-
公开(公告)号：CN116628554A
公开(公告)日：2023-08-22
申请号：CN202310627119.0
申请日：2023-05-31
Applicant: 烟台大学
IPC: G06F18/24 , H04L9/40 , G06F16/901 , G06F18/213
Abstract: 本发明涉及工业互联网安全技术领域，具体为一种工业互联网数据异常的检测方法、系统和设备，从工业互联网中获取节点数据，将节点数据转化为拓扑图，并将从拓扑图中提取的初始特征进行聚合处理，获得关联性强的聚合特征，同时为避免聚合特征过度关联，基于聚合特征和初始特征的特征偏差，得到自适应参数，并使用自适应参数对聚合特征和初始特征进行加权处理，得到表达性能更好，关联性更强的正常节点特征，通过对比正常节点特征与初始特征的关联性强弱，得到能够反应节点中异常数据含量的特征差权重占比，根据特征差权重占比，获得对应节点不同的风险等级，工业互联网平台立即作出不同交流权限处理，以维持工业互联网的安全。
-
公开(公告)号：CN115294520A
公开(公告)日：2022-11-04
申请号：CN202210897534.3
申请日：2022-07-28
Applicant: 烟台大学
Abstract: 本发明公开了一种基于卷积神经网络的烟火检测方法，目的在于搭建一个轻量级，速度快，成本低的烟火检测平台，实现对烟火的高效检测，实现了一种更加轻量级的网络，可以部署于移动设备上，能够缓解人工监控的压力，降低监控成本。本发明基于人工智能视频分析和深度学习技术，能够不依赖其他传感设备，实现对视频监控区域内的烟雾与火焰的检测与识别，并及时进行预警。本发明涉及智慧城市智能安防技术领域。
-
公开(公告)号：CN111008932B
公开(公告)日：2021-05-25
申请号：CN201911245280.1
申请日：2019-12-06
Applicant: 烟台大学
Abstract: 本发明公开了一种基于图像筛选的全景图像拼接方法，该方法包括以下步骤：根据图像间的相似度矩阵提出图像筛选算法，将冗余图像移除出原始图像组；基于筛选后的图像组的权重矩阵，求出最优基准图像，确定拼接序列并对筛选后的图像组进行分组，分为多个小图像组；小图像组与小图像组之间先进行相似变换，获取初始化的配准参数，然后根据拼接序列，相邻图像间在透视约束下通过单应性模型对初始化的配准参数进行细化。本发明通过无人机对目标区域采集到的多幅具有重叠区域的图像进行筛选，将冗余图像移除出图像组，最终通过筛选的图像组拼接出目标区域的全景图像。
-
公开(公告)号：CN112651964A
公开(公告)日：2021-04-13
申请号：CN202110045523.8
申请日：2021-01-10
Applicant: 烟台大学
Abstract: 本发明公开了一种基于深度学习的目标检测方法，包括：确定包含待检测的目标区域；将所述目标区域输入到基于深度学习预先训练的检测网络中，进行前向传播，获得所述第一合格概率；对所述目标区域进行切割操作，获得多个点位；确定包含待检测的目标区域后，可以将目标区域输入到基于深度学习预先检测的检测网络中，进行前位传送，获得第一合格概率，确定目标图片的关键区域，将关键目标区域输入到基于深度学习预先检测的检测网络中，进行前位传送，获得第二合格概率，根据第一合格概率和第二合格概率，确定目标检测区域是否合格，达到对目标检测的目的，将深度学习技术应用到IC引脚焊点质量检测中，提高了对目标区域检测的准确率。
-
公开(公告)号：CN111008932A
公开(公告)日：2020-04-14
申请号：CN201911245280.1
申请日：2019-12-06
Applicant: 烟台大学
Abstract: 本发明公开了一种基于图像筛选的全景图像拼接方法，该方法包括以下步骤：根据图像间的相似度矩阵提出图像筛选算法，将冗余图像移除出原始图像组；基于筛选后的图像组的权重矩阵，求出最优基准图像，确定拼接序列并对筛选后的图像组进行分组，分为多个小图像组；小图像组与小图像组之间先进行相似变换，获取初始化的配准参数，然后根据拼接序列，相邻图像间在透视约束下通过单应性模型对初始化的配准参数进行细化。本发明通过无人机对目标区域采集到的多幅具有重叠区域的图像进行筛选，将冗余图像移除出图像组，最终通过筛选的图像组拼接出目标区域的全景图像。
-
Patent Agency Ranking
公开(公告)号：CN119561045A
公开(公告)日：2025-03-04
申请号：CN202411824557.7
申请日：2024-12-12
