-
公开(公告)号：CN119443150B
公开(公告)日：2025-05-13
申请号：CN202411494663.3
申请日：2024-10-24
Applicant: 重庆大学
Abstract: 本发明涉及图数据处理技术，揭露了基于隐私保护的图极限估计的联邦图数据增强方法，包括：客户端获取社交网络图，并组成原始图数据集生成本地标签对应的图极限估计，将图极限估计进行差分隐私；服务器端计算每个图极限估计的成对切割距离，并生成图极限估计的多个最近邻，计算每个最近邻的自适应阈值，根据自适应阈值执行插值混合并对图极限估计进行更新；客户端接收更新的图极限估计生成待优化图数据集，按照原始图数据集数量比例对待优化图数据集进行图采样得到图增强数据。本发明还提出基于隐私保护的图极限估计的联邦图数据增强方法的系统，可以解决现有的图数据增强无法准确反映原始图数据的拓扑结构特性的问题，并提高隐私保护的安全性。
-
公开(公告)号：CN119474902B
公开(公告)日：2025-04-29
申请号：CN202411511177.8
申请日：2024-10-28
Applicant: 重庆大学
Abstract: 本发明提供了一种差分隐私的轨迹相似度发布方法，包括：获取多个用户多个时刻的位置数据；构建每个时刻的相似度子图，相似度子图中的边表示边连接的两个用户的距离小于距离阈值；合并多个时刻的相似度子图获得相似度合成图；根据相似度合成图中每条边在多个时刻的相似度子图中出现的频次设置每条边的权重，获得轨迹相似图；在轨迹相似图的边的权重中添加噪声，获得加噪后的轨迹相似图；发布加噪后的轨迹相似图。本发明还公开了一种差分隐私的轨迹相似度发布装置，一种计算机程序产品，一种电子设备，一种用户轨迹相似度分析方法及分析系统。本发明将用户之间的轨迹相似度直观地体现在轨迹相似图上，同时向边的权重添加噪声，实现了隐私保护。
-
公开(公告)号：CN119887188A
公开(公告)日：2025-04-25
申请号：CN202411971480.6
申请日：2024-12-30
Applicant: 重庆大学
Abstract: 本发明涉及V2G网络优化技术，揭露了一种基于V2G网络的电网分割学习方法，包括：客户端获取实时交易信息，并根据敏感度函数对实时交易信息进行敏感度分级，得到多个分级敏感度的交易信息；获取多个分级敏感度的交易信息中的敏感属性，并对敏感属性执行噪声添加操作，将添加噪声后的交易信息存储至云存储服务器；云存储服务器接收添加噪声后的交易信息，并对LSTM‑FCNN多任务模型进行参数优化训练，得到目标LSTM‑FCNN多任务模型；云存储服务器和聚合器利用分割学习方法对目标LSTM‑FCNN多任务模型进行协同训练，得到基于V2G网络的电网多任务模型。本发明还提出一种基于V2G网络的电网分割学习系统。本发明可以提高实时交易信息在V2G网络中的优化效率并提高V2G网络的稳定性。
-
公开(公告)号：CN118982353B
公开(公告)日：2025-04-01
申请号：CN202411026938.0
申请日：2024-07-30
Applicant: 重庆大学
Abstract: 本发明涉及V2G网络领域，涉及一种基于V2G的充电交易数据处理方法，其包括：接收充电用户发出的支付数据证明和第一验证密钥；充电交易智能合约利用第一验证密钥对支付数据证明进行验证，输出第一验证结果；接收充电站发出的充电数据证明和第二验证密钥；充电交易智能合约利用第二验证密钥对充电数据证明进行验证，输出第二验证结果；从证人池中随机选取执行证人监测第一验证结果和第二验证结果的类型，根据第一验证结果和第二验证结果的类型控制充电交易的继续执行或中断。本发明还提出一种基于V2G的充电交易数据处理设备以及存储介质。本发明可以提升充电交易的公平性和系统整体安全性。
-
公开(公告)号：CN118940309B
公开(公告)日：2025-02-07
申请号：CN202410929009.4
申请日：2024-07-11
Applicant: 重庆大学
IPC: G06F21/62 , G06F16/901 , G06Q50/00
Abstract: 本发明提供了一种动态的差分隐私合成社交网络图获取方法及装置。该方法包括：输入真实社交网络图；获取加噪处理和约束推理后的节点度序列和节点相似度矩阵；构建邻接表；从尾到头依次遍历节点度序列获得差分隐私合成社交网络图的边集，遍历至节点i时：确定节点i的候选连接节点列表；获得节点i与候选连接节点列表中节点的共同邻居信息；根据共同邻居信息、节点度序列和节点相似度矩阵计算节点i与候选连接节点列表中节点的边生成概率；按照边生成概率生成候选边；将满足预设条件的候选边合入差分隐私合成社交图的边集，更新邻接表；通过边集和节点集生成差分隐私合成社交图。本发明提高了隐私保护水平和差分隐私合成社交网络图的效用。
-
Patent Agency Ranking
公开(公告)号：CN119066269A
公开(公告)日：2024-12-03
