-
公开(公告)号：CN110300159A
公开(公告)日：2019-10-01
申请号：CN201910496964.2
申请日：2019-06-10
Applicant: 华侨大学
Abstract: 本发明涉及一种基于边缘计算的传感云数据安全低成本存储方法，包括：底层传感器将收集的数据发送至边缘服务器；所述边缘服务器对接收的传感数据进行预处理，利用差分算法把传感数据分为元数据与残差两部分；所述边缘服务器对元数据与残差进行加密，并将残差发送至云端服务器进行存储，并将元数据部分存储在边缘服务器，另一部分发送至本地服务器存储。本发明对传感数据差分处理成元数据以及残差两部分，对数据加密后基于冗余策略将数据分块存储，残差部分的数据块存储在云端，元数据部分数据块存储在边缘层，部分数据块存储在本地以防止数据恢复，进一步提高了数据安全，提高资源利用率，降低云端存储成本并减少了传输带宽消耗。
-
公开(公告)号：CN110213736A
公开(公告)日：2019-09-06
申请号：CN201910354785.5
申请日：2019-04-29
Applicant: 华侨大学
Abstract: 本发明公开了一种基于众包的传感云底层节点信任评价方法，包括：云端向移动用户发布信任评价任务；移动用户根据自身情况决定是否投标，若决定投标，则向云端上传其自身信息，所有参与投标的移动用户构成用户集合EU＝{u1,u2,...,ui,...,un}；云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集合S；用户集合S中的移动用户对传感云底层的传感器节点进行信任评价，并将信任评价结果上传至云端；云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果；云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中移动用户的实际报酬。本发明通过众包雇佣移动用户对传感云底层传感器节点进行信任评价，能有效减小信任评价的成本。
-
公开(公告)号：CN104819722B
公开(公告)日：2018-04-17
申请号：CN201510236744.8
申请日：2015-05-11
Applicant: 华侨大学
Abstract: 一种行车跟随方法和系统，具体步骤如下：1)用户通过具有定位功能和无线通信功能的移动终端登入；2)判断用户类别，若用户为导向车，则将其位置信息转发给跟随车，同时接收跟随车的位置信息并显示相关信息；若用户为跟随车，则将其位置信息发送给导向车，同时接收导向车的位置信息处理得到导向车的行进路径并显示相关信息。本发明方法和系统利用手机自带的GPS模块实现行车跟随，相较于传统的肉眼跟随方式和普通GPS导航系统具有不易跟丢、不依赖地图数据库的依赖，安全性高的优点。
-
公开(公告)号：CN106446502A
公开(公告)日：2017-02-22
申请号：CN201610576822.3
申请日：2016-07-21
Applicant: 华侨大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种带遗忘因子的特征值特征向量递推的主元分析线性时变结构工作模态参数在线实时识别方法，该方法在经典主元分析线性时不变结构工作模态参数识别的基础上，引入“遗忘因子”、“在线递推”、“特征值特征向量递推”和“矩阵秩-1修正”的思想，能够仅从非平稳振动响应信号中识别出线性时变结构的时变瞬态模态振型和固有频率。本发明是直接对特征值特征向量进行在线递推更新，避免了传统递推主元分析时变工作模态参数识别方法需要反复更新主元模型的缺点，减少了算法时间和空间复杂度，实现了时变工作模态参数识别的在线实时，能够有效监测结构工作模态参数的动态变化特性，可被用于设备故障诊断、健康监测以及系统结构分析与优化。
-
公开(公告)号：CN105072083A
公开(公告)日：2015-11-18
申请号：CN201510386446.7
申请日：2015-07-03
Applicant: 华侨大学
IPC: H04L29/06
CPC classification number: H04L63/1441
Abstract: 本发明涉及一种基于网络流水印的网络主动追踪方法，以及一种基于网络流水印的网络主动追踪系统。本发明对追踪链路上的流量首先进行信息熵分析，确定嵌入水印和提取水印的时间点，有针对性的嵌入和提取水印，代替现有系统中随机盲目的嵌入和提取水印，具有更高的追踪效率。本发明对追踪链路上的流量在嵌入和提取水印之前首先对流量进行信息熵分析，在信息熵大的时间段增强了水印(追踪标志)的隐蔽性和健壮性，从而具有更高的追踪准确率。本发明同时对所述追踪的网络节点的输入流和输出流进行检测，对跳板主机来说，在它的输入流量和输出流量中同时能检测到水印，而对于攻击源来说，仅在输出流量中检测到水印。
