CN118194213A - 一种车辆自动导航动态监管方法 - Google Patents
一种车辆自动导航动态监管方法 Download PDFInfo
- Publication number
- CN118194213A CN118194213A CN202410612916.6A CN202410612916A CN118194213A CN 118194213 A CN118194213 A CN 118194213A CN 202410612916 A CN202410612916 A CN 202410612916A CN 118194213 A CN118194213 A CN 118194213A
- Authority
- CN
- China
- Prior art keywords
- navigation
- supervision
- value
- data
- abnormal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000010223 real-time analysis Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种车辆自动导航动态监管方法,属于车辆自动导航监管技术领域,方法包括:获取导航模拟监测数据,对导航模拟监测数据进行分析,建立导航性能库;根据预设的外界特征模板实时获取外界特征数据,将获得的外界特征数据输入到导航性能库中进行匹配,根据匹配结果确定导航监管值;根据获得的导航监管值进行相应的监管处理;确定各添加项,实时采集各添加项对应的添加监测数据;并标记各添加项之间的关联性;对各添加监测数据进行实时分析,获得各添加项对应的异常值;根据各添加项的异常值计算监测值;识别具有关联性的各添加项对应的监测值,生成对位矩阵,根据对位矩阵进行评估,获得对应的添加监管值;根据添加监管值进行相应处理。
Description
技术领域
本发明属于车辆自动导航监管技术领域,具体是一种车辆自动导航动态监管方法。
背景技术
随着社会的发展和科技的进步,车辆已成为人们出行的主要交通工具。然而,车辆的监管和管理一直是一个难题。传统的车辆监管方式主要是通过人工巡查和调度,这种方式不仅效率低下,而且无法实时掌握车辆的位置和状态信息,难以实现科学化管理。为了解决这个问题,各种车辆动态监管***应运而生。
然而,现有的车辆动态监管***存在一些问题。首先,一些***只能提供简单的定位和轨迹记录功能,无法对车辆的状态和数据进行全面监控和管理。其次,一些***的数据处理能力有限,无法对大量数据进行快速分析和处理,导致数据实时性差,影响监管效果。此外,一些***的报警功能不够完善,无法及时发现和处理异常情况。因此,需要一种更加智能、高效、可靠的车辆动态监管***来解决上述问题;基于此,为了解决上述问题或部分问题,本发明提供了一种车辆自动导航动态监管方法。
发明内容
为了解决上述方案存在的问题,本发明提供了一种车辆自动导航动态监管方法。
本发明的目的可以通过以下技术方案实现:
一种车辆自动导航动态监管方法,方法包括:
步骤一:获取导航模拟监测数据,对所述导航模拟监测数据进行分析,建立对应的导航性能库;
进一步地,导航模拟监测数据的获取方法包括:
获取自动导航***的模拟数据,预设外界特征模板,所述外界特征模板包括各特征项以及对应的监测结果;
根据所述外界特征模板对各模拟数据进行处理,获得各所述模拟数据对应的模拟特征数据,将各所述模拟特征数据进行整合,获得导航模拟监测数据。
进一步地,导航性能库的建立方法包括:
根据所述导航模拟监测数据识别具有的各特征参数,识别各所述特征参数对应具有的监测结果;
根据各所述监测结果将各所述特征参数分配到合格类、不合格类和混合类中;统计所述合格类对应的各特征参数,获得所述合格类对应的合格参数范围;统计所述不合格类对应的各特征参数,获得所述不合格类对应的不合格参数范围;统计所述混合类对应的各特征参数,获得所述混合类对应的特征参数范围,标记为混合参数范围;并标记所述混合参数范围中各特征参数对应的不合格率;
将各合格类、合格参数范围、不合格类、不合格参数范围、混合类和混合参数范围进行整合,建立对应的导航性能库。
步骤二:根据预设的外界特征模板实时获取外界特征数据,将获得的外界特征数据输入到导航性能库中进行匹配,根据匹配结果确定对应的导航监管值;根据获得的导航监管值进行相应的监管处理;
进一步地,导航监管值的确定方法包括:
将导航性能库内的合格类、不合格类和混合类分别标记为U1、U2和U3;
设置导航监管值公式,表达式为;
式中:x表示外界特征数据,PL表示不合格率;ζ表示条件修正系数;
