-
公开(公告)号：CN102254004A
公开(公告)日：2011-11-23
申请号：CN201110197622.4
申请日：2011-07-14
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种网络日志挖掘中的Web建模方法及系统，达到提高网站服务质量的目的。该方法包括：对网络日志进行预处理，获得可信网络日志；根据用户的访问兴趣以及该可信网络日志，进行特征网页选取和网址分段，基于加权随机索引的方法建立用户浏览访问模式矩阵；使用基于混沌蚁群优化的聚类算法对该用户访问模式矩阵进行优化聚类，并根据预设的类别标签标记用户所属的类别，建立用户公共档案；根据该用户公共档案以及预设的预取概率阈值，将预取概率超过预设的预取概率阈值的页面提取并保存到服务器的缓存中。本发明与现有预取技术相比，准确率有了大幅度的提高。
-
公开(公告)号：CN102158365A
公开(公告)日：2011-08-17
申请号：CN201110131511.3
申请日：2011-05-20
Applicant: 北京邮电大学
Abstract: 本发明公开了一种网络日志挖掘中的用户聚类方法及系统，达到提高网站服务质量的目的。该方法包括：对网络日志进行预处理，获得可信网络日志；根据用户的访问兴趣以及该可信网络日志，建立表达用户是否访问了特征网页的用户访问模式矩阵；使用基于菌群优化的聚类算法对该用户访问模式矩阵进行优化聚类，并根据预设的类别数目标签标记用户所属的类别，建立用户公共档案；根据该用户公共档案，将预取概率超过预设的预取概率阈值的页面提取并保存到缓存中。本发明与现有预取技术相比，准确率有了大幅度的提高。
-
公开(公告)号：CN101951257A
公开(公告)日：2011-01-19
申请号：CN201010292248.1
申请日：2010-09-27
Applicant: 北京邮电大学
IPC: H03K19/20
Abstract: 本发明公开了一种可重构动态逻辑门电路，能够在多种逻辑功能之间进行动态转换，该电路包括：第一输入端，用于接收输入信号；第二输入端，用于接收对所述输入信号进行加权处理的加权系数，还用于接收势阱参数；第三输入端，用于接收控制指令；运算电路，分别与所述第一输入端、第二输入端及第三输入端相连，用于根据所述输入信号、加权系数、控制指令以及势阱参数，获得所述动态逻辑门电路的逻辑运算结果；输出端，与所述运算电路相连，用于输出所述逻辑运算结果。本发明实现了在多种逻辑之间进行快速转换的动态逻辑门电路的技术，本发明技术方案具有较高的逻辑转换速度，而且逻辑结果丰富多样。
-
公开(公告)号：CN101783670A
公开(公告)日：2010-07-21
申请号：CN201010000526.1
申请日：2010-01-12
Applicant: 北京邮电大学
Abstract: 本发明公开了一种可重构动态逻辑门电路，能够在多种逻辑之间进行动态转换，该电路包括：第一输入端，用于接收输入信号；第二输入端，用于接收窗口门限值，以及对输入信号进行加权处理的加权系数；第三输入端，用于接收控制指令；运算电路，分别与第一输入端、第二输入端及第三输入端相连，用于根据输入信号、加权系数、窗口门限值以及控制指令，获得动态逻辑门电路的逻辑运算结果；输出端，与运算电路相连，用于输出逻辑运算结果。本发明实现了在多种逻辑之间进行快速转换的动态逻辑门电路的技术，本发明技术方案具有较高的逻辑转换速度，而且逻辑结果丰富多样。
-
公开(公告)号：CN119990261A
公开(公告)日：2025-05-13
申请号：CN202510154750.2
申请日：2025-02-12
Applicant: 北京邮电大学
IPC: G06N3/098 , G06N3/096 , G06N3/0455 , G06N3/0464 , G06T11/00 , G06F18/23213
Abstract: 一种基于风格迁移探索的自适应联邦学习方法，属于联邦学习领域，包括：建立风格共享中心；选择性风格迁移；使用解码器将风格迁移后的特征信息转换为具有其他参与方风格的图像；在各参与方的原始样本数据中进行风格探索，得到新的风格信息特征；利用AdaIN模型将探索到的风格信息特征有选择地迁移到原始样本数据中；分布式训练，生成局部模型；利用公共均匀分布数据集对各参与方上传的模型进行验证，计算出各参与方模型得分，再利用PDVFedMul聚合算法对局部模型进行聚合，从而得到新一轮的全局模型参数。本发明提升了模型的泛化能力，增强了模型的鲁棒性，为模型聚合提供了更加合理的权值分配方案，提升了模型性能。
-
Patent Agency Ranking
公开(公告)号：CN119673181A
公开(公告)日：2025-03-21
申请号：CN202411861362.X
申请日：2024-12-17
Applicant: 北京邮电大学
IPC: G10L19/028 , G10L15/26 , G10L15/02 , G10L15/22 , G10L25/87 , G10L15/04 , G10L13/08 , G10L13/02 , H04L9/40 , G10L15/08
