-
公开(公告)号：CN110031798A
公开(公告)日：2019-07-19
申请号：CN201910300089.6
申请日：2019-04-15
Applicant: 哈尔滨工程大学
IPC: G01S5/02
Abstract: 本发明属于室内跟踪领域，具体涉及一种基于简化Sage-Husa自适应滤波的室内目标跟踪方法；包括在普通系统方程的基础上建立本跟踪系统的系统方程；预测阶段：在不利用观测值的前提下，目标估计当前时刻状态；更新阶段：利用观测值更新估计状态；噪声估计阶段：利用Sage-Husa自适应滤波的时变噪声统计估值器对系统噪声统计特征和实时修正；重复步骤2至步骤4，直至结束跟踪。相比于传统卡尔曼滤波，当目标的运动状态不确定或者运动状态发生突变时，本发明提出的基于简化的Sage-Husa自适应滤波的跟踪算法在卡尔曼滤波的基础上引入了时变噪声统计估值器，可以实时校正系统噪声，使得系统方程更加符合实际情况，能提升滤波精度并且抑制滤波发散，应用前景广阔。
-
公开(公告)号：CN109905399A
公开(公告)日：2019-06-18
申请号：CN201910194180.4
申请日：2019-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交媒体异常用户检测的安全领域，具体涉及一种基于自我网络结构演化的社交媒体个体异常用户检测方法。包括比较快照GT-1和GT来识别时变分量；基于时变分量构建可疑异常节点集合SAN-Set(T)；对于SAN-Set(T)中的每个节点vi，构建核心网Core-netT-1(vi)和Core-netT(vi)；对于SAN-Set(T)中的每个节点vi，求出异常分数Outlying-Score(vi)，并按照异常分数大小进行排序；输出前n个最大的异常分数。本发明针对社交媒体中个体用户发生异常行为的场景，在现有IcLEOD方法的基础上提出一种改进的基于有向图的增量局部演化异常检测方法Db-IcLEOD，改进后的方法可以用于处理基于有向图的社交媒体用户交互状态网络，将用户交互的方向性考虑在内，通过此改进只有与可疑异常节点进行双向交互的节点才会被划进其核心网，从而避免原方法的异常误报。
-
公开(公告)号：CN109658655A
公开(公告)日：2019-04-19
申请号：CN201910036683.9
申请日：2019-01-15
Applicant: 哈尔滨工程大学
IPC: G08B13/196
Abstract: 本发明提出了一种基于无线信号的室内被动入侵检测方法，属于无线定位技术领域。本发明提出的方法包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，接收机获取信道状态信息，通过滑动窗口提取子载波的振幅信息，使用插值方法对其进行采样频率校准，对子载波的振幅信息构成的矩阵降维处理后进行低通滤波，之后进行连续小波变换，并计算小波系数的小波方差，将其作为特征；在人体检测的训练阶段从采集的数据中选取足够的数据作为训练集，对分类器进行训练；在人体检测的检测阶段，使用分类器对经前述步骤处理的数据进行识别，确定是否有人，并进行修正。该方法从频域的角度提取人体移动时的周期性特征，降低了对环境的依赖性。
-
公开(公告)号：CN109067612A
公开(公告)日：2018-12-21
申请号：CN201810769817.3
申请日：2018-07-13
Applicant: 哈尔滨工程大学
CPC classification number: H04L43/026 , G06K9/6223 , H04L43/028 , H04L43/062
Abstract: 本发明属于网络技术领域，具体涉及一种基于增量聚类算法的在线流量识别方法。包括离线识别阶段和在线识别阶段，离线识别阶段将预先准备的训练数据集使用基于改进K均值算法的半监督学习流量算法进行初步的聚类和映射工作，得到初步分类完成的数据集；在线识别阶段基于离线识别阶段所形成的已完成聚类和映射的数据集，对在线新加入的数据流进行增量聚类来判断其网络应用类型，从而达到流量识别的目的。本方法基于机器学习技术，通过构建合适的识别模型对预先准备的数据进行学习，可以实时对在线流量进行增量聚类，结合预先准备的训练集进行初步的半监督分类，可以实现网络流量的在线识别，具有良好的实时性和较高的识别率。
-
公开(公告)号：CN108874537A
公开(公告)日：2018-11-23
申请号：CN201810508398.8
申请日：2018-05-24
Applicant: 哈尔滨工程大学
IPC: G06F9/50
