-
公开(公告)号：CN111105142B
公开(公告)日：2023-06-30
申请号：CN201911165526.4
申请日：2019-11-25
Applicant: 哈尔滨工程大学
IPC: G06Q10/0631 , G06Q10/101 , G06F21/62
Abstract: 本发明提出了一种面向用户个性化隐私保护的众包任务分配方法，包括以下步骤：初始化用户隐身区域，生成以用户为中心的正方形区域，在区域内随机选择一个点，以该随机点为中心生成面积大小相同的正方形区域；对隐身区域进行网格划分，计算每个网格的信息量；依次删除信息量最低的网格，在当前隐身区域边界的相邻网格中选择信息量最高的网格进行替换扩充，得到最大信息量的连续隐身区域；计算任务分配过程中用户期望距离；平台选择用户期望距离最小的有限分配，选出满足任务请求者需求的所有用户。本发明在提供众包任务服务过程中，为用户提供个性化隐私方案的同时，通过对用户隐身区域的合理规划，增强用户的隐身效果，为用户隐私提供更好的保障。
-
公开(公告)号：CN110602145A
公开(公告)日：2019-12-20
申请号：CN201910940865.9
申请日：2019-09-30
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于位置服务的轨迹隐私保护方法。步骤1：根据用户的真实位置location生成模糊区域BA；步骤2：用模糊区域BA替代用户真实位置location，从多个匿名器中随机选择一个匿名服务器，向其发送查询请求(id，BA，t，query，k)；步骤3：匿名服务器收到步骤2发送的请求信息后，在模糊区域BA内根据路网选择一个位置点Li；步骤4：匿名服务器根据步骤3中产生的Li生成匿名查询请求；步骤5：向位置服务提供商发送匿名查询请求。本发明基于多匿名器系统结构隐私保护模型进行实时轨迹隐私保护方法的研究，提出将位置模糊和K-匿名相结合的方法，以达到增强轨迹隐私保护同时保证数据可用性的目的。
-
公开(公告)号：CN114841400B
公开(公告)日：2024-10-29
申请号：CN202210299336.7
申请日：2022-03-25
Applicant: 哈尔滨工程大学 , 北京电子工程总体研究所
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明提出基于多任务时空图卷积的空气质量预测方法。本发明所述方法使用记忆网络、注意力机制，多层图卷积网络等技术构建基于多任务的深度时空序列数据预测模型，利用单一站点的本地属性和整体站点的全局属性，动态的构建站点间的邻接关系图；利用多层图卷积分别聚合单一站点的时序关系以及邻居站点的空间关系；利用多任务协同训练策略既考虑细粒度站点级别的预测任务，也充分考虑了粗粒度城市级别的预测任务，大大提高了时空序列数据预测效果。
-
Patent Agency Ranking
公开(公告)号：CN118535920A
公开(公告)日：2024-08-23
申请号：CN202410662597.X
申请日：2024-05-27
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0442 , G01W1/10 , G01N15/06 , G06N3/08
Abstract: 基于多粒度对比学习的空气质量预测方法和系统，涉及空气质量预测领域。解决现有的研究没有考虑多粒度表征的模式多样性以及现有方法在处理时空数据的不均匀分布时显示局限性的问题。方法包括：获取空气质量监测站点的空气质量监测数据集和时间特征数据集，将空气质量监测数据集和时间特征数据集进行预处理并分为训练集、验证集和测试集，并将PM2.5作为目标污染物；将空气质量数据划分为不同的粒度，构建基于多粒度对比学习的空气质量预测模型；训练基于多粒度对比学习的空气质量预测模型；将测试集输入到训练后的基于多粒度对比学习的空气质量预测模型，获取空气质量预测值。应用于环境监测领域。
-
公开(公告)号：CN116776880A
公开(公告)日：2023-09-19
申请号：CN202310576018.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F40/295 , G06F40/242 , G06N5/025 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/0895
Abstract: 一种外部信息辅助的中文知识抽取方法、系统、存储介质及计算机，涉及信息抽取领域。解决现有中文中的实体识别任务困难，需要处理更多的歧义性和上下文依赖性的问题。所述方法包括：获取中文嵌套命名实体识别数据集，将所述数据集进行预处理，并划分为训练集、验证集和测试集；构建外部信息辅助的中文知识抽取模型；利用所述训练集对所述外部信息辅助的中文知识抽取模型进行训练，获取优化模型；根据所述优化模型进行解码操作，获取优化模型预测的输入序列的所有互不冲突的命名实体。本发明应用于命名实体识别领域。
-
公开(公告)号：CN112288156B
公开(公告)日：2023-03-31
申请号：CN202011155619.1
申请日：2020-10-26
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/042 , G06N3/047 , G06N3/0499 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了基于元学习和图注意力时空神经网络的空气质量预测方法，属于空气质量预测技术领域。获取数据；将多个城市划分为源城市和目标城市；根据城市监测站点地理空间数据构建图结构，将监测站点位置作为图的顶点，通过设置距离阀值来确定任意两顶点是否存在边；根据城市监测站点图结构构造输入特征向量，输入图注意力时空神经网络模型进行计算，图注意力时空神经网络模型是由图注意力网络(GAT)和双层长短期记忆网络(LSTM)组成，获取监测站之间的空间相关性和时间相关性；从多个源城市中迁移知识，对注意力时空神经网络模型进行有效的初始化。本发明可以在数据缺失的情况下保持空气质量的时空预测的准确性。
-
公开(公告)号：CN112288156A
公开(公告)日：2021-01-29
申请号：CN202011155619.1
申请日：2020-10-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于元学习和图注意力时空神经网络的空气质量预测方法，属于空气质量预测技术领域。获取数据；将多个城市划分为源城市和目标城市；根据城市监测站点地理空间数据构建图结构，将监测站点位置作为图的顶点，通过设置距离阀值来确定任意两顶点是否存在边；根据城市监测站点图结构构造输入特征向量，输入图注意力时空神经网络模型进行计算，图注意力时空神经网络模型是由图注意力网络(GAT)和双层长短期记忆网络(LSTM)组成，获取监测站之间的空间相关性和时间相关性；从多个源城市中迁移知识，对注意力时空神经网络模型进行有效的初始化。本发明可以在数据缺失的情况下保持空气质量的时空预测的准确性。
-
公开(公告)号：CN111105142A
公开(公告)日：2020-05-05
申请号：CN201911165526.4
申请日：2019-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种面向用户个性化隐私保护的众包任务分配方法，包括以下步骤：初始化用户隐身区域，生成以用户为中心的正方形区域，在区域内随机选择一个点，以该随机点为中心生成面积大小相同的正方形区域；对隐身区域进行网格划分，计算每个网格的信息量；依次删除信息量最低的网格，在当前隐身区域边界的相邻网格中选择信息量最高的网格进行替换扩充，得到最大信息量的连续隐身区域；计算任务分配过程中用户期望距离；平台选择用户期望距离最小的有限分配，选出满足任务请求者需求的所有用户。本发明在提供众包任务服务过程中，为用户提供个性化隐私方案的同时，通过对用户隐身区域的合理规划，增强用户的隐身效果，为用户隐私提供更好的保障。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.028 seconds)