申请号：CN202411165192.1
申请日：2024-08-23
Applicant: 重庆大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供了一种考虑用户项目需求关系的图卷积推荐方法及装置，该方法包括：对预测时间戳进行编码获得时间编码向量；将时间编码向量输入用户兴趣模型获得用户在预测时间戳对每个项目类别的感兴趣程度置信度分数；根据用户项目交互记录生成图结构数据；将图结构数据输入图卷积网络模型获得用户对每个项目的基础预测评分；利用感兴趣程度置信度分数调整基础预测评分，得到用户对每个项目的调整预测评分；将用户对项目的调整预测评分按照从高到低排序，向用户推荐排序序列中前K1个项目。本发明还提供了一种考虑用户项目需求关系的图卷积推荐装置。本发明提高了推荐系统的推荐精准性。
-
公开(公告)号：CN118887404A
公开(公告)日：2024-11-01
申请号：CN202411061288.3
申请日：2024-08-05
Applicant: 重庆大学
Abstract: 本发明涉及图像处理领域，涉及一种视网膜血管分割模型训练方法，包括获取眼底图像作为训练数据集；训练数据集包括查询集和支持集；构建视网膜血管分割模型的网络结构；利用查询集和支持集对视网膜血管分割模型的网络进行训练，在每次训练中，视网膜血管分割模型根据跨窗口注意力机制在不同尺度上提取支持图像和/或查询图像的眼底图像特征以确定视网膜血管分割模型的网络参数，得到最终的视网膜血管分割模型。本发明还提出一种模型训练装置、视网膜血管分割方法、设备以及存储介质。本发明可以提高对眼底图像特征提取的能力，提高计算机辅助诊断系统在样本标签较少时的识别效果。
-
公开(公告)号：CN118095417B
公开(公告)日：2024-08-16
申请号：CN202410224673.9
申请日：2024-02-28
Applicant: 重庆大学
IPC: G06N5/022 , G06N5/02 , G06N5/04 , G06F21/62 , G06F16/951 , G06F16/9536 , G06Q50/00
Abstract: 本发明提供了一种基于差分隐私的约束推理社交图权重发布方法及设备，该方法包括：从社交图中提取所有边的原始权重；通过所有边的原始权重按非降序排列构成第一权重数组；向第一权重数组中添加噪声获得第二权重数组；对第二权重数组进行约束处理获得第三权重数组，约束处理包括非降序分布约束，或者，约束处理包括非降序分布约束和二次约束，非降序分布约束为使第三权重数组中元素满足非降序分布，二次约束为比例约束或平均值约束；利用第三权重数组更新社交图中边的权重，并发布第三权重数组和/或更新后的社交图。提高了第三权重数组和更新后的社交图的可用性，在保证对边的权重隐私保护的同时，提高了后续数据分析结果的准确性。
-
公开(公告)号：CN116092011B
公开(公告)日：2024-07-26
申请号：CN202310176297.6
申请日：2023-02-27
Applicant: 重庆大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及计算机视觉领域和人群计数技术领域，具体涉及一种基于混合监督多任务学习的域适应人群计数方法及存储介质，方法包括：S1、根据输入图像生成标签密度图、标签人数和标签颠倒判断值；S2、建模；S3、对训练集进行训练，并将三种输出与对应的监督标签进行混合监督，使用三种损失函数计算误差，通过误差反向传播更新网络参数直至得到最优模型；S4、对于新数据集，需要对模型进行微调，生成标签人数和标签颠倒判断值作为监督标签；S5、将三种输出与两种监督标签通过损失函数计算误差，得到微调最优模型；S6、将测试集输入到最优模型中得到估计人数。本发明解决了现有技术不同数据分布差异与目标场景人群标注量少带来的计数准确性差的问题。
-
公开(公告)号：CN118336758A
公开(公告)日：2024-07-12
申请号：CN202410439210.4
申请日：2024-04-12
Applicant: 重庆大学
Abstract: 本发明实施例公开了一种基于V2G网络的电力分配优化方法、装置、芯片及终端，应用于移动端参与的V2G网络，方法首先设置各种电车交易信息的初始权重，然后根据初始权重和属性筛选出基础交易数据中的关键数据，关键数据作为移动端需要使用的训练数据，通过云存储服务器进行存储，提高电力分配优化中交易数据的利用效率和准确性。并且，移动端根据所提供的训练数据进行联邦学习，优化和更新移动端的本地模型，进而优化和更新全局模型，由于交易数据与电力息息相关，因此，此部分也优化了最终输出的供电方案，根据供电方案进行电力分配，可以解决电力短缺的问题，且具有较好的可持续性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.025 seconds)
