“肖如良”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38个，建议您升级VIP下载更多相关专利

[发明专利]LLVM编译选项序列两阶段优化方法及系统-CN202310663394.8在审
发明人：杜欣;倪友聪;肖如良 -专利权人：福建师范大学
申请日： 2023-06-06 - 公布日： 2023-09-01 - 主分类号： G06F8/41 文献下载
摘要：本发明涉及一种LLVM编译选项序列两阶段优化方法及系统，该方法包括：交互感知的LLVM选项模糊选择：构建最短等价选项序列获取机制，运用到带目标改进的样本集以保留高功效的选项交互；运用模糊逻辑中的隶属度定量刻画每个选项属于带目标改进选项集的程度，获取选用的选项集；基于启发式信息和预测模型的LLVM选项序列演化优化：构建可定量刻画任意两个选项潜在交互对目标影响的选项交互伪功效矩阵，以此作为启发式信息设计交换和变异演化算子来提高解质量和收敛速度；构建基于中间代码特征的选项序列优劣预测模型，在选用的选项集构成的搜索空间中演化搜索，获得面向待优化应用的最优选项序列。该方法及系统有利于在获得最佳优化结果的同时降低优化时间。
llvm 编译选项序列阶段优化方法系统

[发明专利]基于多量程的嵌入式软件能耗测量系统-CN202010346677.6有效
发明人：倪友聪;杜欣;肖如良;李汪彪 -专利权人：福建师范大学
申请日： 2020-04-28 - 公布日： 2023-08-08 - 主分类号： G06F11/34 文献下载
摘要：本发明涉及一种基于多量程的嵌入式软件能耗测量系统，包括基于多量程的电流测量终端和上位机，电流测量终端的三量程电流测量电路与被测嵌入式系统连接，为被测嵌入式系统供电并通过小、中、大三个量程的电路同时采集其产生的模拟电流信号，通过电流信号采集及处理系统处理后发送给上位机；上位机的收发模块接收电流测量终端发送来的各量程电流信号，经滤波模块过滤噪声后，将小、中、大三个量程的电流数据送入校准模块，校准模块基于校准模型对电流数据进行校准，并将校准后的电流数据存入数据库，被测嵌入式系统运行结束后，上位机的能耗计算模块从数据库中提取电流数据，计算并输出能耗测量报告。该系统有利于提高测量精确度。
基于多量嵌入式软件能耗测量系统

[发明专利]基于局部敏感布隆过滤器的工业物联网隐性异常检测方法-CN202110721174.7有效
发明人： 肖如良;肖晨凯;张仕;蔡声镇 -专利权人：福建师范大学
申请日： 2021-06-28 - 公布日： 2023-06-30 - 主分类号： H04L67/12 文献下载
摘要：本发明公开基于局部敏感布隆过滤器的工业物联网隐性异常检测方法，获取工业物联网的原始多类型数据并通过特征化将多媒体数据转换成特征向量；IIoT数据利用SP‑FJLT进行哈希投影后通过相互竞争策略进行除噪，再映射到Bloom Filter上以将Bloom Filter被哈希映射的位向量由“0”变为“1”。本发明提出的基于空间划分的快速SP‑FJLT变换具有很强的映射保距性，可以准确识别隐性特征，减少了数据在哈希投影中的精度损失。本发明方法具有更高的检测率以及更低的误报率。
基于局部敏感过滤器工业联网隐性异常检测方法

[发明专利]一种基于微簇的工业物联网自适应流聚类方法及装置-CN202110733213.5有效
发明人： 肖如良;朱维富;张仕;蔡声镇 -专利权人：福建师范大学
申请日： 2021-06-30 - 公布日： 2023-06-23 - 主分类号： G06F18/23 文献下载
摘要：本发明涉及一种基于微簇的工业物联网自适应流聚类方法及装置，根据微簇的高密度性，将每一个微簇作为一个参与聚类的数据样本点，计算每个微簇的局部密度以及微簇之间的距离，通过微簇的局部密度以及微簇距离来构建宏簇聚类决策树从而确定聚类中心以及自适应确定宏簇聚类数。并且通过引入了权重衰减函数来不断的更新微簇权重，从而来移除老化的微簇以防止概念演化以及数据漂移问题。此外，本文方法去除了微簇构建过程中相交微簇之间的计算，简化了繁重的剪枝操作，维护了宏观簇所需的最小计算量。
一种基于工业联网自适应流聚类方法装置

