一种基于特征融合的静态恶意代码分类方法

    公开(公告)号:CN114510721A

    公开(公告)日:2022-05-17

    申请号:CN202210151968.9

    申请日:2022-02-18

    Abstract: 一种基于特征融合的静态恶意代码分类方法,它属于静态恶意代码特征提取和融合领域。本发明解决了传统静态恶意代码检测和分类方法仅考虑了单一维度特征的问题。本发明将hash值转换成像素矩阵生成灰度图像,再提取图像纹理全局特征和局部特征,并将全局特征和局部特征融合,在获取恶意代码图像全局特征信息的前提条件下突出局部特点。基于控制流程图的n‑gram方法对操作码进行特征提取,这种方法的检测颗粒度较小,与控制流程图相结合会得到代码上下文之间的关联,从而将操作码转换成特征向量形式。将两种特征向量融合成一个向量,弥补了在单一层面提取特征的局限性。本发明方法可以应用于对静态恶意代码进行分类。

    基于量子衍生混合蛙跳的水下声纳图像目标检测方法

    公开(公告)号:CN105405118B

    公开(公告)日:2017-11-21

    申请号:CN201510676957.2

    申请日:2015-10-16

    Abstract: 本发明提供的是一种基于量子衍生混合蛙跳的水下声纳图像目标检测方法。包括(1)适应度函数;(2)量子进化更新;(3)模糊隶属度矩阵结合空间信息去除孤立区;(4)对检测结果进行基于信息论的客观定量评价分析。本发明利用量子比特对青蛙种群进行编码,并结合类内和类间信息的适应度函数来更为准确地评价青蛙位置的好坏;采用量子进化更新方式,利用相位角编码,更新子种群中最坏位置的青蛙;根据模糊隶属度矩阵结合空间信息去除孤立区的方法获得更精确的检测结果;提出分割布局噪声熵对最终检测结果进行定量分析。本发明能更为准确地完成水下声纳图像目标检测,有一定的检测精度和有效性,具有较高的适应性。

    基于量子衍生混合蛙跳的水下声纳图像目标检测方法

    公开(公告)号:CN105405118A

    公开(公告)日:2016-03-16

    申请号:CN201510676957.2

    申请日:2015-10-16

    CPC classification number: G06T7/0012

    Abstract: 本发明提供的是一种基于量子衍生混合蛙跳的水下声纳图像目标检测方法。包括(1)适应度函数;(2)量子进化更新;(3)模糊隶属度矩阵结合空间信息去除孤立区;(4)对检测结果进行基于信息论的客观定量评价分析。本发明利用量子比特对青蛙种群进行编码,并结合类内和类间信息的适应度函数来更为准确地评价青蛙位置的好坏;采用量子进化更新方式,利用相位角编码,更新子种群中最坏位置的青蛙;根据模糊隶属度矩阵结合空间信息去除孤立区的方法获得更精确的检测结果;提出分割布局噪声熵对最终检测结果进行定量分析。本发明能更为准确地完成水下声纳图像目标检测,有一定的检测精度和有效性,具有较高的适应性。

    一种基于长短时记忆网络和注意力机制的分子活性预测方法

    公开(公告)号:CN118824393A

    公开(公告)日:2024-10-22

    申请号:CN202410722207.3

    申请日:2024-06-05

    Abstract: 一种基于长短时记忆网络和注意力机制的分子活性预测方法,它属于深度学习和生物信息领域。本发明的目的是为解决由于分子相互作用的动态性和高度复杂性,导致现有方法对2型大麻素受体的配体活性预测的准确率低的问题。本发明利用分子指纹来全面捕捉分子的化学特性,分子指纹经过组合,可以为后续模型提供丰富的分子信息。并利用LSTM单元来处理分子序列数据,将分子的结构信息编码成中间表示。将点积注意力机制应用于LSTM层的输出,可以增强模型对不同特征的关注程度,使得预测网络可以自动关注对分类任务最有帮助的特征,因此,本发明方法可以更好的适应分子相互作用的动态性和高度复杂性。本发明方法可以应用于分子活性预测领域。

