CN113538822A - 光纤入侵混合信号分离方法及装置 - Google Patents
光纤入侵混合信号分离方法及装置 Download PDFInfo
- Publication number
- CN113538822A CN113538822A CN202110864084.3A CN202110864084A CN113538822A CN 113538822 A CN113538822 A CN 113538822A CN 202110864084 A CN202110864084 A CN 202110864084A CN 113538822 A CN113538822 A CN 113538822A
- Authority
- CN
- China
- Prior art keywords
- tensor
- hypersymmetry
- mixed signal
- optical fiber
- invasion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 57
- 230000009545 invasion Effects 0.000 title claims abstract description 54
- 238000000926 separation method Methods 0.000 title claims description 24
- 239000013598 vector Substances 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 230000000295 complement effect Effects 0.000 claims abstract description 35
- 239000000835 fiber Substances 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/02—Mechanical actuation
- G08B13/12—Mechanical actuation by the breaking or disturbance of stretched cords or wires
- G08B13/122—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence
- G08B13/124—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence with the breaking or disturbance being optically detected, e.g. optical fibers in the perimeter fence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种光纤入侵混合信号分离方法及装置,可用于光纤监测预警技术领域,其中方法包括:获得光纤入侵混合信号;根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;根据所述初始特征向量,确定正交补投影矩阵;根据所述正交补投影矩阵,对所述超对称张量进行修正;利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。本发明可以进行光纤入侵混合信号分离,提高多种入侵行为同时发生时的识别性能。
Description
技术领域
本发明涉及光纤监测预警技术领域,尤其涉及光纤入侵混合信号分离方法及装置。
背景技术
光纤预警系统(Optical Fiber Pre-warning System,OFPS)将光缆与被监测对象平行铺设,然后采集由外部振动引起的后向散射光,最终转换为入侵信号。入侵信号一般是各种类型的特征信号混合而成,其频谱也是混合频谱。特征信号是指由单一入侵行为形成的纯信号。现有的光纤预警系统已经能够检测和识别各种特征信号,然而,当多种入侵行为同时发生时,OFPS中缺少混合信号的分离能力,识别性能会严重下降。
因此,亟需一种可以克服上述问题的光纤入侵混合信号分离方案。
发明内容
本发明实施例提供一种光纤入侵混合信号分离方法,用以进行光纤入侵混合信号分离,提高多种入侵行为同时发生时的识别性能,该方法包括:
获得光纤入侵混合信号;
根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;
根据所述初始特征向量,确定正交补投影矩阵;
根据所述正交补投影矩阵,对所述超对称张量进行修正;
利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
本发明实施例提供一种光纤入侵混合信号分离装置,用以进行光纤入侵混合信号分离,提高多种入侵行为同时发生时的识别性能,该装置包括:
混合信号获得模块,用于获得光纤入侵混合信号;
特征向量确定模块,用于根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;
投影矩阵确定模块,用于根据所述初始特征向量,确定正交补投影矩阵;
超对称张量修正模块,用于根据所述正交补投影矩阵,对所述超对称张量进行修正;
混合信号分离模块,用于利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述光纤入侵混合信号分离方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述光纤入侵混合信号分离方法的计算机程序。
本发明实施例通过获得光纤入侵混合信号;根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;根据所述初始特征向量,确定正交补投影矩阵;根据所述正交补投影矩阵,对所述超对称张量进行修正;利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。本发明实施例考虑到光纤入侵混合信号的超对称张量的非正交性,利用初始特征向量的正交补投影矩阵对超对称张量进行修正,利用修正后的超对称张量和预先建立的最优化模型进行光纤入侵混合信号分离可以更接近于实际的特征向量,从而有效提高多种入侵行为同时发生时的识别性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中光纤入侵混合信号分离方法示意图;