[发明专利]一种基于果蝇嗅觉神经网络的隐性异常检测方法及其装置-CN202110726093.6有效
发明人： 肖如良;李一奇;张仕;蔡声镇 -专利权人：福建师范大学
申请日： 2021-06-29 - 公布日： 2023-06-06 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及一种基于果蝇嗅觉神经网络的隐性异常检测方法及其装置，其包括以下步骤：S1：获取一串具有正常的相同数据的数据流为训练组，一串具有正常的相同数据中混有异常数据的混合数据流为测试组；S2：构建一个果蝇嗅觉神经网络，利用训练组对果蝇嗅觉神经网络进行“习惯化”；S3：利用赢者通吃策略对测试组中异常数据特征提取，输出异常数据的稀疏二值化的特征向量；S4：异常数据的稀疏二值化的特征向量输入的全连接层，采用梯度下降法进行训练并输出结果；S5:建立基于果蝇嗅觉神经网络的隐性异常检测模型，采用以上技术方案能够过滤掉冗余信息，增强对具有相似信息中新数据的辨别能力，提高物联网系统隐性异常的检测能力。
一种基于果蝇嗅觉神经网络隐性异常检测方法及其装置

[发明专利]基于逆习惯化机制的流聚类异常检测方法及系统-CN202210793836.6有效
发明人： 肖如良;朱维富;邹利琼;张仕 -专利权人：福建师范大学
申请日： 2022-07-07 - 公布日： 2023-05-26 - 主分类号： H04L9/40 文献下载
摘要：本发明涉及一种基于逆习惯化机制的流聚类异常检测方法及系统，该方法包括以下步骤：（1）对数据进行逆习惯化处理；（2）初始化学习模型；（3）寻找最佳微簇；（4）更新微集群；（5）移除异常微簇；（6）构建宏簇集群。该方法有利于提高流聚类异常检测的速度和有效性。
基于习惯化机制流聚类异常检测方法系统

[发明专利]基于堆叠习惯化自编码器的高维动态数据流异常检测方法-CN202210794695.X在审
发明人： 肖如良;黄若鹤;邹利琼;张仕 -专利权人：福建师范大学
申请日： 2022-07-07 - 公布日： 2022-09-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于堆叠习惯化自编码器的高维动态数据流异常检测方法，包括初始化阶段和在线异常检测阶段；在初始化阶段，通过采用静态异常检测算法对历史数据进行异常检测，生成异常候选集和正常数据，并利用正常数据生成的微聚类训练堆叠习惯化自编码器；在在线异常检测阶段，通过滑动窗口对动态数据流进行分隔，使用堆叠习惯化自编码器对当前窗口数据和异常候选集进行数据降维，然后使用联合概率密度估计器进行在线异常检测，异常检测产生真实的异常值、异常候选集和正常数据，正常数据用于持续更新堆叠习惯化自编码器，异常候选集用于下一个窗口的异常检测。该方法有利于提高高维动态数据流异常检测效果，降低异常检测时间。
基于堆叠习惯化编码器动态数据流异常检测方法