Abstract: 一种基于语音内容脱敏和声纹匿名化的说话人匿名化方法，属于智能语音领域，包括：对原始语音进行语音识别；对文本进行预处理；使用TextRank算法进行关键词提取；进行安全词替换，得到语音内容脱敏后的文本；使用x‑vector对原始语音进行声纹特征提取；使用WGAN对声纹特征进行声纹匿名化，得到匿名化声纹；进行语音合成，得到安全语音。本发明能够在不影响语义的情况下，将语音内容的敏感词替换为安全词；同时利用WGAN算法生成匿名声纹特征，提供了稳定且高质量的生成样本；本发明具有高性能的语音特征提取能力，对环境噪声和语音变化具有较强的鲁棒性，适用于大规模的语音数据库。
-
公开(公告)号：CN118747540A
公开(公告)日：2024-10-08
申请号：CN202410805567.X
申请日：2024-06-21
Applicant: 北京邮电大学
Abstract: 一种面向数字孪生驱动的智能电网的自适应联邦学习方法，属于智能电网领域，包括：构建智能电网系统，智能电网系统中引入一个两层隐私计算架构，由电力设备层和数字孪生层组成；设计智能电网系统的通用数字孪生方案；区块链异步联邦学习工作流程；智能电网系统中过时本地模型问题定义、自适应聚合因子的设计以及委员会领导者选举：度量Station对训练任务的贡献度，并根据获得的贡献度利用权重随机选举算法选举委员会领导者。本发明通过将数字孪生技术、联邦学习和区块链技术相结合，提高了智能电网系统的实时性、响应能力、学习效率、准确性、安全性和可靠性，为智能电网系统的故障分析、运行决策等方面提供了全新的解决方案。
-
公开(公告)号：CN115883072B
公开(公告)日：2024-07-30
申请号：CN202211424867.0
申请日：2022-11-14
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于强非局域性正交直积态组的信息安全传输方法、系统和存储介质，方法包括：利用针对d维三方系统构造的强非局域性正交直积态组中的正交直积态表示要基于量子密码协议传递的信息；第一直积态组包括3个子块，对应于魔方图中的{(0)A,(1)B,(0,1)C},{(1)A,(0,1)B,(0)C},{(0,1)A,(0)B,(1)C}；第二直积态组包括3个子块，对应于魔方图中的{(d‑2,d‑1)A,(d‑2)B,(d‑1)C},{(d‑1)A,(d‑2,d‑1)B,(d‑2)C},{(d‑2)A,(d‑1)B,(d‑2,d‑1)C}；第三直积态组由3个单独的子立方体构成，对应于魔方图中的(0A,0B,0C),(1A,1B,1C)和((d‑1)A,(d‑1)B,(d‑1)C)；第四直积态组包括6个子块，对应于魔方图中的{(0,…,d‑2)A,(0)B,(d‑1)C}，{(d‑1)A,(0,…,d‑2)B,(0)C}，{(0)A,(d‑1)B,(0,…,d‑2)C}，{(1,…,d‑1)A,(d‑1)B,(0)C}，{(0)A,(1,…,d‑1)B,(d‑1)C}，{(d‑1)A,(0)B,(1,…,d‑1)C}；第五直积态组能够被分解成12个中心对称的子块。
-
公开(公告)号：CN118400118A
公开(公告)日：2024-07-26
申请号：CN202410135422.3
申请日：2024-01-31
Applicant: 北京邮电大学
IPC: H04L9/40 , G06N3/098 , G06N20/20 , G06F18/2431 , G06N5/01
Abstract: 本发明涉及一种基于联邦学习的网络入侵检测方法、装置及系统，属于网络安全检测技术领域，其中方法包括数据预处理、局部模型训练、全局模型聚合三部分。在数据预处理阶段，通过SMOTE‑ENN算法为少数样本类创建高质量样本，缓解数据分布不平衡问题，通过mRMR算法删除冗余数据，选择独立高质量的特征，消除数据冗余、减少数据噪声，提高数据集质量，从而达到提高算法速度和入侵检测模型准确度的效果；在局部模型训练时，以集成学习模型为局部分类模型，选择决策树、随机森林、极端随机树和梯度提升树算法作为集成学习模型的基选择器，这些算法的应用减少了单一模型的偏差和方差，能够提高模型的鲁棒性、泛化能力和准确性。
-
公开(公告)号：CN114065193B
公开(公告)日：2024-05-07
申请号：CN202111393890.3
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F21/62 , G06N3/0464 , G06N3/08 , G06F9/50
Abstract: 本发明公开了一种应用于边缘云环境下图像任务的深度学习安全方法，包括以下步骤：对AMP‑Net+模型进行训练，将AMP‑Net+应用于深度学习安全模型的图像重建过程；训练完成后整个AMP‑Net+通过结构化多重哈希映射对网络模型进行压缩减小后部署到边缘云网络设备中；当第三方用户需要获得边缘云上的数据时，第三方用户发出数据请求，通过用户认证后与边缘云建立通信；而后根据数据请求，通过提前部署的网络模型来恢复获得原始数据。本发明引入结构化多重散列方法对训练好的AMP‑Net+网络模型压缩，同时提出了一个新的用户认证和隐私保护安全协议，深度学习安全模型保证在图像任务中边缘云系统安全性的同时，在不影响图像恢复质量的前提下进一步降低了边缘云网络设备的开销。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.029 seconds)
