-
公开(公告)号：CN112468498A
公开(公告)日：2021-03-09
申请号：CN202011351642.8
申请日：2020-11-26
Applicant: 江苏方天电力技术有限公司 , 南京邮电大学
Abstract: 本发明提供一种配电终端多源异构安全监测数据的跨模态聚合方法，通过分解和子空间学习，对原始数据中的安全告警数据和网络日志数据，探索模态不变的子空间，并获得强健的视图不变的子空间；对多源异构数据进行跨模态聚合；解决源域和目标域之间的欠适配和不平等的问题。该方法具有对参数的选择不敏感、可收敛且识别准确率高的优点，本发明方法揭示了海量多源数据隐藏的逻辑关联，能够发现攻击者的真正意图，从而对网络攻击进行预防和响应，实现对整个网络安全态势的有效监控。
-
公开(公告)号：CN113822353B
公开(公告)日：2024-05-17
申请号：CN202111079811.1
申请日：2021-09-15
Applicant: 南京邮电大学
IPC: G06F18/214 , G06F18/2415 , G06N3/0464 , G06N3/09
Abstract: 一种基于类相关矩阵特征值分解的域自适应方法。该种域自适应方法，解决了源域和目标域之间的欠适配和不平等问题，使得对参数的选择敏感度降低，而收敛度更高分类精度更加准确。该种域自适应方法，与现有的经典分类方法相比，能够做出更准确的判断。本发明方法并没有使用过于繁杂的函数设计，使得网络的训练时间大大缩短。本发明方法使用基于对抗性的方法，使得特征提取器和分类器能够自动学习目标域和源域之间的度量区别。而不是通过人为定义，避免了可能出现的人工偏差。
-
公开(公告)号：CN115130578A
公开(公告)日：2022-09-30
申请号：CN202210747815.0
申请日：2022-06-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于增量式粗糙聚类的配电设备状态在线评估方法，包括：输入已处理完成的历史监测数据；判断是否有新增监测数据，并计算类簇间的不均衡度；计算新增监测数据到各聚类中心的欧氏距离，新增监测数据的邻域信息，根据欧氏距离和邻域信息将监测数据划分至类簇的下近似集或者边界区域；根据类簇数据分布情况，对类簇中心进行更新迭代；根据聚类结果对配电设备进行状态评估；本发明实现了配电设备运行状态评估模型的在线更新，有效提高了状态评估精度。
-
公开(公告)号：CN114528952A
公开(公告)日：2022-05-24
申请号：CN202210433433.0
申请日：2022-04-24
Applicant: 南京邮电大学
Abstract: 本发明提供一种减少配电终端误告警的多源异构安全监测数据聚合方法，通过构建异构特征的映射神经网络，屏蔽配电终端安全监测数据的异构性；加入权重参数，衡量配电终端多源安全监测数据的贡献程度与类别影响；利用对抗性领域自适应网络模型，对配电终端安全监测数据进行有效的分类聚合。该方法具有分类准确率高、训练容易、收敛效果稳定的优点，本发明方法能够识别并预测多源异构安全监测数据的类型，从而减少配电终端误告警概率，实现对整个智能配电网安全态势的有效监控。
-
Patent Agency Ranking
公开(公告)号：CN120014351A
公开(公告)日：2025-05-16
申请号：CN202510101997.8
申请日：2025-01-22
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了一种去中心化多源域适应的跨域图像分类方法，属于多源跨域隐私图像分类领域，包括使用ResNet作为主干网络构建预训练模型，提取源域图像底层特征；改造批量归一化层结构，搭建匹配归一化层结构；使用聚合模型在目标域生成伪标签，并通过对抗攻击筛选高质量伪标签；采用自监督学习策略，增强模型泛化能力与自信程度；通过多重细粒度对齐来实现高效的去中心化多源域适应过程；在构建模型时通过匹配归一化层的构造，实现分散训练时的最大均值差异方法；在目标域模型训练阶段，通过对抗攻击实现对伪标签的高效筛选，保证高效训练目标域模型，本发明在多源隐私数据领域，可以获得同行业领先的优异性能。
-
公开(公告)号：CN119649155A
公开(公告)日：2025-03-18
申请号：CN202510022469.3
申请日：2025-01-07
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/088 , G06V10/774 , G06N3/094
Abstract: 一种基于少样本无监督域适应的跨域图像分类方法，其包括获取训练特征数据集；构造特征提取器，并使用预训练模型；搭建基于样本选择策略、对抗域适应和原型学习的模型；得到总的损失函数，进行迭代以优化模型；利用训练完成的域自适应分类模型进行跨域图像分类。本发明利用样本选择策略扩充源域样本，无需额外未标记源域数据。此外，通过构建源域类别原型，将目标域样本与源域原型直接对齐，实现了精细化的跨域特征对齐。本发明结合局部类别原型对齐和全局对抗对齐，不仅增强了模型在特征对齐方面的能力，还在公开数据集上验证了其优异的分类性能，特别是在源域标记样本极为有限的情况下展现了显著的鲁棒性。
-
公开(公告)号：CN114528952B
公开(公告)日：2022-07-29
申请号：CN202210433433.0
申请日：2022-04-24
Applicant: 南京邮电大学
Abstract: 本发明提供一种减少配电终端误告警的多源异构安全监测数据聚合方法，通过构建异构特征的映射神经网络，屏蔽配电终端安全监测数据的异构性；加入权重参数，衡量配电终端多源安全监测数据的贡献程度与类别影响；利用对抗性领域自适应网络模型，对配电终端安全监测数据进行有效的分类聚合。该方法具有分类准确率高、训练容易、收敛效果稳定的优点，本发明方法能够识别并预测多源异构安全监测数据的类型，从而减少配电终端误告警概率，实现对整个智能配电网安全态势的有效监控。
-
公开(公告)号：CN112468498B
公开(公告)日：2022-06-14
申请号：CN202011351642.8
申请日：2020-11-26
Applicant: 江苏方天电力技术有限公司 , 南京邮电大学
Abstract: 本发明提供一种配电终端多源异构安全监测数据的跨模态聚合方法，通过分解和子空间学习，对原始数据中的安全告警数据和网络日志数据，探索模态不变的子空间，并获得强健的视图不变的子空间；对多源异构数据进行跨模态聚合；解决源域和目标域之间的欠适配和不平等的问题。该方法具有对参数的选择不敏感、可收敛且识别准确率高的优点，本发明方法揭示了海量多源数据隐藏的逻辑关联，能够发现攻击者的真正意图，从而对网络攻击进行预防和响应，实现对整个网络安全态势的有效监控。
-
公开(公告)号：CN113822353A
公开(公告)日：2021-12-21
申请号：CN202111079811.1
申请日：2021-09-15
Applicant: 南京邮电大学
Abstract: 一种基于类相关矩阵特征值分解的域自适应方法。该种域自适应方法，解决了源域和目标域之间的欠适配和不平等问题，使得对参数的选择敏感度降低，而收敛度更高分类精度更加准确。该种域自适应方法，与现有的经典分类方法相比，能够做出更准确的判断。本发明方法并没有使用过于繁杂的函数设计，使得网络的训练时间大大缩短。本发明方法使用基于对抗性的方法，使得特征提取器和分类器能够自动学习目标域和源域之间的度量区别。而不是通过人为定义，避免了可能出现的人工偏差。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