图2~图4为本发明具体实施例中光纤入侵混合信号分离方法示意图;
图5为本发明实施例中光纤入侵混合信号分离装置结构图;
图6是本发明实施例的计算机设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
为了进行光纤入侵混合信号分离,简化操作,本发明实施例提供一种光纤入侵混合信号分离方法,如图1所示,该方法可以包括:
步骤101、获得光纤入侵混合信号;
步骤102、根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;
步骤103、根据所述初始特征向量,确定正交补投影矩阵;
步骤104、根据所述正交补投影矩阵,对所述超对称张量进行修正;
步骤105、利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
由图1所示可以得知,本发明实施例通过获得光纤入侵混合信号;根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;根据所述初始特征向量,确定正交补投影矩阵;根据所述正交补投影矩阵,对所述超对称张量进行修正;利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。本发明实施例考虑到光纤入侵混合信号的超对称张量的非正交性,利用初始特征向量的正交补投影矩阵对超对称张量进行修正,利用修正后的超对称张量和预先建立的最优化模型进行光纤入侵混合信号分离可以更接近于实际的特征向量,从而有效提高多种入侵行为同时发生时的识别性能。
实施例中,获得光纤入侵混合信号。
实施例中,根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量。
在本实施例中,根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量,包括:
对所述光纤入侵混合信号进行外积运算,得到超对称张量;
对所述超对称张量进行特征提取,得到对应的初始特征向量。
在本实施例中,按如下公式对光纤入侵混合信号进行外积运算:
在本实施例中,按如下公式对超对称张量进行特征提取:
其中,||u||2为初始特征向量u的2范数。
具体实施时,假设光纤入侵混合信号为ri,首先通过光纤入侵混合信号的外积运算得到超对称张量S,再对超对称张量进行特征提取可以得到初始特征向量u。
实施例中,根据所述初始特征向量,确定正交补投影矩阵。
在本实施例中,根据所述初始特征向量,确定正交补投影矩阵,包括:
对所述初始特征向量进行克罗内克积运算,得到新的特征向量;
根据新的特征向量,确定正交补投影矩阵。
在本实施例中,按如下公式对初始特征向量进行克罗内克积运算:
其中,u为初始特征向量。
在本实施例中,按如下公式确定正交补投影矩阵:
实施例中,根据所述正交补投影矩阵,对所述超对称张量进行修正。
在本实施例中,根据所述正交补投影矩阵,对所述超对称张量进行修正,包括:
根据所述超对称张量,得到对应的一维向量;
根据所述正交补投影矩阵和一维向量,对所述超对称张量进行修正。
在本实施例中,根据所述超对称张量,得到对应的一维向量,包括:根据所述超对称张量,得到对应的二维平面;根据所述二维平面,得到对应的一维向量。
在本实施例中,按如下公式得到对应的二维平面:
si=vec(Si)
在本实施例中,按如下公式得到对应的一维向量:
在本实施例中,按如下公式对超对称张量进行修正:
其中,S′为修正后的超对称张量,unvec表示将向量变张量。
实施例中,利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
在本实施例中,最优化模型按如下公式预先建立:
maxS′×1u×2u×3u+λ||u||2
其中,λ为正则化参数
具体实施时,根据最优化模型,用修正后的超对称张量得到最终的特征向量,即分离出来的特征信号。
下面给出一个具体实施例,说明本发明实施例中光纤入侵混合信号分离的具体应用。在本具体实施例中,如图2所示,首先得到初始特征向量,然后由光纤入侵混合信号求外积得到超对称张量,进一步修正超对称张量,最后再根据最优化模型求得最终的特征向量,即分离出来的特征信号。比较λ值不同时光纤信号的分离效果。OFPS分离信号的本质是找到样本数据所在的图形端点。图3是光纤信号的二维分布图,本发明具体实施例中选取电钻、电镐、镐刨三种信号。图3中间的零散点代表光纤入侵混合信号的样本,混合信号随机分布在三种特征信号组成的三角形内,星状点代表提取的特征信号。可以看出当λ=0.001时,信号分离效果最好。在不同λ值下提取的三种特征信号如图4所示,三角形线代表特征谱,即实验室标定的特征信号的谱。圆圈、方形、竖线和星形所构成的折线图依次表示λ=0.001、0.01、0.05和0.1。从图4中可以很容易地看出,在λ=0.001的情况下提取的纯谱更接近特征谱。
本发明实施例中,通过光纤入侵混合信号分离方法得到的特征向量偏离实际特征向量的角度小,考虑到超对称张量的非正交性,通过修正之后的来计算新的特征向量,从而更接近于实际特征向量。通过求特征向量的方法得到分离之后的光纤特征信号,更符合光纤信号的物理本质,从而有效提高多种入侵行为同时发生时的识别性能。
基于同一发明构思,本发明实施例还提供了一种光纤入侵混合信号分离装置,如下面的实施例所述。由于这些解决问题的原理与光纤入侵混合信号分离方法相似,因此光纤入侵混合信号分离装置的实施可以参见方法的实施,重复之处不再赘述。
图5为本发明实施例中光纤入侵混合信号分离装置的结构图,如图5所示,该光纤入侵混合信号分离装置包括:
混合信号获得模块501,用于获得光纤入侵混合信号;
特征向量确定模块502,用于根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;
投影矩阵确定模块503,用于根据所述初始特征向量,确定正交补投影矩阵;
超对称张量修正模块504,用于根据所述正交补投影矩阵,对所述超对称张量进行修正;
