专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果44个,建议您升级VIP下载更多相关专利
  • [发明专利]在线网络测量流量恢复方法、终端设备及存储介质-CN202310823176.6在审
  • 谢鲲;靳恺;文吉刚;梁伟 - 湖南大学
  • 2023-07-06 - 2023-10-27 - H04L43/08
  • 本发明公开了一种在线网络测量流量恢复方法、终端设备及存储介质,根据二维矩阵模型对每个时刻的网络流量数据进行建模;根据历史时刻的流量数据来训练一个基础的子空间列并且标记这些列的索引,通过计算得到一个杠杆得分;根据子空间列的索引,选择当前时刻需要全采样的子空间列,对于剩余的列,仅采样部分元素;根据当前时刻的采样矩阵判断是否需要继续采样,当残差最大值小于某一个阈值时,使用基于子空间矩阵填充来恢复未采样数据,当残差的最大值大于某一个阈值时,根据残差大小选择需要继续测量的列,更新列空间,然后恢复未采样数据。本发明解决了现有技术中恢复精度低和无法在线恢复等问题,实现了低开销的在线网络测量。
  • 在线网络测量流量恢复方法终端设备存储介质
  • [发明专利]一种网络流量数据填充方法、装置、设备及存储介质-CN201911145150.0有效
  • 李思齐;谢鲲;欧阳与点;文吉刚 - 湖南大学
  • 2019-11-21 - 2023-10-27 - G06F17/16
  • 本发明公开了一种网络流量数据填充方法、装置、设备及存储介质,将网络流量数据建模成三维原始张量,深入挖掘网络流量数据之间的周期性特征,反映了网络流量数据的多维特性;将Expectile回归与CP分解结合来构造损失函数,通过对设定权重w的选择可以有针对性的进行数据的精准恢复,实现对大象流数据的精准恢复;同时,Expectile回归既能描述数据的中心特性,又能描述数据的尾部特性,反映了数据的全貌特征,解决了传统方法无法描述数据各部分局部特性的问题;该方法根据非负矩阵分解算法与Expectile回归对因子矩阵进行更新,在更新过程中,既不需要像ALS算法计算矩阵的逆矩阵,又无需像SGD算法反复权衡一个合适的学习步长,极大地降低了计算的复杂度。
  • 一种网络流量数据填充方法装置设备存储介质
  • [发明专利]物联网设备检测方法、终端设备及存储介质-CN202310462519.0在审
  • 尹彦松;谢鲲;李彦彪;文吉刚;谢高岗 - 湖南大学
  • 2023-04-26 - 2023-07-25 - G06F18/24
  • 本发明公开了一种物联网设备检测方法、终端设备及存储介质,利用物联网设备与网关交互的数据包长度,方向,以及时间戳作为特征,先将每种物联网设备类型与网关交互的数据包转化为流的形式,再将物联网设备流按照一定的规则转化为图结构。设计一种图神经网络模型,能够将设备流图输入到图神经网络中学习图及其子图的特征,从而对不同类型的物联网设备流进行识别。本发明还提出了一个可持续学习框架,用于对新的物联网设备类型进行持续学习,这使得在已学过的设备类型不受到灾难性遗忘的情况下,检测系统能够检测新的物联网设备类型,而无需从头开始重新训练模型,这样会减少训练时间和计算资源。
  • 联网设备检测方法终端设备存储介质
  • [发明专利]一种基于神经网络的网络异常检测方法及装置-CN201911147757.2有效
  • 胡康靖;谢鲲;文吉刚 - 湖南大学
  • 2019-11-21 - 2023-05-12 - G06N3/08
  • 本发明公开了一种基于神经网络的网络异常检测方法及装置,涉及网络检测技术领域。所述网络异常检测方法及装置,先将网络流量数据样本经投影矩阵降维处理,再将降维后的数据输入神经网络模型得到输出结果,通过输出结果与实际值之间的误差进行权重矩阵、偏置项以及投影矩阵的更新,使神经网络模型不断的自学习,并且在面对缺失数据时具有良好的自学习和自适应能力,使训练过程不易陷入局部最优,保证了训练过程和模型的稳定性,数据降维后再输入至神经网络,大大降低了训练数据量、时间复杂度和空间复杂度;最后用训练好的神经网络模型进行网络异常流量检测,提高了缺失数据的检测精度。
  • 一种基于神经网络网络异常检测方法装置
  • [发明专利]一种面向日志局部性特征的快速日志解析方法与系统-CN202211602590.6在审
  • 马琛迎;谢鲲;何施茗;文吉刚;李肯立 - 湖南大学
  • 2022-12-13 - 2023-04-21 - G06F16/2455
