一种脑电数据处理方法、装置、电子设备和存储介质

    公开(公告)号:CN119924854A

    公开(公告)日:2025-05-06

    申请号:CN202411964589.7

    申请日:2024-12-30

    Abstract: 本申请公开了一种脑电数据处理方法、装置、电子设备和存储介质。所述方法包括:对原始脑电信号进行预处理;在五个频段上分别对预处理后的脑电信号进行微状态划分;五个频段包括delta频段、theta频段、alpha频段、beta频段、gamma频段;微状态包括四类微状态;对每个频段下脑电信号的微状态进行特征提取;特征包括:持续每个微状态类别的时间特征、出现频率特征、占有率特征、各个微状态的转换概率特征;利用SVM‑RFE模型进行特征筛选,得到目标特征。根据本申请提供的技术方案,不仅考虑到了脑电信号不同频率范围内的空域信息,使特征分类更加全面,更结合了SVM模型和RFE算法提高了模型的性能,减少计算时间和成本,从而在整体上提高了脑电数据识别效果。

    一种基于推荐算法的自动驾驶可解释决策方法

    公开(公告)号:CN119160213B

    公开(公告)日:2025-04-04

    申请号:CN202411191388.8

    申请日:2024-08-28

    Applicant: 上海大学

    Inventor: 陈思含 史秀鹏

    Abstract: 本发明公开了一种基于推荐算法的自动驾驶可解释决策方法,主要涉及推荐算法与自动驾驶领域;包括步骤:S1、对传感器获得的交通数据预处理后提取评估指标的替代性指标和驾驶行为特征,并聚类得到标签;S2、训练XGBoost模型分析特征重要性,通过递归特征消除试验筛选各个评估指标的关键驾驶行为特征并重新训练模型;S3、对高风险交通数据的关键驾驶行为特征,根据历史数据召回多组的关键特征参数组合,聚类形成不同贡献等级的分组;S4、基于所推荐的关键特征参数组合及其性能预测值,进行多目标约束运筹求解;本发明与现有的深度学习算法相比,可解释性更高,有利于自动驾驶技术的推广使用。

    优化输入与滚动修正的梯级泵站站前水位实时预测方法

    公开(公告)号:CN119537841A

    公开(公告)日:2025-02-28

    申请号:CN202411602165.6

    申请日:2024-11-11

    Applicant: 济南大学

    Abstract: 本发明提供优化输入与滚动修正的梯级泵站站前水位实时预测方法,涉及泵站运行调度及水利信息化研究领域。该优化输入与滚动修正的梯级泵站站前水位实时预测方法,提出一种包括采集数据清洗、输入因子简化、分时段预测、滚动消除误差的方法,首先对采集到的相关数据进行清洗,进而采用归一化预处理,再使用皮尔逊相关系数计算输入因子的相关性,并进行敏感性分析,计算水流传播过程的滞后时间并据此进行分时段预测,引入误差校正(EC)技术,将训练集数据输入至LSTM‑EC神经网络模型,通过不断调节优化权重矩阵和偏差项,完成对LSTM‑EC神经网络模型的训练优化,输入预测集数据,最终实现对梯级泵站站前水位的实时滚动预测。

    一种基于预设协议的隐蔽通道通信的检测方法及装置

    公开(公告)号:CN119276641A

    公开(公告)日:2025-01-07

    申请号:CN202411808496.5

    申请日:2024-12-10

    Abstract: 本申请的实施例公开了一种基于预设协议的隐蔽通道通信的检测方法及装置,涉及网络安全技术领域,为能够有效地检测基于预设协议的隐蔽通道进行通信的报文而发明。所述方法包括:采集目标检测环境中的待检测数据报文;其中,所述待检测数据报文为基于预设协议的数据报文;获取所述待检测数据报文的指定特征的特征值;根据所述特征值和预先训练的基于变精度粗糙集的决策树优化模型,确定所述待检测数据报文是否为恶意报文,以确定所述待检测数据报文是否为基于预设协议的隐蔽通道进行通信的报文。本申请适用于对检测环境中是否存在基于预设协议的隐蔽通道进行通信。

    基于联合随机森林的网络入侵检测方法

    公开(公告)号:CN119051946A

    公开(公告)日:2024-11-29

    申请号:CN202411175235.4

    申请日:2024-08-26

    Applicant: 浙江大学

    Abstract: 本发明提出了一种基于联合随机森林的网络入侵检测方法;各参与方首先准备本地网络流量数据集,对数据进行预处理,训练得到本地第一随机森林模型并将该模型上传至中心服务器;中心服务器将各参与方的模型集成为集成随机森林模型并分发给各参与方;各参与方在本地构造用于逻辑回归模型训练的新数据集;中心服务器和各参与方协同完成逻辑回归模型的训练;对训练得到的联合随机森林模型调整后,将集成随机森林模型和逻辑回归模型部署到本地并执行入侵检测任务。该方法可以实现各参与方在充分保护数据隐私的前提下,构建出高效、鲁棒、可解释且可拓展的入侵检测模型。

Patent Agency Ranking