“杨雯升”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种高维不平衡数据条件下的网络故障诊断方法、系统-CN202310645229.X有效
发明人：潘成胜;蔡凌云;杨雯升;李志祥;金爱鑫 -专利权人：南京信息工程大学
申请日： 2023-06-02 - 公布日： 2023-08-22 - 主分类号： H04L41/06 文献下载
摘要：本发明公开了一种高维不平衡数据条件下的网络故障诊断方法、系统，该方法包括：对网络故障数据进行数值化与归一化；采用随机森林算法评估网络特征的特征重要度并排序，进行网络特征选择；采用IKSMOTE算法对少数类网络故障样本进行过采样，以平衡多数类和少数类样本数量；根据小波神经网络结构创建一个三层小波神经网络故障诊断模型；使用IGWO对小波神经网络的参数进行优化；得到的最优参数作为小波神经网络的初始值，输入网络故障数据，完成小波神经网络模型的训练。本发明有效降低了数据的采集和存储压力，解决了网络故障数据极端不平衡导致地少数类故障诊断准确率低的问题，提高了诊断模型的局部寻优能力。
一种不平衡数据条件下网络故障诊断方法系统

[发明专利]一种基于二次特征提取的网络流量异常检测方法及系统-CN202211492575.0有效
发明人：潘成胜;李志祥;杨雯升;蔡凌云 -专利权人：南京信息工程大学
申请日： 2022-11-25 - 公布日： 2023-06-27 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。
一种基于二次特征提取网络流量异常检测方法系统

[发明专利]一种基于改进遗传算法的指挥控制体系网络结构优化方法-CN202310253612.0有效
发明人：潘成胜;崔骁松;赵晨;王建伟;杨雯升;王英植 -专利权人：南京信息工程大学
申请日： 2023-03-16 - 公布日： 2023-05-30 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于改进遗传算法的指挥控制体系网络结构优化方法，包括：建立多目标优化模型，初始化参数；采用上三角编码方法，将网络结构的邻接矩阵中有效元素进行编码形成染色体；将基础隶属网络结构和协同式网络结构作为启发式信息以生成初始种群，获得初始种群的全部个体；利用适应度函数计算种群中每个个体的适应度；选择出父代个体并采用自适应交叉和变异机制对父代个体进行进化操作，进而得到子代个体；采用精英保留策略更新种群，重复迭代直到满足终止条件，最终输出最优的指挥控制体系网络结构；本发明算法可获得抗毁性和时效性最高的网络结构，实现了指挥控制体系网络结构的优化，并表现出较好的收敛性和准确性。
一种基于改进遗传算法指挥控制体系网络结构优化方法

[发明专利]一种基于时空注意力机制的加密网络流量分类方法-CN202210876800.4在审
发明人：潘成胜;孔志翔;吴海银;张艳艳;朱江;杨雯升 -专利权人：南京信息工程大学
申请日： 2022-07-25 - 公布日： 2022-11-15 - 主分类号： H04L47/2441 文献下载
摘要：本发明公开了一种基于时空注意力机制的加密网络流量分类方法，包括如下步骤：步骤1，解析报文，获取网络流量数据X，并进行归一化处理；步骤2，将归一化处理后的网络流量数据输入到空间特征提取组件SAtt，提取网络流量的空间特征Zs；步骤3，将归一化处理后的网络流量数据输入到时间特征提取组件TAtt，提取网络流量的时间特征Zt；步骤4，将空间特征Zs和时间特征Zt进行重构，得到网络流量特征Z。本发明利用空间特征提取组件SAtt和时间特征提取组件TAtt分别提取空间特征和时间特征，对网络流量分类效果明显提高，在不同类别的流量下均有不错的分类表现，且算法收敛速度较快。
一种基于时空注意力机制加密网络流量分类方法

[发明专利]一种基于决策树的多分类网络故障预测方法-CN202110021897.6有效
发明人：潘成胜;杨雯升;张艳艳;石怀峰;朱江;孔志翔 -专利权人：南京信息工程大学
申请日： 2021-01-08 - 公布日： 2022-08-16 - 主分类号： H04L41/0631 文献下载
摘要：本发明提供一种基于决策树的多分类网络故障预测方法，通过对预设数据集内各个样本所对应的网络状态类型，构建与各个网络状态类型一一对应的各个大类，分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类，根据一小类和非一小类的类中心确定各个大类的类间距，并按照类间距从大到小的顺序，调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习，获得各个网络状态类型所对应的网络分类模型，根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型，构建多分类网络故障决策树模型。
一种基于决策树分类网络故障预测方法

[发明专利]一种面向网络管理系统的故障检测方法及装置-CN202210000687.3有效
发明人：潘成胜;杨雯升;张艳艳;金爱鑫;朱江 -专利权人：南京信息工程大学
申请日： 2022-01-04 - 公布日： 2022-04-01 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了一种面向网络管理系统的故障检测方法，包括以下步骤：步骤1、获取原始不均衡网络故障数据集NF，对NF进行压缩和过滤操作，得到处理后数据集NF＇，NF＇包括样本，样本包括两种类型样本，两种类型样本是指非故障样本和故障样本；步骤2、获取不均衡比例I，所述不均衡比例I=非故障样本的数目/故障样本的数目；步骤3、预先设置一个采样后的两种类型样本数目的比例,根据获取新合成故障数据样本的数目N；步骤4、构建新合成故障数据样本的空间分布分配规则；步骤5、构建新合成故障数据样本的合成规则；步骤6、建立XGB‑RF网络故障检测模型。本发明有效提高了网络故障检测的准确率。
一种面向网络管理系统故障检测方法装置

[发明专利]基于小波神经网络的网络故障诊断方法、设备及存储介质-CN202111479699.0有效
发明人：潘成胜;金爱鑫;杨雯升;张艳艳 -专利权人：南京信息工程大学
申请日： 2021-12-07 - 公布日： 2022-03-11 - 主分类号： H04L41/0631 文献下载
摘要：本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。
基于神经网络网络故障诊断方法设备存储介质

[发明专利]一种基于少数类样本空间分布的不平衡数据过采样方法-CN202110822084.7在审
发明人：潘成胜;杨雯升;张艳艳;金爱鑫 -专利权人：南京信息工程大学
申请日： 2021-07-21 - 公布日： 2021-08-17 - 主分类号： G06K9/40 文献下载
摘要：本发明公开了一种基于少数类样本空间分布的不平衡数据过采样方法，属于电子、通讯、信息工程类的技术领域。其通过增加过滤噪声预处理、设计新的样本合成方法、构建权重值的计算规则以改善数据集的不平衡性，解决了样本混叠现象导致分类效果不佳的问题，提升了不平衡学习问题的性能。
一种基于少数样本空间分布不平衡数据采样方法

[发明专利]一种基于图卷积网络融合多特征输入的网络流量预测方法-CN202110018129.5有效
发明人：潘成胜;朱江;石怀峰;杨雯升;孔志翔 -专利权人：南京信息工程大学;南京理工大学
申请日： 2021-01-07 - 公布日： 2021-04-06 - 主分类号： H04L12/26 文献下载
摘要：本发明公开了一种基于图卷积网络融合多特征输入的网络流量预测方法，步骤为：获取网络流量数据；利用皮尔森相关系数对流量进行相关性分析；采用时空特征提取单元来提取流量间的时空特征；提取历史上每周同一时刻的网络流量数据；特征融合得到预测结果。本发明解决了传统网络流量预测模型存在无法有效提取流量间的时空特性缺陷而导致的预测误差高、精度低的问题。
一种基于图卷网络融合特征输入网络流量预测方法

1
共 9 条