当外界特征数据属于U2时,识别外界特征数据对应的不合格率;获取导航条件数据,对所述导航条件数据进行分析,获得对应的条件修正系数;
根据所述导航监管值公式计算对应的导航监管值公式。
进一步地,根据导航监管值进行监管处理的方法包括:
根据导航监管值评估对应的监管状态,监管状态包括导航失准和导航正常;
当导航监管值大于阈值X1时,判定导航失准;
当导航监管值不大于阈值X1时,判定导航正常;
预设导航失准和导航正常对应的处理方式;根据获得的导航状态匹配对应的处理方式,根据获得的处理方式进行监管处理。
步骤三:确定各添加项,实时采集各所述添加项对应的添加监测数据;并标记各所述添加项之间的关联性;
步骤四:对各所述添加监测数据进行实时分析,获得各所述添加项对应的异常值;根据各所述添加项对应的异常值计算监测值;
进一步地,异常值的计算方法包括:
获取各添加项对应的历史添加监测数据,根据所述历史添加监测数据建立异常识别模型,所述异常识别模型的表达式为;式中:a为添加监测数据;
通过所述异常识别模型对添加监测数据进行分析,获得对应的异常值。
进一步地,监测值的计算方法包括:
定义异常坐标,根据实时获得的异常值以及对应的时间生成对应的异常坐标;
根据获得的各异常坐标生成对应的异常动态图;异常动态图中包括异常曲线,且沿着时间轴方向,异常曲线末端对应的时间为T,T为根据当前时间进行确定的;
在异常动态图中识别时间0到T之间的异常曲线,标记为评估曲线,对评估曲线进行拟合,获得评估函数,将评估函数标记为P(t);
根据公式计算对应的监测值;
式中:PGH为监测值;exp(*)为以常数e为底的指数函数。
步骤五:识别具有关联性的各添加项对应的监测值,生成对应的对位矩阵,根据所述对位矩阵进行评估,获得对应的添加监管值;根据所述添加监管值进行相应处理。
进一步地,添加监管值的获取方法包括:
将对位矩阵标记为,将对位矩阵中的元素标记为dij;i=1、2、……、n,n为正整数;j=1、2、……、m,m为正整数;dij的数值为对应添加项的监测值;
根据公式计算对应的添加监管值;
式中:TGZ为添加监管值;||D||F表示对位矩阵D的Frobenius范数;G(D)为调整模型。
进一步地,调整模型的表达式为:
;
式中:X2为阈值;K为实数;max(D)表示选取对位矩阵中数值最大的元素;lg(*)表示以10为底的对数函数。
与现有技术相比,本发明的有益效果是:
通过本发明实现对车辆的实时动态监督,帮助管理者掌握车辆的信息,有利于加强交通安全监督;通过获取导航模拟监测数据,并根据导航模拟监测数据建立导航性能库,实现精准汇总自动导航***的性能数据,便于直观的了解该自动导航***的实际情况,便于后续依据分析数据了解自动导航***的准确性,做到为及时发现导航错误提供数据支撑。
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的介绍,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。
图1为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种车辆自动导航动态监管方法,方法包括:
步骤一:获取导航模拟监测数据,对获得的导航模拟监测数据进行分析,建立对应的导航性能库;
导航模拟监测数据为车辆应用的自动导航***的模拟监测数据,用于测试该自动导航***的性能,主要针对的是该自动导航***在信号、通信等外界条件进行分析;若可以直接获取相应数据,直接采集对应模拟监测数据即可,如可以对接对应的自动导航***方,从自动导航***方直接获取对应的数据;若不能直接获取模拟监测数据,则可以采用如下方式进行获取,方法包括:
获取该自动导航***的模拟数据,模拟数据可以是历史导航记录数据,但是对应历史导航记录数据需要包括相应的监测结果,监测结果即为该历史导航记录数据对应的自动导航***的导航是否正确,若不正确,则监测结果为监测不合格;反之,则为监测合格;若相应历史导航记录数据不足,也可以直接模拟验证,获得对应的模拟数据;
预设外界特征模板,外界特征模板是根据该自动导航***受到的外界因素进行设置的,包括各个外界影响因素对应的特征项以及对应监测结果;根据设置的外界特征模板对模拟数据进行处理,获得各模拟数据对应的模拟特征数据,将获得的模拟特征数据进行整合,标记为导航模拟监测数据。
导航性能库的建立方法包括:
根据导航模拟监测数据识别具有的各特征参数,特征参数即导航模拟监测数据中各特征项对应的数据,一条导航模拟监测数据具有一个特征参数;重复的特征参数进行剔除,但是对应的数量上加一;
