-
公开(公告)号：CN111628931A
公开(公告)日：2020-09-04
申请号：CN202010438368.1
申请日：2020-05-22
Applicant: 哈尔滨工程大学
IPC: H04L12/721 , H04L12/751 , G06N3/08
Abstract: 本发明属于信息中心网络的生产者移动性支持技术领域，具体涉及一种基于BP神经网络预测的ICN生产者移动性支持方法。本发明采用LM算法优化后的BP神经网络作为生产者移动性支持的预测模型结构，加快了收敛速度、避免过度拟合和锯齿问题。本发明利用BP神经网络来预测生产者可能的移动轨迹，提前判断出新接入路由的所在位置；利用和兴趣包类似的通知包结构进行传递信息，在原有兴趣包的基础上进行更改，可以避免额外引入其他分组结构。本发明使用通知包和修改后的FIB表共同作用进行路径信息的变更，将路由收敛过程发生的时间提前，有效避免收敛带来的时延，进而加快了生产者移动导致的时延。
-
公开(公告)号：CN111481203A
公开(公告)日：2020-08-04
申请号：CN202010438362.4
申请日：2020-05-22
Applicant: 哈尔滨工程大学
IPC: A61B5/08
Abstract: 本发明属于基于信道状态信息的人体检测技术领域，具体涉及一种基于信道状态信息的室内静态被动人体检测方法。本发明应用于基于信道状态信息的人体检测领域，主要针对室内检测环境中存在静止人体时，对信道状态信息影响微小的情况。本发明对室内静止人体的检测主要是通过呼吸对CSI的状态影响来判断的。考虑到在理想条件下，由于人的呼吸造成的信号波动具有规律性，而实际的数据采集中，存在一定程度的噪声和环境干扰，将对数据进行降噪的处理并提取信号特征。本发明有效的解决检测环境中存在静止人体时，检测漏报率较高的问题。
-
公开(公告)号：CN110059612A
公开(公告)日：2019-07-26
申请号：CN201910300112.1
申请日：2019-04-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于人工智能领域，具体涉及一种基于信道状态信息的位置无关的手势识别方法及系统，包括以下步骤：收集无线信道状态信息；将收集到的信息经过预处理操作后提取出对应的90个子载波的信息，通过程序文件提取出其中的幅值信息；对提取到的子载波中的幅度数据进行主成分分析，去噪降维；对数据做离散小波阈值去噪处理；使用一种基于滑动窗口的方差阈值方法在去噪后的完整子载波中提取出手势动作；本发明针对同一人在不同位置的手势一致性识别问题的解决方法具有较高的识别准确率，其不仅可以对四种手势进行识别，还能在视距路径和非视距路径两种条件下进行识别，极大的增强了手势识别系统的鲁棒性。
-
公开(公告)号：CN109919794A
公开(公告)日：2019-06-21
申请号：CN201910194857.4
申请日：2019-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于信任传播的微博用户信任评估方法。包括选取种子节点；对于用户社交关系图执行剪枝方法；偏差地设置初值，并从可信传播和不可信传播两个方向来传播可信评分。在种子节点选取方面，本发明将数据集中的节点根据用户特征进行聚类，来选取最具有传播价值的两类种子节点集——可信种子和恶意种子。为了防止破坏用户和正常用户建立起的关系对算法产生影响，本发明设计了一种基于社交活跃度和相似度的剪枝方法，能将攻击边有效地裁剪。最后利用用户社交网络图从两类种子节点同时进行信任传播，加权计算出最后的用户可信度，筛选出可信度值低的恶意用户。本发明能够有效抵御恶意用户对评估方法的攻击。
-
公开(公告)号：CN109144691A
公开(公告)日：2019-01-04
申请号：CN201810776768.6
申请日：2018-07-13
Applicant: 哈尔滨工程大学
IPC: G06F9/48
CPC classification number: G06F9/4881
Abstract: 本发明涉及处理器任务分配领域，具体涉及一种面向多核处理器的任务调度分配方法。当任务到达任务队列时，当前多核处理器的所有可利用核转换为分发状态，从任务队列领取任务；领取任务后，执行一种任务调度选择算法，选择一个可调度核；将领取的任务放入被选择的可调度核所对应的任务队列中；当任务到达任务队列时，当前多核处理器的所有可利用核转换为计算状态，从任务队列中取任务并进行计算。本发明可使多核处理器所有核的利用率最大程度的均衡，而没有调度核和计算核能力的不均衡带来的浪费；通过使多核处理器所有核心运行着两个模式，调度模式与计算模式，提高任务调度成功率、减少自旋损失。
-
Patent Agency Ranking
公开(公告)号：CN119271904A
公开(公告)日：2025-01-07
申请号：CN202411301425.6
