-
公开(公告)号：CN118982660A
公开(公告)日：2024-11-19
申请号：CN202410843433.7
申请日：2024-06-27
Applicant: 昆明理工大学
IPC: G06V10/26 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明涉及电力图像分割技术领域，尤其涉及一种基于多尺度特征的实时电力线分割方法，包括以下步骤：S1、模型构建，构建基于多尺度特征的实时电力线分割模型，S2、图像获取，S3、图像处理，S4、模块的提取与匹配，S5、电力线特征图的融合，S6、特征图的分割，S7、迭代训练，S8、重复S4‑S7步骤，S9、效果测试。本发明使用轻量级的多尺度特征提取模块，以降低整个模型的参数量，提高模型的运行速度，通过级联上下文信息匹配模块和多尺度特征，融合模块提高多尺度特征提取模块所提取的多尺度特征利用率，并提高整个电力线分割模型的分割精度。
-
公开(公告)号：CN117544401A
公开(公告)日：2024-02-09
申请号：CN202311715873.6
申请日：2023-12-14
Applicant: 昆明理工大学
Abstract: 本发明涉及一种电力信息物理系统虚假数据注入攻击检测方法，属于智能电网攻击检测领域。首先通过加权最小二乘法剔除无用的坏数据量测值，然后再用平方根无迹卡尔曼估计状态值，并比较两种估计方法的估计误差，若误差小于给定阈值τ则不存在虚假数据注入攻击，反之则存在虚假数据注入攻击。最后确定智能电网的状态：(存在攻击，用LSTM矫正)或 (不存在攻击)，以此循环运行。本发明有效解决了坏数据检测机制检测虚假数据注入攻击失效问题与持续性虚假数据注入攻击下卡尔曼滤波的趋错性问题。
-
公开(公告)号：CN119382959A
公开(公告)日：2025-01-28
申请号：CN202411484759.1
申请日：2024-10-23
Applicant: 昆明理工大学
IPC: H04L9/40 , G06N3/006 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06F18/25 , H02J13/00
Abstract: 本发明涉及一种基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，属于智能电网攻击检测技术领域。本发明采用变分模态分解来提取不同频率下FDIA信号的显著特征；此外，本发明利用从粒子群优化中获得的结果来替换单个总线上的极端梯度提升的预定阈值，从而提高了本发明的检测精度和可解释性。对IEEE‑14总线系统的仿真结果表明，本发明能够有效地检测针对单个总线的攻击，最后，评估了在特定噪声干扰下攻击强度对本发明性能的影响，从而证实了本发明的有效性和鲁棒性。
-
公开(公告)号：CN119378007A
公开(公告)日：2025-01-28
申请号：CN202411394965.3
申请日：2024-10-08
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于差分隐私的轨迹合成隐私保护方法，属于数据隐私保护技术领域。首先收集原始轨迹数据，对原始轨迹数据进行预处理，提取出一定经纬度范围内的轨迹数据作为原始轨迹数据集，采用网格化的方式对原始轨迹数据进行轨迹的地理空间离散化处理，将原始轨迹转换为网格轨迹。提取网格轨迹的特征，根据网格轨迹的特征得到合成的网格轨迹，将合成的网格轨迹转换为位置轨迹，得到最终的合成轨迹；使用最终的合成轨迹代替原始轨迹进行发布，实现原始轨迹保护。
-
公开(公告)号：CN119207137A
公开(公告)日：2024-12-27
申请号：CN202411329870.3
申请日：2024-09-24
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于模糊神经Petri网的交叉口建模与信号灯控制优化方法，属于交通信号灯控制技术领域。本发明使用对连续Petri网有向弧基础属性进行只读弧和抑止弧属性扩展，利用扩展后的连续Petri网构建交叉口交通流与路段模型和交叉口信号灯模型；其次，引入模糊Petri网，并扩展模糊Petri网变迁的基础属性，并利用扩展后的模糊Petri网构建交叉口信号灯模糊控制模型；再次，通过替换运算构建基于连续Petri网和模糊Petri网的自适应控制交叉口模型，实现信号灯自适应控制。本发明与固定配时方案和仅考虑车辆排队长度的优化方案相比，相位时间内平均时间损失、平均等待时间和车辆总数等评价指标，对提高交叉口通行能力存在优势。
-
Patent Agency Ranking
公开(公告)号：CN118590213A
公开(公告)日：2024-09-03
申请号：CN202410849643.7
申请日：2024-06-27
Applicant: 昆明理工大学
