一种基于复杂网络的图像生成音乐的方法

    公开(公告)号:CN108062417B

    公开(公告)日:2020-02-21

    申请号:CN201810010890.2

    申请日:2018-01-05

    Applicant: 东北大学

    Abstract: 本发明公开一种基于复杂网络的图像生成音乐的方法,包括,步骤1:提取灰度图像的感兴趣区域对应的灰度码,将灰度码数组中连续相邻的三个灰度码相乘获得灰度积数组;步骤2:根据MIDI音高的范围对灰度积数组中的元素进行模处理,得到音域区间和音高浮动数值,进而生成音高序列;步骤3:以现有音乐中音符的音高、音长和力度作为基本属性进行音符节点的编码,音符节点和节点连边构成音符网络;步骤4:将图像生成的音高序列在音符网络中进行节点游走,进而生成音乐。本发明的图像生成音乐的方法,运用复杂网络和乐理渲染的知识使音乐更有节奏和更加柔美。

    一种基于邮件-语音形式分级下发地震警报的方法

    公开(公告)号:CN110646838A

    公开(公告)日:2020-01-03

    申请号:CN201910876700.X

    申请日:2019-09-17

    Applicant: 东北大学

    Abstract: 本发明提供一种基于邮件-语音形式分级下发地震警报的方法,涉及地震数据流实时监测技术领域。本发明对实时监控到的数据流读取为可用的地震数据,并过滤无用地震数据。对地震设置分级,不同的地震数据划分到不同的分级,同时也可以按照地震发生位置的不同进行分级,并根据分级获取警报接收方。当读取到新的地震事件时,将地震数据封装成详细的地震信息,一种是通过邮件发送的方式通知相关部门,另一种是改变语音播报系统内文档的内容,当系统监测到播报内容被修改时,便将修改内容进行语音通话的方式通知相关部门,发送过地震警报后,需要对历史数据进行存储,避免来自不同台站侦测到的同一地震时间进行重复警报。

    基于布隆过滤器算法的地震台网大数据去重的方法

    公开(公告)号:CN110532251A

    公开(公告)日:2019-12-03

    申请号:CN201910800615.5

    申请日:2019-08-28

    Applicant: 东北大学

    Abstract: 本发明提出了一种基于布隆过滤器算法的地震台网大数据去重的方法。其特征是:步骤1通过TCP/IP协议接收多路数据流数据,并按字节进行拆包操作,并对拆包后的每个包进行解析;步骤2将经过拆包处理后的所有数据包进行一次去重过滤判断,并存储到布隆过滤器中;步骤3对解析出的包含特定含义字段的数据包进行判断是否需要二次去重过滤,并存储到HBase数据库中;步骤4将存储到HBase数据库中的数据包解析为地震数据MSEED格式,并存储到磁盘中永久保存,需要输出时以台网名、台站名、通道、采样率和时间组合的方式进行自动命名;步骤5利用obspy.merge方法对存储到HBase数据库中的数据包进行三次去重判断;步骤6通过TCP/IP协议建立连接,实现服务器端,将处理后的数据包以数据流的方式转发出去,并持续监听发送端口是否有请求。本发明从功能上将多路数据流汇总成单路数据流,通过布隆过滤器的一次去重、HBase数据库的二次去重以及obspy.merge方法的三次去重实现实时大数据的去重。

    基于机器学习的地震波震动性质识别方法

    公开(公告)号:CN110488351A

    公开(公告)日:2019-11-22

    申请号:CN201910752213.2

    申请日:2019-08-15

    Applicant: 东北大学

    Abstract: 本发明提供一种基于机器学习的地震波震动性质识别方法,涉及机器学习技术领域。本发明分为地震波形处理,提取特征值,训练模型,模型应用四个阶段进行。计算震源与台站之间的距离,对震中距进行筛选,读取筛选后震中距的三分量地震波形数据,使用长短时窗算法STA/LTA及AIC方法准确找到地震波初动的位置,进一步对地震数据长度进行截取。分别对地震波形进行时、频域分析,提取三个特征波形复杂度、谱比值和波形复杂度/谱比值作为人工神经网络模型的输入。训练一个识别二分类问题的具有两个隐藏层的人工神经网络模型,输出为波形所属类别的概率。本发明训练的模型可以准确高效的判断地震波形所属类别。