[发明专利]一种嵌入式软件编译时能耗演化优化方法-CN201910984810.8有效
发明人：倪友聪;杜欣;叶鹏;肖如良 -专利权人：福建师范大学
申请日： 2019-10-16 - 公布日： 2022-09-20 - 主分类号： G06F8/41 文献下载
摘要：本发明涉及一种嵌入式软件编译时能耗演化优化方法，包括以下步骤：1、输入嵌入式软件源代码，初始化参数，生成随机种群；2、计算初始种群中各个体的适应度，获取事务表；3、基于事务表，挖掘获取频繁选项模式集表；4、判断演化代数是否小于最大演化代数，是则转下一步，否则转最后一步；5、对种群中个体执行交叉操作，生成临时种群；6、对于临时种群中个体，基于模式集表，运用最大匹配算法进行多点变异生成新个体；7、计算更新后临时种群中各个体的适应度，更新事务表以及挖掘获取模式集表；8、生成下一代种群，并返回步骤4，直至满足终止条件；9、得到并输出最优解。该方法有利于降低软件能耗，加快收敛速度。
一种嵌入式软件编译能耗演化优化方法

[发明专利]基于机器学习的多量程电流测量校准系统-CN202010346676.1有效
发明人：倪友聪;杜欣;肖如良;李汪彪 -专利权人：福建师范大学
申请日： 2020-04-28 - 公布日： 2022-08-05 - 主分类号： G01R35/00 文献下载
摘要：本发明涉及一种基于机器学习的多量程电流测量校准系统，包括基于多量程的电流测量终端、负载模拟终端和上位机，电流测量终端的三量程电流测量电路与负载模拟终端连接，为负载模拟终端供电并通过小、中、大三个量程的电路同时采集其产生的模拟电流信号，处理后发送给上位机；负载模拟终端用于产生不同大小的模拟电流信号；上位机的协调模块向负载模拟终端发送不同的电流实际值，负载模拟终端产生对应的模拟电流信号；收发模块接收电流测量终端发送来的各量程电流信号，处理后存入数据库，样本生成模块根据电流实际值及其对应的三个量程电流数据，构成初始校准数据集，输入机器学习模块构建并训练得到校准模型。该系统有利于提高测量精确度。
基于机器学习多量电流测量校准系统

[发明专利]频繁序列挖掘帮助的LLVM编译时能耗优化方法及系统-CN202210183569.0在审
发明人：倪友聪;杜欣;肖如良 -专利权人：福建师范大学
申请日： 2022-02-25 - 公布日： 2022-05-31 - 主分类号： G06F8/30 文献下载
摘要：本发明涉及一种频繁序列挖掘帮助的LLVM编译时能耗优化方法及系统，该方法首先生成初始候选解集S，并基于候选解集S构建初始的带能耗改进标注的选项序列事务数据库DBE，然后基于DBE挖掘生成带能耗改进标注的频繁选项序列前缀树prefixTreeE和后缀树postfixTreeE，再基于前缀树prefixTreeE和后缀树postfixTreeE生成带能耗改进标注频繁选项序列帮助的新解，评估生成新解并更新DBE；不断生成新解直至达到预设的停机时间或解质量，输出S中的最优解。该方法及系统有利于在同等停机时间下提高解质量及其收敛速度。
频繁序列挖掘帮助 llvm 编译能耗优化方法系统

[发明专利]一种基于会话特征相似性模糊聚类的异常用户检测方法-CN201810398688.1有效
发明人： 肖如良;苏家威;蔡声镇;林鑫泓;许力 -专利权人：福建师范大学
申请日： 2018-04-27 - 公布日： 2022-04-01 - 主分类号： G06F16/95 文献下载
摘要：本发明涉及一种基于会话特征相似性模糊聚类的异常用户检测方法，包括以下步骤：步骤S1：为每个会话建立滑动窗口，收集用户的网页访问信息；步骤S2：对收集到的网页访问信息进行数据预处理，生成用户会话信息；步骤S3：采用PageRank算法计算网页权重信息；步骤S4：基于得到的用户会话信息和网页权重信息，采用SimHash算法计算用户之间的相似性，建立用户相似性矩阵；步骤S5：采用基于模糊聚类的λ‑截算法对每个会话滑动窗口得到的用户相似性矩阵进行切割，得出嫌疑用户；步骤S6：根据所有会话滑动窗口返回的嫌疑用户信息，检测并定位异常用户。该方法有利于快速准确地检测并定位异常用户。
一种基于会话特征相似性模糊异常用户检测方法