识别各特征参数对应具有的监测结果,某些特征参数可能同时具有监测不合格和监测合格;根据对应的监测结果将特征参数分为三类,分别为合格类、不合格类和混合类,分别对应全部为监测合格、全部为监测不合格,全部具有两个监测结果;
统计合格类对应的各特征参数,获得合格类对应的特征参数范围,标记为合格参数范围;
统计不合格类对应的各特征参数,获得不合格类对应的特征参数范围,标记为不合格参数范围;
统计混合类对应的各特征参数,获得混合类对应的特征参数范围,标记为混合参数范围,并标记各特征参数对应的不合格率;将不合格对应的数量除以该特征参数对应的总数量进行计算不合格率;
将各合格类、合格参数范围、不合格类、不合格参数范围、混合类和混合参数范围进行整合,建立对应的导航性能库。
通过获取导航模拟监测数据,并根据导航模拟监测数据建立导航性能库,实现精准汇总自动导航***的性能数据,便于直观的了解该自动导航***的实际情况,便于后续依据分析数据了解自动导航***的准确性,做到为及时发现导航错误提供数据支撑。
步骤二:根据预设的外界特征模板实时获取外界特征数据,与模拟特征数据的处理方式相同,但是名称不同;将获得的外界特征数据输入到导航性能库中进行匹配,根据匹配结果确定对应的导航监管值;根据获得的导航监管值进行相应的监管处理;
导航监管值的确定方法包括:
将导航性能库内的合格类、不合格类和混合类分别标记为U1、U2和U3;
设置导航监管值公式,表达式为;
式中:x表示外界特征数据,PL表示不合格率;ζ表示条件修正系数;
条件修正系数是根据当前自动导航***的运行状态进行设置的,如反应延迟、卡顿等情况,取值范围为[0,1.5];具体的是基于CNN网络或DNN网络等神经网络建立对应的条件分析模型,通过人工的方式建立对应的训练集进行训练,训练集包括输入数据和输出数据,输入数据为导航条件数据,输出数据为条件修正系数,通过训练成功后的条件分析模型进行分析,获得对应的条件修正系数;
当外界特征数据属于U1和U3时,进行确定对应的导航监管值,当外界特征数据属于U2时,识别外界特征数据对应的不合格率;带到导航监管值公式中计算对应的导航监管值。
根据导航监管值进行监管处理的方法包括:
根据导航监管值评估对应的监管状态,监管状态包括导航失准和导航正常;
当导航监管值大于阈值X1时,判定导航失准;
当导航监管值不大于阈值X1时,判定导航正常;
预设导航失准和导航正常对应的处理方式,如导航正常不进行相应操作,导航失准进行预警等;
根据获得的导航状态匹配对应的处理方式进行监管处理。
步骤三:获取其他需要进行监测管理的监测项,标记为添加项,因为车辆自动导航动态监管在实际应用过程中,不仅仅是只进行导航监管,还会对速度、油耗等相关数据进行监管分析,因此将会具有其他的监测项,统一标记为添加项;实时获取各添加项对应的监测数据,标记为添加监测数据;标记各添加项之间的关联情况,即将具有关联性的各添加项标记相应的关联标记,根据大量的历史相关数据进行确定,根据历史相关数据确定各添加项具有问题时其他添加项的影响情况,是否具有关联影响;也可以直接通过专业人员进行标记;具有相同关联性的各添加项共同用于评估某一问题;
步骤四:对获得的添加监测数据进行实时分析,获得各添加项对应的异常值;根据各添加项对应的异常值计算对应的监测值;
异常值的计算方法包括:
获取各添加项对应的历史添加监测数据,根据获得的历史添加监测数据建立对应的异常识别模型,异常识别模型是基于孤立森林算法进行建立的,输入数据为添加监测数据,输出数据为异常值,异常值包括0或1;表达式为;式中:a为添加监测数据;
通过异常识别模型对添加监测数据进行分析,获得对应的异常值。
监测值的计算方法包括:
定义异常坐标,即横轴为时间,纵轴为异常值,根据实时获得的异常值以及对应的时间生成对应的异常坐标,根据获得的各异常坐标生成对应的异常动态图;异常动态图中沿时间轴方向,过0点后的时长是固定的,即随着时间的变动,根据异常点形成的异常曲线对应向0点后移动,对应时间是预设的,标记为T;
在异常动态图中识别时间0到T之间的曲线,标记为评估曲线,对评估曲线进行拟合,获得评估函数,将评估函数标记为P(t);
根据公式计算对应的监测值;
式中:PGH为监测值;exp(*)为以常数e为底的指数函数。
步骤五:识别具有关联性的各添加项对应的监测值,生成对应的对位矩阵,根据获得的对位矩阵进行评估,获得对应的添加监管值;根据获得的添加监管值进行相应处理。
添加监管值的获取方法包括:
将对位矩阵标记为,将对位矩阵中的元素标记为dij;i=1、2、……、n,n为正整数;j=1、2、……、m,m为正整数;dij的数值为对应添加项的监测值;对应填充即可;
根据公式计算对应的添加监管值;