  • 本发明公开了一种面向日志局部性特征的快速日志解析方法,其将日志数据集切分为模板提取数据集和日志匹配数据集,对于模板提取数据集:按照日志长度将模板提取数据集中的日志消息切分为不同的日志组,对日志组中的日志消息执行适用于日志数据的多序列最长公共子序列算法提取该日志组的公共单词,判断公共单词的个数是否符合阈值,大于或等于阈值时,为该日志组生成日志模板,将模板加入到模板库中并更新缓存。本发明通过将计算机日志切分到日志组中,对多条日志消息执行适用于日志数据的多序列最长公共子序列算法,一次性提取多条日志消息的公共单词来获取模板,并使用基于缓存的就近匹配算法为每条日志消息匹配模板,提高了日志解析效率和精度。
  • 一种面向日志局部性特征快速解析方法系统
  • [发明专利]一种基于令牌转换的多序列日志解析方法和系统-CN202211577597.7在审
  • 韦鸣宽;谢鲲;何施茗;文吉刚 - 湖南大学
  • 2022-12-09 - 2023-03-28 - G06F11/07
  • 本发明公开了一种基于令牌转换的多序列日志解析方法,包括:获取多条日志数据,对所有日志数据进行预处理,以得到日志令牌消息,对所有日志令牌消息按长度分为多个日志组,针对每一个日志组中的每条日志令牌消息而言,对该日志令牌消息包含的每个令牌进行令牌转换操作,从而得到更新后的日志组,使用多序列公共子序列算法对每一个更新后的日志组进行模板提取,以得到该日志组对应的日志模板,针对所有日志组而言,对所有日志组对应的所有日志模板中任意两个相邻的日志模板进行相似性计算,将相似性计算结果中小于或等于预设阈值的两个日志模板进行合并,相似性计算结果大于预设阈值的日志模板不进行合并,以得到最终的日志模板。
  • 一种基于令牌转换序列日志解析方法系统
  • [发明专利]网络流量预测方法、计算机装置、产品及存储介质-CN202210105778.3有效
  • 陈小迪;谢鲲;谢若天;张大方;文吉刚;李肯立 - 湖南大学
  • 2022-01-28 - 2023-02-28 - H04L41/147
  • 本发明公开了一种网络流量预测方法、计算机装置、产品及存储介质,本发明分别学习邻近的、以日为周期、以周为周期的三种不同范围的数据的时空特征。将三个模块的输出通过自适应融合机制进行融合,并将融合结果输入预测网络中得到预测序列。设计了门控空洞卷积网络,能够在参数比较小的情况下学习数据时间维度上的长相关性;还设计了混合跳图卷积网络,能够学习数据复杂的空间相关性;此外,为了能够为了充分建模网络节点之间动态的和多层次的相互依赖关系,本发明还提出了一个图学习网络,以数据驱动的方式为STA模块中不同的混合跳图卷积网络学习从浅层次到深层次的邻接矩阵。因此M2STL具有更强的时空学习能力来进行网络流量预测。
  • 网络流量预测方法计算机装置产品存储介质
  • [发明专利]一种含缺失数据的交通流预测方法和系统-CN202211301263.7在审
  • 金雅妮;刘彩苹;谢鲲;文吉刚;张大方 - 湖南大学
  • 2022-10-24 - 2023-02-07 - G06Q10/04
  • 本发明公开了一种含缺失数据的交通流预测方法,包括:获取某区域的交通数据集,其包含缺失数据,将该交通数据集重建模为交通流数据矩阵,将交通流数据矩阵X输入训练好的时空预测模型的正交非负矩阵分解ONMF模块形成K个簇,并在各簇中利用时空预测模型的广义矩阵分解GMF模块填充数据,以得到填充数据后的交通流数据矩阵对填充后的交通流数据矩阵进行标准化处理,并根据历史步长H和预测窗口W将标准化后的交通流数据矩阵建模为三维张量将三维张量输入训练好的时空预测模型的图卷积循环神经网络GCRNN,以得到预测数据Y′。本发明在对缺失数据的交通预测方面具有通用性,且更细粒度地学习时空特征以实现更有效地交通流预测。
  • 一种缺失数据通流预测方法系统
  • [发明专利]一种网络流量数据恢复方法及系统-CN201910211736.6有效
  • 王香阁;谢鲲;陈宇翔;文吉刚 - 湖南大学
  • 2019-03-20 - 2022-12-23 - G06F11/14
  • 本发明公开了一种网络流量数据恢复方法及系统,输入一个3阶的流量张量其中,是一个不完整张量,I维度表示时隙、J维度表示天数、K维度表示源节点到目的节点之间的流量数据,即OD对;通过张量的平行因子分解,即CP分解,求因子矩阵利用三个因子矩阵A,B,C选择锚点,计算数据间的相似度距离,构建子张量。通过子张量的填充和数据加权融合恢复原始的网络流量张量。本发明能够有效的挖掘并利用数据内部隐藏的相似性,实现更加精准的张量数据填充;对所需填充的张量数据放松了整体低秩的假设约束,只需假设需要恢复的张量具有局部低秩性,更加适用于真实数据集。
  • 一种网络流量数据恢复方法系统
  • [实用新型]一种物联网资产探测网关-CN202221406267.7有效
  • 曾彬;王雷;文吉刚;周新峰 - 湖南友道信息技术有限公司
  • 2022-06-07 - 2022-08-26 - H04L12/66
  • 本实用新型公开了一种物联网资产探测网关包括探测网关主体、工作状态指示灯、网关调试按键、探测网关接口、接口保护装置、网关散热装置、探测网关固定装置,在探测网关接口上设置有接口保护装置,通过接口保护装置对探测网关接口进行保护,防止灰尘进入接口后堆积导致的接触不良的问题,减少探测网关发生故障,在探测网关主体的一侧设置有网关散热装置,通过散热装置对网关内部进行散热,同时防虫网可以隔绝细小昆虫进入网关内部,从而保证网关的正常工作,延长了使用寿命,在探测网关主体的设置有探测网关固定装置,通过吸盘结构将探测网关固定在使用点,由于网关体积较小,容易移动,固定在桌面等地后有效防止使用过程中发生移动。
  • 一种联网资产探测网关
  • [实用新型]一种物联网终端安全防护装置-CN202221086665.5有效
  • 曾彬;王雷;文吉刚;周新峰 - 湖南友道信息技术有限公司
  • 2022-05-07 - 2022-08-12 - H05K7/14
  • 本实用新型公开了一种物联网终端安全防护装置包括安全防护装置主体、物联网终端固定架、终端机放置板、辅助理线装置、物联网终端机、安全防盗门、防护散热装置、防护散热孔,物联网终端固定架为滑轨结构,通过滑轨结构可将终端机整体从安全防护装置主体内拉出,不需要一个个的拿取,方便工作人员对终端机进行检修,在终端机放置板的两侧设置有辅助理线装置,将终端机的接线对应接口放入理线槽中,方便检修时可以快速找到接线,理线槽将接线整理后更加美观方便,在安全防护装置主体上设置有安全防盗门,通过身份卡打开防盗门,摄像头记录打开安全防盗门的人,防止物联网终端机被非工作人员破坏。
  • 一种联网终端安全防护装置
  • [实用新型]一种网络可视化测试仪-CN202220969465.8有效
  • 曾彬;王雷;文吉刚;周新峰 - 湖南友道信息技术有限公司
  • 2022-04-25 - 2022-07-26 - H04L43/50
  • 本实用新型公开了一种网络可视化测试仪,包括装置本体和防护壳,所述防护壳位于装置本体的前侧,所述装置本体前侧的两侧均固定连接有配合块。本实用新型通过设置装置本体、防护壳、配合块、配合杆、定位槽、配合孔、壳体、固定槽、定位组件和控制组件的配合使用,使用者通过控制组件与定位组件之间的配合使定位杆离开配合孔的内部,之后沿着配合杆的轨迹对防护壳位置进行移动,使其覆盖接口的地方,最后通过定位组件进行定位,解决了现有测试仪在使用时其中一些接口是裸露在外的,并没有防护,在生活办公的过程中极容易发生损坏,例如饮用水误入接口处,会导致测试仪损坏的问题。
  • 一种网络可视化测试仪
  • [发明专利]一种网络流量测量数据中缺失值的恢复方法及系统-CN202210310671.2在审
  • 欧阳与点;谢鲲;文吉刚;李肯立 - 湖南大学
  • 2022-03-28 - 2022-07-01 - G06N3/04
  • 本发明公开了一种网络流量测量数据中缺失值的恢复方法,包括将网络流量数据建模成源节点‑目的节点‑测量时隙的三维张量,将每一个源节点、目的节点、测量时隙映射到共享的潜在特征空间(D维向量空间)并嵌入为因子向量,使用注意力增强的长短期记忆网络考虑网络流量的时间模式对时间因子向量进行增强,设计一种新的多模式融合方法——轻量级三线性池化作为张量填充的交互函数有效建模潜在因子向量不同特征维度之间的三向及多阶非线性相关性精确估计网络流量的缺失值,将所有缺失值的估计值与所有测量值合并得到完整的网络流量数据。本发明还公开了一种网络流量测量数据中缺失值的恢复系统。
  • 一种网络流量测量数据缺失恢复方法系统
  • [发明专利]多元时间序列预测方法、系统及计算机产品、存储介质-CN202210107028.X在审
  • 谢鲲;刘丹;陈小迪;张大方;文吉刚;李肯立 - 湖南大学
  • 2022-01-28 - 2022-05-13 - G06Q10/04
  • 本发明公开了一种多元时间序列预测方法、系统及计算机产品、存储介质,使用两个特征提取编码分别提取长短期历史数据矩阵的时空特征向量,将历史时间序列矩阵输入空间特征提取编码器,生成加权注意力空间特征向量,将加权空间特征向量输入门控循环单元生成时空特征向量;将长期历史数据矩阵提取的时空特征向量输入交互注意力模块生成加权特征向量;将短期历史数据矩阵输入自回归层,生成短期历史时间序列数据的线性预测结果;将加权特征向量和编码特征向量结合输入全连接层生成神经网络预测结果,将神经网络预测结果和自回归层线性预测结果相加得到最终的预测结果。本发明实现了多元时间序列数据精准预测。
  • 多元时间序列预测方法系统计算机产品存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top