-
Patent Agency Ranking
公开(公告)号：CN104809527A
公开(公告)日：2015-07-29
申请号：CN201510236530.0
申请日：2015-05-11
Applicant: 华侨大学
Abstract: 一种手机打车的订单自动选择方法，1)若已接订单列表尚未存在订单，则进入步骤2)，若已接订单列表存在订单，则进入步骤3)；2)判断司机能否在规定的时间内完成从当前地点至新订单接客地点的路程，并判断新订单效率值是否为正，若均满足，则将新订单加入订单列表，若否，则拒绝新订单；3)先根据接客开始时间判断新订单处于订单列表的位置，而后针对不同位置，分别进行时间冲突判断及对应的订单效率值判断，若均满足，则将新订单加入订单列表，若否，则拒绝订单。本发明能使司机利益最大化的同时还避免了司机对订单做出判断时存在的安全隐患，另一方面可以合理地调度的士资源，缓解“打车难”、“空载多”的问题。
-
公开(公告)号：CN104681031A
公开(公告)日：2015-06-03
申请号：CN201410743434.0
申请日：2014-12-08
Applicant: 华侨大学
IPC: G10L19/018 , G10L25/78
Abstract: 本发明涉及一种基于比特组合的低速率语音最低有效位隐写检测方法，步骤如下：采集语音样本，对语音样本进行语音质量客观评价，根据预计的规则排序，构建待检比特位队列；依次将待检比特位队列各结点的比特位置为长度为N的二进制数中的最低比特位，得到基于比特组合的待检参数集合；基于卡方统计，根据待检参数集合对待检比特位队列进行隐写检测。本发明通过比特位组合的方式解决了传统LSB检测算法难以应用于低速率语音隐写检测的问题。在检测过程中本发明通过预先对可隐藏位根据其隐写性能进行排序，可有效提高检测效率。此外，本发明中的比特位组合方法与语音的具体编码方式无关，适用于所有低速率语音LSB隐写的检测，具有良好的普适性。
-
公开(公告)号：CN104639626A
公开(公告)日：2015-05-20
申请号：CN201510043131.2
申请日：2015-01-28
Applicant: 华侨大学
Abstract: 本发明涉及一种多级负载预测与云资源弹性配置方法，以及一种基于监控与预测的云资源弹性配置系统。本发明所述的多级负载预测与云资源弹性配置方法以及基于监控与预测的云资源弹性配置系统，云资源监控系统采用2层架构，降低了云资源监控系统的复杂度，同时减轻了单台监控服务器的负载压力。负载预测流程采用了时间复杂度更低的预测算法，降低了预测本身的系统资源开销。资源弹性配置流程采用多级预测与资源配置机制，在不同的时间精度内对云资源动态调整，提高云资源利用率。
-
公开(公告)号：CN104021395A
公开(公告)日：2014-09-03
申请号：CN201410279523.4
申请日：2014-06-20
Applicant: 华侨大学
Abstract: 本发明公开了一种基于高阶偏最小二乘法的目标跟踪算法，包括初始化阶段、训练阶段、测试阶段，和更新阶段。本发明以二维张量来表示图像块，保存了该图像块内在的空间结构信息，同时，本发明综合了多个时序的图像块及其类别来建立高阶张量，并以偏最小二乘法来分析该高阶张量与其类别矩阵的关联之处，使目标跟踪算法的性能大大提高。
-
公开(公告)号：CN112181666B
公开(公告)日：2023-09-01
申请号：CN202011155848.3
申请日：2020-10-26
Applicant: 华侨大学
IPC: G06F9/50 , G06F16/2455 , H04L41/14 , H04L41/142 , G06N3/0464 , G06N3/08 , G06F16/242
Abstract: 本发明提供一种基于边缘智能的设备评估和联邦学习重要性聚合方法，包括如下步骤：云服务器初始化：云服务器生成初始模型，设备评估与选择：边缘服务器接收终端设备的资源信息，生成资源特征向量，并将所述资源特征向量输入评估模型，本地训练：边缘服务器选择智能设备后，将转存的初始模型发送所述智能设备，智能设备对初始模型在联邦学习中进行本地训练，得到本地模型；本地模型筛选：将本地模型发送到边缘服务器，通过比较本地模型与前一轮全局模型的损失值来判断是否为异常的模型；全局聚合：利用经典的联邦平均算法进行全局聚合。本发明提供的方法一方面解决了带有资源约束设备的训练瓶颈问题，另一方面提高模型聚合的效果以减少冗余的训练与通信消耗。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.029 seconds)