式中:TGZ为添加监管值;||D||F表示对位矩阵D的Frobenius范数;G(D)为调整模型,表达式为:;X2为阈值,K为实数,相当于无限大,一般任意选择一个较大数值即可;即可以直接判定具有问题;max(D)表示选取对位矩阵中数值最大的元素。
根据获得的添加监管值进行相应处理,具体处理方式可以参照根据导航监管值进行监管处理的方式,预设对应的处理方式,根据对应的添加监管值进行匹配即可。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (9)
1.一种车辆自动导航动态监管方法,其特征在于,方法包括:
步骤一:获取导航模拟监测数据,对所述导航模拟监测数据进行分析,建立对应的导航性能库;
步骤二:根据预设的外界特征模板实时获取外界特征数据,将获得的外界特征数据输入到导航性能库中进行匹配,根据匹配结果确定对应的导航监管值;根据获得的导航监管值进行相应的监管处理;
步骤三:确定各添加项,实时采集各所述添加项对应的添加监测数据;并标记各所述添加项之间的关联性;
步骤四:对各所述添加监测数据进行实时分析,获得各所述添加项对应的异常值;根据各所述添加项对应的异常值计算监测值;
步骤五:识别具有关联性的各添加项对应的监测值,生成对应的对位矩阵,根据所述对位矩阵进行评估,获得对应的添加监管值;根据所述添加监管值进行相应处理。
2.根据权利要求1所述的一种车辆自动导航动态监管方法,其特征在于,导航模拟监测数据的获取方法包括:
获取自动导航***的模拟数据,预设外界特征模板,所述外界特征模板包括各特征项以及对应的监测结果;
根据所述外界特征模板对各模拟数据进行处理,获得各所述模拟数据对应的模拟特征数据,将各所述模拟特征数据进行整合,获得导航模拟监测数据。
3.根据权利要求2所述的一种车辆自动导航动态监管方法,其特征在于,导航性能库的建立方法包括:
根据所述导航模拟监测数据识别具有的各特征参数,识别各所述特征参数对应具有的监测结果;
根据各所述监测结果将各所述特征参数分配到合格类、不合格类和混合类中;统计所述合格类对应的各特征参数,获得所述合格类对应的合格参数范围;统计所述不合格类对应的各特征参数,获得所述不合格类对应的不合格参数范围;统计所述混合类对应的各特征参数,获得所述混合类对应的特征参数范围,标记为混合参数范围;并标记所述混合参数范围中各特征参数对应的不合格率;
将各合格类、合格参数范围、不合格类、不合格参数范围、混合类和混合参数范围进行整合,建立对应的导航性能库。
4.根据权利要求1所述的一种车辆自动导航动态监管方法,其特征在于,导航监管值的确定方法包括:
将导航性能库内的合格类、不合格类和混合类分别标记为U1、U2和U3;
设置导航监管值公式,表达式为;
式中:x表示外界特征数据,PL表示不合格率;ζ表示条件修正系数;
当外界特征数据属于U2时,识别外界特征数据对应的不合格率;获取导航条件数据,对所述导航条件数据进行分析,获得对应的条件修正系数;
根据所述导航监管值公式计算对应的导航监管值公式。
5.根据权利要求1所述的一种车辆自动导航动态监管方法,其特征在于,根据导航监管值进行监管处理的方法包括:
根据导航监管值评估对应的监管状态,监管状态包括导航失准和导航正常;
当导航监管值大于阈值X1时,判定导航失准;
当导航监管值不大于阈值X1时,判定导航正常;
预设导航失准和导航正常对应的处理方式;根据获得的导航状态匹配对应的处理方式,根据获得的处理方式进行监管处理。
6.根据权利要求1所述的一种车辆自动导航动态监管方法,其特征在于,异常值的计算方法包括:
获取各添加项对应的历史添加监测数据,根据所述历史添加监测数据建立异常识别模型,所述异常识别模型的表达式为;式中:a为添加监测数据;
通过所述异常识别模型对添加监测数据进行分析,获得对应的异常值。
7.根据权利要求1所述的一种车辆自动导航动态监管方法,其特征在于,监测值的计算方法包括:
定义异常坐标,根据实时获得的异常值以及对应的时间生成对应的异常坐标;
根据获得的各异常坐标生成对应的异常动态图;异常动态图中包括异常曲线,且沿着时间轴方向,异常曲线末端对应的时间为T,T为根据当前时间进行确定的;
在异常动态图中识别时间0到T之间的异常曲线,标记为评估曲线,对评估曲线进行拟合,获得评估函数,将评估函数标记为P(t);
根据公式计算对应的监测值;
式中:PGH为监测值;exp(*)为以常数e为底的指数函数。
8.根据权利要求1所述的一种车辆自动导航动态监管方法,其特征在于,添加监管值的获取方法包括:
将对位矩阵标记为,将对位矩阵中的元素标记为dij;i=1、2、……、n,n为正整数;j=1、2、……、m,m为正整数;dij的数值为对应添加项的监测值;
根据公式计算对应的添加监管值;