Abstract: 本发明提供的是一种基于分段的自适应动态调整线程池大小的方法。一，配置线程池动态改变大小的上限Tmax和下限Tmin；二，如果用户请求数量处于上升阶段，使用调整因子向上调线程池的大小；三，如果用户请求数量处于平稳阶段，当用户的请求数大于线程池中的工作线程数量时，以用户请求量为调整线程池大小的目标；四，如果用户请求数量处于下降阶段，使用调整因子向下调线程池的大小；五，线程池大小调整分别同上限Tmax和下限Tmin比较，大于Tmax时，使用Tmax作为线程池大小；小于Tmin时，使用Tmin作为线程池的大小。本发明通过监测线程池的状态并对线程池的尺寸进行调整，最大限度地满足用户的需求。
-
Patent Agency Ranking
公开(公告)号：CN108769001A
公开(公告)日：2018-11-06
申请号：CN201810508399.2
申请日：2018-05-24
Applicant: 哈尔滨工程大学
CPC classification number: H04L63/1416 , G06K9/6223 , H04L63/145
Abstract: 本发明提供的是一种基于网络行为特征聚类分析的恶意代码检测方法。步骤1，主要针对僵尸网络和木马的网络行为进行特征分析；步骤2，利用MFAM‑NB框架进行网络特征提取；步骤3，利用基于自适应权重的k‑Means聚类算法进行恶意代码检测。该方法能够解决恶意网络可以轻易地改变包内容和流特性，从而避开恶意代码的检测的问题，并且能够解决传统恶意代码检测方法对于手工特征提取的依赖性问题。该方法所采用的基于自适应权重的k‑Means恶意代码检测算法能够解决传统的k‑Means算法对于初始化中心选择不当导致恶意代码检测不准确的问题，并且能够解决k‑Means算法处理大数据量特征集过于耗时的问题。
-
公开(公告)号：CN105158727B
公开(公告)日：2017-10-31
申请号：CN201510340890.5
申请日：2015-06-18
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无线感知领域，具体涉及一种室内细粒度实时被动人体移动检测的增强型室内无源被动人体定位方法。本发明包括：数据采集：数据处理：利用线性变换方法，将随机相位转换为可用相位；特征值提取：人体移动检测。本发明提出一个室内细粒度实时被动人体移动检测方法，该方法可利用信道状态信息中的相位信息来实现人体移动检测。本方法中采用了消除随机噪音的相位信息，可以获得更加精确的检测性能。本发明研发了两种新的检测方法，这两种方法其检测阈值与具体环境无关，避免了因环境自身改变而需重新勘测的开销。这两种方法计算量较小，实时性较高。
-
-
公开(公告)号：CN106027369A
公开(公告)日：2016-10-12
申请号：CN201610300852.1
申请日：2016-05-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种面向邮件地址特征的邮件地址匹配方法。(1)按照构建过程，构建n条邮件地址规则；(2)随机生成一条邮件地址，将该邮件地址包括“@”符在内的“@”符之前的部分在AC自动机构建的规则树中，进行匹配；(3)将该地址“@”符之后的部分的域名部分，计算三种哈希函数的函数值，在哈希表中进行查找。本发明提出的基于动态存储的缓冲区方法，考虑了邮件地址的用户名部分数量较大，较为分散，且域名部分数量大但是种类比较少的特点，充分利用的多模式匹配算法和哈希算法的优势。能够在大规模邮件地址匹配时拥有良好的内存性能表现和时间性能变现。
-
公开(公告)号：CN105871726A
公开(公告)日：2016-08-17
申请号：CN201610161030.X
申请日：2016-03-21
Applicant: 哈尔滨工程大学
IPC: H04L12/743 , H04L29/12
CPC classification number: H04L45/7453 , H04L61/251 , H04L61/6059
Abstract: 本发明属于网络信息处理技术领域，具体涉及一种基于公共前缀的动态添加树节点和单元的模式匹配方法。本发明包括：(1)模式加载操作：当一条新的IP地址加入字典树时，先从树根节点开始查找；(2)网络地址查找操作：对于网络IP地址在字典树结构中的查找，在单元查找过程中，使用扇出宽度来选择横向查找的方法。与现有的方法相比，本发明提出了基于公共子串的动态添加树节点和单元方法，设计横向单元的查找方案，基于树纵向的压缩减少查找过程中内存的访问次数。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.032 seconds)