混合信号分离模块505,用于利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
一个实施例中,特征向量确定模块502进一步用于:
对所述光纤入侵混合信号进行外积运算,得到超对称张量;
对所述超对称张量进行特征提取,得到对应的初始特征向量。
一个实施例中,投影矩阵确定模块503进一步用于:
对所述初始特征向量进行克罗内克积运算,得到新的特征向量;
根据新的特征向量,确定正交补投影矩阵。
一个实施例中,超对称张量修正模块504进一步用于:
根据所述超对称张量,得到对应的一维向量;
根据所述正交补投影矩阵和一维向量,对所述超对称张量进行修正。
综上所述,本发明实施例通过获得光纤入侵混合信号;根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;根据所述初始特征向量,确定正交补投影矩阵;根据所述正交补投影矩阵,对所述超对称张量进行修正;利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。本发明实施例考虑到光纤入侵混合信号的超对称张量的非正交性,利用初始特征向量的正交补投影矩阵对超对称张量进行修正,利用修正后的超对称张量和预先建立的最优化模型进行光纤入侵混合信号分离可以更接近于实际的特征向量,从而有效提高多种入侵行为同时发生时的识别性能。
基于前述发明构思,如图6所示,本发明还提出了一种计算机设备600,包括存储器610、处理器620及存储在存储器610上并可在处理器620上运行的计算机程序630,所述处理器620执行所述计算机程序630时实现前述光纤入侵混合信号分离方法。
基于前述发明构思,本发明提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现前述光纤入侵混合信号分离方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种光纤入侵混合信号分离方法,其特征在于,包括:
获得光纤入侵混合信号;
根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;
根据所述初始特征向量,确定正交补投影矩阵;
根据所述正交补投影矩阵,对所述超对称张量进行修正;
利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
2.如权利要求1所述的光纤入侵混合信号分离方法,其特征在于,根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量,包括:
对所述光纤入侵混合信号进行外积运算,得到超对称张量;
对所述超对称张量进行特征提取,得到对应的初始特征向量。
3.如权利要求1所述的光纤入侵混合信号分离方法,其特征在于,根据所述初始特征向量,确定正交补投影矩阵,包括:
对所述初始特征向量进行克罗内克积运算,得到新的特征向量;
根据新的特征向量,确定正交补投影矩阵。
4.如权利要求1所述的光纤入侵混合信号分离方法,其特征在于,根据所述正交补投影矩阵,对所述超对称张量进行修正,包括:
根据所述超对称张量,得到对应的一维向量;
根据所述正交补投影矩阵和一维向量,对所述超对称张量进行修正。
5.一种光纤入侵混合信号分离装置,其特征在于,包括:
混合信号获得模块,用于获得光纤入侵混合信号;
特征向量确定模块,用于根据所述光纤入侵混合信号,确定超对称张量和对应的初始特征向量;
投影矩阵确定模块,用于根据所述初始特征向量,确定正交补投影矩阵;
超对称张量修正模块,用于根据所述正交补投影矩阵,对所述超对称张量进行修正;
混合信号分离模块,用于利用修正后的超对称张量和预先建立的最优化模型,进行光纤入侵混合信号分离。
6.如权利要求5所述的光纤入侵混合信号分离装置,其特征在于,特征向量确定模块进一步用于:
对所述光纤入侵混合信号进行外积运算,得到超对称张量;
对所述超对称张量进行特征提取,得到对应的初始特征向量。
7.如权利要求5所述的光纤入侵混合信号分离装置,其特征在于,投影矩阵确定模块进一步用于:
对所述初始特征向量进行克罗内克积运算,得到新的特征向量;
根据新的特征向量,确定正交补投影矩阵。
8.如权利要求5所述的光纤入侵混合信号分离装置,其特征在于,超对称张量修正模块进一步用于:
根据所述超对称张量,得到对应的一维向量;
根据所述正交补投影矩阵和一维向量,对所述超对称张量进行修正。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110864084.3A CN113538822A (zh) | 2021-07-29 | 2021-07-29 | 光纤入侵混合信号分离方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110864084.3A CN113538822A (zh) | 2021-07-29 | 2021-07-29 | 光纤入侵混合信号分离方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113538822A true CN113538822A (zh) | 2021-10-22 |
Family
ID=78089637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110864084.3A Pending CN113538822A (zh) | 2021-07-29 | 2021-07-29 | 光纤入侵混合信号分离方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538822A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080310687A1 (en) * | 2007-06-15 | 2008-12-18 | Microsoft Corporation | Face Recognition Using Discriminatively Trained Orthogonal Tensor Projections |
CN101542618A (zh) * | 2006-09-25 | 2009-09-23 | 新加坡科技研究局 | 光学聚焦系统和方法 |
US20120133377A1 (en) * | 2010-11-26 | 2012-05-31 | Xuekang Shan | Transmission line based electric fence with intrusion location ability |
WO2019058775A1 (ja) * | 2017-09-21 | 2019-03-28 | 株式会社アダコテック | 異常検出装置および異常検出方法 |
CN112309063A (zh) * | 2020-10-30 | 2021-02-02 | 魏运 | 混合光纤入侵信号特征谱提取方法及装置 |
-
2021
- 2021-07-29 CN CN202110864084.3A patent/CN113538822A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101542618A (zh) * | 2006-09-25 | 2009-09-23 | 新加坡科技研究局 | 光学聚焦系统和方法 |
US20080310687A1 (en) * | 2007-06-15 | 2008-12-18 | Microsoft Corporation | Face Recognition Using Discriminatively Trained Orthogonal Tensor Projections |
US20120133377A1 (en) * | 2010-11-26 | 2012-05-31 | Xuekang Shan | Transmission line based electric fence with intrusion location ability |
WO2019058775A1 (ja) * | 2017-09-21 | 2019-03-28 | 株式会社アダコテック | 異常検出装置および異常検出方法 |
CN112309063A (zh) * | 2020-10-30 | 2021-02-02 | 魏运 | 混合光纤入侵信号特征谱提取方法及装置 |
Non-Patent Citations (2)
Title |
---|
XIURUI GENG等: "NPSA:Nonorthoginal Principal Skewness Analysis", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
王利龙等: "结合优化MGFR与二维线性降维的特征提取算法", 《自动化仪表》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101282196B1 (ko) | 다시점 영상에서 코드북 기반의 전경 및 배경 분리 장치 및 방법 | |
EP2860695B1 (en) | Method and apparatus for identifying noise in disparity depth image | |
US10268820B2 (en) | Malware determination device, malware determination system, malware determination method, and program | |
US11978194B2 (en) | Data analysis system, data analysis method, and non-transitory computer-readable medium | |
CN114972339B (zh) | 用于推土机结构件生产异常检测的数据增强系统 | |
CN110472268A (zh) | 一种桥梁监测数据模态识别方法及装置 | |
CN114649055A (zh) | 用于检测单核苷酸变异和插入缺失的方法、设备和介质 | |
CN108235733A (zh) | 基于拉曼光谱的物质识别方法及云端系统 | |
CN113538822A (zh) | 光纤入侵混合信号分离方法及装置 | |
CN112861595A (zh) | 数据点的识别方法、装置和计算机可读存储介质 | |
CN110703013B (zh) | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 | |
CN111444814A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
JP6356015B2 (ja) | 遺伝子発現情報解析装置、遺伝子発現情報解析方法、及びプログラム | |
US9035964B2 (en) | Method and apparatus for obtaining lighting information and material information in image modeling system | |
CN108022429B (zh) | 一种车辆检测的方法及装置 | |
CN107508764B (zh) | 一种网络数据流量类型识别方法和装置 | |
CN110675369B (zh) | 联轴器失配检测方法及相关设备 | |
CN109325432B (zh) | 一种三维对象的识别方法、设备及计算机可读储存介质 | |
CN114494404A (zh) | 物体体积测量方法、系统、装置和介质 | |
US20220021689A1 (en) | Network packet analyzer and computer program product. | |
CN108563950B (zh) | 基于SVM的Android恶意软件检测方法 | |
CN115035718B (zh) | 基于车辆动作类型和次数的场景复杂度评价方法 | |
CN113542200A (zh) | 风险控制方法、装置和存储介质 | |
CN112288748A (zh) | 一种语义分割网络训练、图像语义分割方法及装置 | |
CN110868382A (zh) | 一种基于决策树的网络威胁评估方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211022 |