式中:TGZ为添加监管值;||D||F表示对位矩阵D的Frobenius范数;G(D)为调整模型。
9.根据权利要求8所述的一种车辆自动导航动态监管方法,其特征在于,调整模型的表达式为:
;
式中:X2为阈值;K为实数;max(D)表示选取对位矩阵中数值最大的元素;lg(*)表示以10为底的对数函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410612916.6A CN118194213A (zh) | 2024-05-17 | 2024-05-17 | 一种车辆自动导航动态监管方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410612916.6A CN118194213A (zh) | 2024-05-17 | 2024-05-17 | 一种车辆自动导航动态监管方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118194213A true CN118194213A (zh) | 2024-06-14 |
Family
ID=91402066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410612916.6A Pending CN118194213A (zh) | 2024-05-17 | 2024-05-17 | 一种车辆自动导航动态监管方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118194213A (zh) |
-
2024
- 2024-05-17 CN CN202410612916.6A patent/CN118194213A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106572493B (zh) | Lte网络中的异常值检测方法及*** | |
TWI543102B (zh) | 異因分析與校正方法與系統 | |
CN108763931A (zh) | 基于Bi-LSTM和文本相似性的漏洞检测方法 | |
CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
CN116228174B (zh) | 一种具有智能识别功能的印控仪管理方法 | |
CN114968727B (zh) | 基于人工智能运维的数据库贯穿基础设施的故障定位方法 | |
CN114066262A (zh) | 一种电网调度后评估异常指标溯因推理方法、***、装置及存储介质 | |
CN112163624A (zh) | 基于深度学习和极值理论的数据异常判断方法及*** | |
CN112149962A (zh) | 一种施工事故致因行为的风险定量评估方法及*** | |
CN111338876B (zh) | 一种故障模式与影响分析的决策方法、***及存储介质 | |
CN106599367A (zh) | 一种航天器状态异常检测方法 | |
CN117743909A (zh) | 一种基于人工智能的供热***故障分析方法及装置 | |
CN114393520A (zh) | 一种机器人智能化冲切工艺监测方法及*** | |
CN116227786A (zh) | 一种无人机综合效能评估*** | |
CN111862558A (zh) | 一种火灾探测信号的智能处理方法 | |
CN115987692B (zh) | 一种基于流量回溯分析的安全防护***及方法 | |
CN116594801A (zh) | 一种大数据云计算的故障分析*** | |
CN118194213A (zh) | 一种车辆自动导航动态监管方法 | |
CN109635008B (zh) | 一种基于机器学习的设备故障检测方法 | |
CN116149992A (zh) | 航空机载软件安全性分析规则的关联推送方法及其*** | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及*** | |
CN114926154B (zh) | 一种多场景数据识别的保护切换方法及*** | |
CN114755920B (zh) | 一种用于生物安全实验室环境安全监测*** | |
CN109960929B (zh) | 一种基于回归模型的零样本入侵检测方法 | |
CN117675280B (zh) | 一种基于串口通信的网络安全预警方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |