据中的长期依赖关系,通过将特征矩阵输入到预训练的长短期记忆网络中,可以得到环境的预测结果;基于预测结果,可以提前调节调控设备的运行参数以稳定温室内的环境参数。
-
公开(公告)号:CN112132731A
公开(公告)日:2020-12-25
申请号:CN202010948552.0
申请日:2020-09-10
Applicant: 郑州轻工业大学
IPC: G06T1/00
Abstract: 本发明属于图像信息处理技术领域,具体涉及一种采用预设PSNR的DWT‑SVD域自适应鲁棒水印算法。该方法利用离散小波变换的抗攻击性与奇异值分解的稳定性,通过修改图像左奇异矩阵第一列元素之间的大小关系嵌入水印,并修改右奇异矩阵实现质量补偿。该方法不同于其他算法使用固定嵌入参数或反复实验得到嵌入参数,水印的嵌入强度依赖于嵌入参数,本发明不仅建立了嵌入参数、载体图像、水印信息之间的关联,并且不需要牺牲算法的时间复杂度,嵌入完成后的像素溢出与修正增强了算法的可靠性。
-
公开(公告)号:CN112132731B
公开(公告)日:2023-12-05
申请号:CN202010948552.0
申请日:2020-09-10
Applicant: 郑州轻工业大学
IPC: G06F21/16
Abstract: 本发明属于图像信息处理技术领域,具体涉及一种采用预设PSNR的DWT‑SVD域自适应鲁棒水印算法。该方法利用离散小波变换的抗攻击性与奇异值分解的稳定性,通过修改图像左奇异矩阵第一列元素之间的大小关系嵌入水印,并修改右奇异矩阵实现质量补偿。该方法不同于其他算法使用固定嵌入参数或反复实验得到嵌入参数,水印的嵌入强度依赖于嵌入参数,本发明不仅建立了嵌入参数、载体图像、水印信息之间的关联,并且不需要牺牲算法的时间复杂度,嵌入完成后的像素溢出与修正增强了算法的可靠性。(56)对比文件杨恒伏;孙光.基于视觉感知的图像自适应半脆弱水印算法.光电工程.2011,(第02期),全文.Jinhua Liu;Kun She.Arpc aCriediaag.Circuits, Systems, and SignalProcessing.2012,第31卷(第2期),全文.Falgun N. Thakkar;Vinay Kumar Srivastava.A blind medical imagewatermarking: DWT-SVD based robust andsecure approach for telemedicineapplications.Multimedia tools andapplications.2017,第76卷(第3期),全文.
-
公开(公告)号:CN112134847A
公开(公告)日:2020-12-25
申请号:CN202010867932.1
申请日:2020-08-26
Applicant: 郑州轻工业大学
Abstract: 本发明属于攻击检测方法技术领域,具体涉及一种基于用户流量行为基线的攻击检测方法。该方法通过提取用户的网络流量行为的流级别的特征集;将特征集输入改进的模型中进行训练,得到用户行为基线,将基线作为判断标准对新接入流量进行攻击检测。该方法在训练时仅使用用户的正常行为流量,经过改进后的双向生成对抗网络算法能够对高纬度的流量特征进行较稳定的训练,适用于未知攻击的检测,检测速度快、准确度高。
-
公开(公告)号:CN111988277A
公开(公告)日:2020-11-24
申请号:CN202010694781.4
申请日:2020-07-18
Applicant: 郑州轻工业大学
Abstract: 本发明提供一种基于双向生成对抗网络的攻击检测方法,旨在对复杂且高维度的网络流量进行高效的攻击检测。该双向生成对抗网络增加了编码器,使得模型既具有编码能力,又具有普通生成对抗网络的生成能力,从而形成了对流量特征双向学习的过程。模型在训练过程中仅使用正常网络流量数据,通过编码器、生成器网络的编解码过程获得正常流量特征的重构误差,通过判别网络学习正常流量特征中的重要特征和特征分布,这两部分网络内部都使用神经网络模型,使其具有更好的编解码能力,它们之间交替学习,更新参数,形成博弈过程,从而得到正常流量样本的特征分布得分,将每一个测试样本特征向量的异常分数与特征分布得分进行比较,当测试样本的异常分数大于基线得分时,该测试样本即可被判定为攻击样本。
-
公开(公告)号:CN212727063U
公开(公告)日:2021-03-16
申请号:CN202021683486.0
申请日:2020-08-13
Applicant: 郑州轻工业大学
IPC: H04L12/771 , H04Q1/04
Abstract: 本实用新型公开了一种防尘式路由器,包括壳体,所述壳体的内部设置有路由器本体,所述路由器本体的两侧均安装有天线,所述天线的外侧贯穿至壳体的外侧,所述壳体底部的后侧通过合页活动连接有盖板,所述壳体的顶部连通有框架,所述框架的内部横向固定连接有风扇,所述盖板的顶部固定连接有卡块,所述壳体顶部的后侧通过转轴活动连接有活动块,所述卡块的顶部贯穿至活动块的顶部,所述盖板的背面开设有通孔。本实用新型解决了现有的路由器在使用的过程中无法对路由器进行防尘,灰尘容易进入路由器的内部,影响路由器正常运行的问题,且具备防尘的优点。
-
-
-
-
-