    基于复合神经网络的水声目标识别方法

    公开(公告)号:CN113537113B

    公开(公告)日:2022-10-25

    申请号:CN202110844909.5

    申请日:2021-07-26

    Abstract: 基于复合神经网络的水声目标识别方法,它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构,先通过LSTM算法对输入音频样本数据的时序特征进行学习,得到一个通过算法更新后的状态信息作为中间向量,进而将这一层次中的状态信息继续通过CNN网络进行传递,经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征,最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。

    一种基于距离图和数据清洗的多传感器航迹融合方法

    公开(公告)号:CN113532422B

    公开(公告)日:2022-06-21

    申请号:CN202110784798.3

    申请日:2021-07-12

    Abstract: 一种基于距离图和数据清洗的多传感器航迹融合方法,它属于多传感器信息融合技术领域。本发明是为解决现有多传感器航迹融合方法存在着计算量与融合精度不平衡的问题。本发明将采样点的距离作为判定两条航迹在该时刻是否关联的依据,在此基础上构造距离图,通过对距离图的剪枝完成航迹关联,从而更好的放映航迹之间的关联关系,以较小的时间代价获得了较高的关联精度。运用格拉布斯准则对关联航迹进行数据清洗,剔除传感器航迹中的离群点,用较少的融合时间达到了较高的融合精度,为多传感器航迹融合问题提供了技术支持。本发明可以应用于对多传感器航迹进行融合。

    一种基于Harris的数据增强图像分类方法及系统

    公开(公告)号:CN114022714A

    公开(公告)日:2022-02-08

    申请号:CN202111333621.8

    申请日:2021-11-11

    Abstract: 一种基于Harris的数据增强图像分类方法及系统,它属于数据处理技术与计算机视觉技术相结合的学科交叉领域。本发明解决了采用现有的数据增强方法获得的图像分类准确率低的问题。本发明通过采用Harris算法进行数据增强,使训练好的卷积神经网络提取图像信息特征的强大功能得以充分利用,提高了对图像分类的准确率、鲁棒性以及泛化性能;与现有的数据增强算法相比,在相同难度的图像分类任务中,本发明方法的收敛速度较快,算法的运行效率更高,总回报增多,能够有效进行训练数据集的遮挡,加大训练难度,使分类算法的准确率上升了3.86%,从而提高了算法的性能。本发明可以应用于图像分类领域。

    基于复合神经网络的水声目标识别方法

    公开(公告)号:CN113537113A

    公开(公告)日:2021-10-22

    申请号:CN202110844909.5

    申请日:2021-07-26

    Abstract: 基于复合神经网络的水声目标识别方法,它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构,先通过LSTM算法对输入音频样本数据的时序特征进行学习,得到一个通过算法更新后的状态信息作为中间向量,进而将这一层次中的状态信息继续通过CNN网络进行传递,经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征,最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。

    一种基于特征融合的静态恶意代码分类方法

    公开(公告)号:CN114510721B

    公开(公告)日:2024-07-05

    申请号:CN202210151968.9

    申请日:2022-02-18

    Abstract: 一种基于特征融合的静态恶意代码分类方法,它属于静态恶意代码特征提取和融合领域。本发明解决了传统静态恶意代码检测和分类方法仅考虑了单一维度特征的问题。本发明将hash值转换成像素矩阵生成灰度图像,再提取图像纹理全局特征和局部特征,并将全局特征和局部特征融合,在获取恶意代码图像全局特征信息的前提条件下突出局部特点。基于控制流程图的n‑gram方法对操作码进行特征提取,这种方法的检测颗粒度较小,与控制流程图相结合会得到代码上下文之间的关联,从而将操作码转换成特征向量形式。将两种特征向量融合成一个向量,弥补了在单一层面提取特征的局限性。本发明方法可以应用于对静态恶意代码进行分类。

Patent Agency Ranking