Applicant: 烟台大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及电力调度优化技术领域，尤其是涉及一种基于强化学习的多源电力实时调度优化方法及系统。方法，包括获取分时段的发电设备需求负载信息数据；构建混合风火分布式发电的最佳调度策略模型；采用蒙特卡洛方法和double‑Q学习算法优化最佳调度策略模型；利用最佳调度策略模型进行多源电力实时调度优化。本发明通过强化学习方法实时优化多源电力的调度方法，寻找最优电力调度策略，与传统方法相比，降低电力成本15%以上，同时能够实现自动化调度，减少人工干预和经验依赖。
-
公开(公告)号：CN118762245B
公开(公告)日：2025-01-21
申请号：CN202411252128.7
申请日：2024-09-09
Applicant: 烟台大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及深度学习的多模态数据分类技术领域，尤其是涉及一种基于最大化编码率降低的多模态分类方法及系统。方法，包括以总体编码率最大化和压缩不同子空间的编码速率构建基于最大化编码率降低损失，优化不同视角的特定特征表示；以最大化特定特征表示与全局特征表示间的互信息为目标构建最大互信息损失；通过将特定特征表示映射到指定数量的类别维度得到每个类别的得分，来构建交叉熵损失；分别基于交叉熵损失、最大化编码率降低损失和最大互信息损失训练多模态分类网络模型。通过空间变换和跨样本融合来对齐和融合这些特定于视图的特征，以实现跨多个视图的一致特征。
-
公开(公告)号：CN119312267A
公开(公告)日：2025-01-14
申请号：CN202411874061.0
申请日：2024-12-19
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/048 , G06F123/02
Abstract: 本发明涉及海洋环境监测技术领域，尤其是涉及一种面向海洋生态的时空图神经网络异常检测方法及系统。方法，包括获取海洋监测数据；对获取的海洋监测数据进行数据预处理；基于预处理的海洋监测数据进行时空图结构构建；利用异常检测模型对构建时空图结构进行时空特征提取；对提取的时空特征进行特征融合；基于多尺度异常评分机制进行海洋生态系统局部异常和全局异常评分。本发明设计了统一的数据处理框架,能够同时处理卫星遥感数据、水质监测数据、生物调查数据等多源异构数据,充分利用各类数据所包含的信息,提高异常检测的全面性和准确性。通过时空图结构的构建,有效捕捉不同数据源之间的关联关系,为异常检测提供更全面的特征表达。
-
公开(公告)号：CN119203126A
公开(公告)日：2024-12-27
申请号：CN202411338712.4
申请日：2024-09-25
Applicant: 烟台大学
IPC: G06F21/55 , G06Q50/06 , G06N3/0464 , G06N3/042
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于图卷积网络的电力虚假数据攻击检测方法及系统。方法，包括基于SCADA系统数据进行电网状态估计；基于电网状态估计进行虚假数据注入攻击检测；基于虚假数据注入攻击检测，构建图神经网络并利用图神经网络进行FDIA检测；分析检测结果，根据节点度数的计算结果和调优参数来判断是否存在FDIA攻击。通过采用基于图论的方法进行检测，解决了传统方法中无法始终确保受保护测量数据安全的问题。
-
公开(公告)号：CN119180041A
公开(公告)日：2024-12-24
申请号：CN202411308263.9
申请日：2024-09-19
Applicant: 烟台大学
IPC: G06F21/60 , G06F21/64 , G06F16/13 , G06F16/176 , G06F18/213
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于区块链的司法大数据共享查询方法及系统。方法，包括获取相关案件的证据材料；利用字节提取技术对证据材料进行特征提取，得到证据材料的关键词；根据关键词确定证据材料之间的关系，构建证据关系图，并基于证据关系图生成证据链；利用关系属性加权算法计算每个数据链的分数值，并排序；将证据材料和证据链打包后，使用加密密钥对文件进行加密，并使用哈希算法获取文件的哈希值；将文件上传到司法网络系统并存储解密密钥和哈希值。本发明显著提高了数据安全性，利用区块链的去中心化特性和不可篡改性，保障了数据在存储和传输过程中的完整性，从而增强了司法公正性。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.064 seconds)