[发明专利]一种基于自组织映射与深度神经网络的图像变化检测方法-CN201810397032.8有效
发明人： 肖如良;崔润曦;蔡声镇;林鑫泓;陈黎飞 -专利权人：福建师范大学
申请日： 2018-04-27 - 公布日： 2022-01-18 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于自组织映射与深度神经网络的图像变化检测方法，包括以下步骤：1、采用基于中值滤波处理的均值比算子MMEAN对两幅SAR时相图进行处理，生成差异图；2、采用自组织映射网络SOM对差异图进行无监督聚类，将差异图中的像素点分为无变化类、噪声类和变化类，获得初步变化图；3、采用自动降噪编码器构建深度神经网络DNN，使用噪声类像素点作为训练集对DNN网络进行训练，以使其能够识别噪声区域的特征；4、将变化类像素点输入训练好的DNN网络，判断并去除变化类像素点中残留的噪声类像素点，从而基于初步变化图得到最终变化图。该方法有利于降低合成孔径雷达图像变化检测的漏检率和虚假报警率。
一种基于组织映射深度神经网络图像变化检测方法

[发明专利]一种LLVM编译选项选择方法-CN202111397828.1在审
发明人：倪友聪;杜欣;肖如良 -专利权人：福建师范大学
申请日： 2021-11-19 - 公布日： 2022-01-07 - 主分类号： G06F8/41 文献下载
摘要：本发明涉及一种LLVM编译选项选择方法，首先通过在线均匀采样覆盖尽可能多的选项交互场景，然后基于优化目标的基准值将样本集分为有无目标改进两个子集，并同时在其中挖掘频繁选项，接着通过引入判定表对两种挖掘结果进行相互确认，并借助可执行代码的CRC码减少确认中的不确定性。该方法有利于选择出保障解质量并可有效减少搜索空间的一组选项。
一种 llvm 编译选项选择方法

[发明专利]结合GRU和SVDD进行网络日志异常检测方法-CN201910698395.X有效
发明人： 肖如良;邹利琼;蔡声镇;陈雄;倪友聪 -专利权人：福建师范大学
申请日： 2019-07-31 - 公布日： 2021-10-22 - 主分类号： H04L29/06 文献下载
摘要：本发明公开结合GRU和SVDD进行网络日志异常检测方法，利用主成分分析对大规模网络日志数据集进行降维，提取有效的属性；然后，利用处理过的训练数据集用来训练GRU‑SVDD分类器模型；最后，将要检测的实际日志输入到GRU‑SVDD比较器，检测出日志中的异常。本发明优于经典的GRU‑MLP和LSTM等算法。本发明很好的对测试数据集中的异常情况进行检测和定位。
结合 gru svdd 进行网络日志异常检测方法

[发明专利]一种基于分布式日志的最大频繁序列模式挖掘方法-CN201810571573.8有效
发明人： 肖如良;陈雄;蔡声镇;陈黎飞;许力;倪友聪 -专利权人：福建师范大学
申请日： 2018-05-31 - 公布日： 2021-07-27 - 主分类号： G06F16/2458 文献下载
摘要：本发明涉及一种基于分布式日志的最大频繁序列模式挖掘方法，基于Spark分布式计算框架，提取局部最大频繁序列；利用前缀投影来划分搜索空间，递归提取出局部最大频繁序列；其中，利用频繁1序列删除日志序列数据集里面非频繁项，降低扫描数据库的规模，同时利用频繁序列模式与最大频繁序列模式之间对应关系减少候选序列数；提取全局最大频繁序列；将局部最大频繁序列按不同长度保存，相邻长度的序列模式进行超集检测，判断是否存在超集关系；如果存在，删除冗余序列，提取出全局最大频繁序列。本发明提出的一种基于分布式日志的最大频繁序列模式挖掘方法，具有更高效率，并支持更大规模事件序列数据的挖掘。
一种基于分布式日志最大频繁序列模式挖掘方法

1
2
3
下一页»
尾页
共 38 条