“夏松竹”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]一种基于径向基神经网络的车流量预测方法-CN202110301075.3有效
发明人：李思照;蔚昊;孙建国;武俊鹏;夏松竹 -专利权人：哈尔滨工程大学
申请日： 2021-03-22 - 公布日： 2022-07-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于人工智能以及分布式学习技术领域，具体涉及一种基于径向基神经网络的车流量预测方法。本发明针对RBF的缺乏通用性参数设置问题，将RBF与APSO算法进行融合，将RBF的网络中心、中心半径以及连接权值映射到粒子的运动位置当中去，通过粒子的寻优过程达到了对参数的优化效果。本发明引入基于健康度的PSO算法，通过粒子的健康度的判断，将粒子划分为状态优秀、一般以及状态差的粒子，对健康度处于差的粒子进行了特定的全局搜索策略优化，对健康度处于优秀的粒子进行了特定的局部策略优化。最后在基于Spark并行平台的基础上，通过主副节点对粒子的更新，输出了用于车流量预测的RBF神经网络模型。
一种基于径向神经网络车流量预测方法

[发明专利]一种基于GAN的联邦学习入侵检测的数据保护方法-CN202110745417.0有效
发明人：刘泽超;马睿;夏松竹;孙建国;孙玉来 -专利权人：哈尔滨工程大学
申请日： 2021-07-01 - 公布日： 2022-04-05 - 主分类号： G06F21/55 文献下载
摘要：本发明属于入侵检测技术领域，具体涉及一种基于GAN的联邦学习入侵检测的数据保护方法。本发明将宽松的差分隐私保护技术与对抗生成神经网络结合，降低联邦学习框架内各终端的通信损耗，提高学习效率，可以很好的解决联邦各终端算力较低的情况，提高机器的利用效率。本发明所使用的对抗生成神经网络产生的动态模糊数据，能够实现让攻击者无法判断攻击成功的情况同时扩充本地训练数据集，解决可能存在的小样本问题。本发明可以有效的降低联邦学习框架中的通讯损耗，能够有效的提高训练效率，同时解决少终端联邦学习存在的易受到推理攻击的问题、入侵检测终端的小样本数据及非独立同分布数据问题，可以实现抵御推理攻击的联邦学习入侵检测。
一种基于 gan 联邦学习入侵检测数据保护方法

[发明专利]基于贝叶斯网络的Android恶意行为检测方法-CN201610130821.6有效
发明人：张国印;曲家兴;王玲;李晓光;夏松竹 -专利权人：哈尔滨工程大学
申请日： 2016-03-09 - 公布日： 2018-07-24 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了基于贝叶斯网络的Android恶意行为检测方法。具体过程为：步骤一：对Android应用训练样本进行静态特征提取；步骤二：进行特征预处理，采用卡方统计的特征选择方法，计算特征和类别之间的关联程度；步骤三：构建基于贝叶斯网络分类算法的Android软件恶意行为检测模型；步骤四：将待测APK提取的特征输入到训练好的贝叶斯网络病毒检测模型中，计算出所属类别的后验概率；步骤五：步骤四中得到两个数据，分别为待测APK提取的特征属于病毒类和正常类的后验概率，通过比较选择后验概率大的类别作为该应用的分类结果。本发明能够有效的检测Android恶意应用，同时在一定程度上降低了贝叶斯网络的学习时间。
基于贝叶斯网络 android 恶意行为检测方法

[发明专利]一种面向内容中心网络中基于内容分类的类别流行度缓存替换方法-CN201410384637.5在审
发明人：张国印;邢志静;武俊鹏;夏松竹;李庆显;唐滨;徐林枫 -专利权人：哈尔滨工程大学
申请日： 2014-08-07 - 公布日： 2014-12-31 - 主分类号： H04L29/08 文献下载
摘要：本发明涉及一种面向内容中心网络中基于内容分类的类别流行度缓存替换方法。本发明包括：先判断节点剩余的缓存空间是否能够容纳新的数据内容；如果有足够的缓存空间缓存新数据内容；根据指数加权移动平均计算标准计算节点中所有内容类别的流行度，选择流行度最小的内容类别；将流行度最小的内容类别中预定义时间内被请求次数最少的内容项移除节点缓存；提取新数据内容名字字符串特征并进行分类；将新到达的数据内容项存入节点中相应的内容类别中，更新类别热度表和日志。本发明按内容名字分类可以更好的管理CCN中节点的缓存，使网络在通信过程中从内容名入手对内容进行查找和替换，平衡节点缓存中内容的多样性，提高缓存替换的效率。
一种面向内容中心网络基于分类类别流行缓存替换方法