Abstract: 本发明提出了一种云环境下决策树的同态加密隐私保护方法，该方法通过采用低次近似的阶跃函数和轻量级的交互协议，有效替代了复杂的非线性运算，实现了在密文状态下对决策树的训练和推理。在训练阶段，本发明设计了一种轻量级的交互协议，通过加密的梯度交换和参数更新，实现了不同计算节点之间的协作，显著降低了计算时间，同时避免了原始数据的暴露。在预测阶段，则采用无需交互的协议，确保服务器端无法接触到明文数据，为客户端提供了高度的安全保障，同时保持了高计算效率。务器端无法接触到明文数据，为客户端提供了高度的安全保障，同时保持了高计算效率。
-
公开(公告)号：CN118070950A
公开(公告)日：2024-05-24
申请号：CN202410131688.0
申请日：2024-01-31
Applicant: 昆明理工大学
IPC: G06Q10/04 , G06F30/27 , G06N3/006 , G06N3/126 , G06F111/06
Abstract: 本发明涉及一种收敛性与多样性均衡的多阶段多策略多目标优化方法，属于多目标优化算法技术领域。首先采用混合学习策略，分阶段根据最大适应度值以及拥挤距离从EA或ELA中选出最优解以及精英解，使用最优解、精英解以及补偿因子、并结合MOCSO‑DABL算法中的公鸡位置更新公式以及MEFACD算法中非支配解、支配解位置更新公式的优点后的位置更新策略下引导种群进行学习，不断向pareto前沿进化，然后，使用MOPSOCD算法的超平面外部存储更新策略与MEFACD算法的拥挤距离机制外部存储策略相融合的外部存储更新策略不断保存每次迭代产生的非支配解，从而产生不断进化的pareto最优解集，最后，在完成设定的迭代次数后将EA中存储的帕累托最优解集进行输出，作为最终的种群多目标优化结果。
-
公开(公告)号：CN117792788A
公开(公告)日：2024-03-29
申请号：CN202410024768.6
申请日：2024-01-08
Applicant: 昆明理工大学
IPC: H04L9/40 , G06F21/55 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 本发明涉及一种融合多头注意力机制和双向长短期记忆网络的同步相量测量单元(PMU)数据操纵攻击检测方法，属于电网安全技术领域。本发明首先使用离差归一化对数据进行预处理；其次，对预处理后的数据使用双向长短期记忆网络提取其时间序列特征和数据维度特征，并设置丢弃层使双向长短期记忆网络当中神经元的激活值以一定概率停止工作，以增加模型的泛化性能；然后，使用多头注意力机制提供多个表示子空间，使模型在多个位置关注PMU数据的多维度特征，使受到攻击的数据特征放大；最后，将模型的输出结果输入Softmax分类器并设置阈值，得到检测结果。本发明通过双向长短期记忆网络，能够结合上下文影响提取PMU量测值的时间序列特征和数据维度特征，又使用了多头注意力机制捕获了数据操纵攻击的多范围相关性特征，增加了模型的表达能力，有效提高了在多种攻击下判断长序列PMU量测数据是否受到攻击的检测性能。
-
公开(公告)号：CN119559636A
公开(公告)日：2025-03-04
申请号：CN202411701780.2
申请日：2024-11-26
Applicant: 昆明理工大学
IPC: G06V20/69 , G06V10/52 , G06V10/80 , G06V10/20 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06V10/25 , G06V10/766
Abstract: 本发明公开了一种基于改进血细胞提取和多尺度注意的实时血细胞检测方法。本发明通过采用SPD‑Conv层增强了特征提取能力，Swin Transformer提供了多尺度注意力机制，优化了c2f模块减少了模型复杂度，以及利用Wasserstein距离损失(WDLoss)函数改进了定位精度，不仅提高血细胞检测的准确性，还展示了优异的实时处理性能及展示其实际应用价值，并且还通过改进特征提取并加入多尺度注意力机制，提高在复杂背景下的识别能力。
-
公开(公告)号：CN117591820A
公开(公告)日：2024-02-23
申请号：CN202311441072.5
申请日：2023-11-01
Applicant: 昆明理工大学
IPC: G06F18/20 , G06F18/25 , G06N3/0442 , G06F18/24
Abstract: 本发明涉及一种基于熵融合特征的混合时间序列预测方法，属于时间序列预测技术领域首先使用EEMD提取时间序列数据的IMF特征；其次，引入信息熵度量，对IMF特征分量进行类比分析，据此改进了传统EMD‑LSTM方法模型下特征分解模糊的缺陷，然后基于更新后的IMF特征分量和熵值分类选择合适的特征输入；然后，在已经选出的IMF特征分量基础上，对影响最预测结果的因素进行分析，为最终的LSTM预测部分设计了多个独立的输入变量，使用LSTM网络以不同的IMF特征组合构建的全连接网络，优化后的LSTM网络模型的预测结果输出，将其作为最后重构数据的依据，使得最终模型网络的总体预测结果精度得到了提高。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.037 seconds)