申请日：2024-09-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06N5/02 , G06N5/04 , G06N3/042
Abstract: 本发明公开了一种基于反事实推理的社交网络知识感知推荐方法、程序、系统及存储介质。本发明所述的系统包括反事实数据生成装置、数据筛选装置、奖赏反馈装置、推荐装置。所述的方法将反事实推理引入到基于知识图谱的知识感知推荐系统中，利用知识图谱中的项目特征信息生成更多元化的反事实数据，将反事实推理从顺序推荐任务推广到更广泛的应用场景中，通过减轻知识感知推荐系统中虚假相关性的影响，同时作为一种数据增强方法缓解数据稀疏问题，使模型达到更优的效果，可广泛应用于社交网络场景下数据推荐等应用领域。
-
公开(公告)号：CN118568361A
公开(公告)日：2024-08-30
申请号：CN202410508782.3
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/0455 , G06N3/08
Abstract: 本发公开了一种基于属性补全的社交网络社区搜索方法、系统及存储介质。本发明针对顶点属性信息缺失问题，通过考虑顶点多类型对属性补全的影响以及借助元路径引导的随机游走获取优质高阶邻居提升属性补全的性能；在此基础上，根据上述属性补全方法，通过属性约束描述个性化搜索需求，通过关系约束描述不同类型顶点之间的细粒度连接需求，设计并实现了多种属性关系社区搜索算法。本发明考虑属性补全的社区搜索能够提高社区搜索的性能，考虑属性约束社区搜索既能够完成个性化的搜索需求又能提高社区成员的属性相似度，可部署在各服务器机房后端，可广泛应用于社交网络场景下网络舆论监管等应用领域。
-
公开(公告)号：CN118349749A
公开(公告)日：2024-07-16
申请号：CN202410508802.7
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06Q50/00 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于社交网络技术领域，具体涉及一种面向社交网络兴趣推荐的联邦学习数据中毒检测系统、方法、程序、设备及存储介质。本发明通过基于深度自编码器的检测模型，使用深度自编码器的降维功能解决联邦学习中对数据中毒攻击的检测和防御问题，可以将客户端更新的高维模型参数降维，并突出恶意客户端的模型更新特征，通过检测并剔除恶意的攻击者，保护联邦学习中全局模型的安全。本发明设计了基于深度自编码器的联邦学习数据中毒检测模型，用于客户端中毒模型的检测和剔除，可部署在互联网服务提供商机房处，可广泛应用于用户侧互联网流量测量与分析等应用领域。
-
公开(公告)号：CN118332200A
公开(公告)日：2024-07-12
申请号：CN202410508783.8
申请日：2024-04-26
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06F16/901 , G06Q50/00
Abstract: 本发明提供的是一种基于k‑truss嵌套索引的社区搜索方法、系统及存储介质。本发明所述的系统包括数据采集装置、索引构造装置、单节点搜索装置、个性化社区搜索装置。所述的方法采用k‑truss社区模型作为社区的结构约束条件。CSKNI方法能够高效率地在普通网络与符号网络上完成索引构建，并利用索引进行社区搜索，获得指定的连通k‑truss社区或具有基本内聚特征的社区。同时，本研究针对网络数据中边与节点的增加、删除情况，设计了相应的索引维护算法，保证索引可以高效正确地应对数据变化，以满足社区搜索的正确性和实时性。本发明可部署在各服务器机房后端，可广泛应用于社交网络场景下社区搜索等应用领域。
-
公开(公告)号：CN118296596A
公开(公告)日：2024-07-05
申请号：CN202410508808.4
申请日：2024-04-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据投毒技术领域，具体涉及一种针对离线强化学习的数据投毒攻击系统、方法、程序、设备及存储介质。本发明通过对离线强化学习过程中的关键时间步添加微小的扰动，运用非常低的攻击代价，实现被攻击算法模型学习到较差的目标策略的效果，并确定攻击的有效性和可行性。本发明能够在离线强化学习过程中确定对学习任务有重大影响的轨迹，针对关键时间步进行投毒，极大程度降低了攻击代价，提升了攻击效率；本发明提出的扰动方法能够对数据集动态添加符合自身比例的微小扰动，与原数据相比改动幅度非常小不易察觉，改动幅度小于其自身数据的0.05倍，提升了攻击的隐蔽性。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.031 seconds)