    一种基于关系推理的目标搜索方法

    公开(公告)号:CN110399876A

    公开(公告)日:2019-11-01

    申请号:CN201910815317.3

    申请日:2019-08-30

    Applicant: 东北大学

    Abstract: 本发明公开一种基于关系推理的目标搜索方法,属于计算机视觉识别技术领域,该方法通过优化Apriori算法,建立对象间的关系图,再通过简化YOLO V3,输出需要搜索的目标物体,并用边界框标出,即使目标物体不在视线范围内,通过建立的对象间的关系图也能够找到预期目标物体最有可能出现的其他相关对象,用边界框框出其他相关对象并输出,本发明缩小了Apriori算法的搜索范围并提高了对象搜索的效率,为物体间交互操作提供依据。

    一种基于复杂网络同步的混沌图像加密方法

    公开(公告)号:CN109104544A

    公开(公告)日:2018-12-28

    申请号:CN201810889736.7

    申请日:2018-08-07

    Applicant: 东北大学

    CPC classification number: H04N1/32272

    Abstract: 本发明提供一种基于复杂网络同步的混沌图像加密方法,涉及网络加密技术领域。一种基于复杂网络同步的混沌图像加密方法,首先将复杂网络进行同步;然后对明文图像进行量化处理,并将其作为当前图像,采用超混沌驱动系统对当前图像进行预处理,对当前图像进行置乱处理和扩散处理得到密文图像。最后对得到的密文图像量化处理,并将密文图像作为当前待处理图像,采用超混动响应系统同步产生置乱序列,对当前待处理密文图像进行逆扩散和逆置乱处理,得到明文图像。本发明提供的基于复杂网络同步的混沌图像加密方法,使得密文图像隐蔽性强,大大增加了破译的难度,而且使得加密算法能够抗各种统计攻击、暴力攻击和差分攻击。

    基于社区划分的复杂网络聚类同步的牵制节点选择方法

    公开(公告)号:CN109039745A

    公开(公告)日:2018-12-18

    申请号:CN201810889725.9

    申请日:2018-08-07

    Applicant: 东北大学

    CPC classification number: H04L41/145 H04L67/1095

    Abstract: 本发明提供一种基于社区划分的复杂网络聚类同步的牵制节点选择方法,涉及复杂网络及非线性控制技术领域。基于社区划分的复杂网络聚类同步的牵制节点选择方法,首先建立一个由m个社区子网络构成的N个节点的复杂网络,并设定复杂网络的同步流形,得到各社区子网络节点的同步误差;然后选取复杂网络中每个社区的牵制节点,并对所选取的牵制节点施加负反馈控制器,进而得到受控复杂网络的同步误差系统;最后对同步误差系统设计Lyapunov函数,证明复杂网络可达到聚类同步。本发明提供的基于社区划分的复杂网络聚类同步的牵制节点选择方法,同步效果更好、同步时间更短且使牵制节点位置相对分散,牵制作用范围重合较小。

    双代理动态混流作业极小化加权制造期问题下界求解方法

    公开(公告)号:CN108196518A

    公开(公告)日:2018-06-22

    申请号:CN201810017019.5

    申请日:2018-02-13

    Applicant: 东北大学

    Abstract: 本发明涉及一种双代理动态混流作业极小化加权制造期问题下界求解方法,步骤为:计算各工件每个阶段的开始时间;计算各工件在各个阶段的加工时间;对于每个阶段,根据开始时间和加工时间确定A、B两个代理集合的优先级,以最后完工时间最短的作为高优先级代理;按阶段计算各个阶段的下界;补齐结尾Fj,有m台机器,记录A、B集合在流水车间模型下的总制造期CmaxA和CmaxB,机器上的下界值LBj=CmaxA+CmaxB+Fj;在每个阶段下界中取最大值即为模型最终下界LB=MAX{LBj}。针对双代理动态混流作业极小化加权制造期问题,本发明提供了评估算法性能的方法,有效解决了下界设计的问题。

    一种基于带有释放时间流水车间的双代理问题的下界求解方法

    公开(公告)号:CN107392384A

    公开(公告)日:2017-11-24

    申请号:CN201710628582.1

    申请日:2017-07-28

    Applicant: 东北大学

    CPC classification number: G06Q10/04 G06Q10/06316

    Abstract: 本发明属于生产调度领域,提出了求解NP难问题下界的方法,即一种基于带有释放时间流水车间的双代理问题的下界求解方法,下界即为松弛掉一些约束的排序所求得的解,所用算法的排序求解得一个可行解即上界,排序的最优解则介于上界与下界之间。因此下界作为一种评价算法求解性能的重要手段。该发明所设计的下界使用了基于单机问题的方法,即在每台机器上都求得一个下界,最后取大。并在每台机器上采用了可中断的方式来松弛约束条件。由仿真结果可得,下界是收敛的,即当工件数趋于无穷大的时候,下界收敛于最优解。在大规模情况下,这对于评价算法求解性能具有很大意义。

Patent Agency Ranking