-
公开(公告)号：CN119740263A
公开(公告)日：2025-04-01
申请号：CN202411744322.7
申请日：2024-11-30
Applicant: 复旦大学
IPC: G06F21/62 , G06N3/0464 , G06N3/098 , G06F18/241
Abstract: 本发明属于数据隐私保护技术领域，具体为一种基于对齐表示的联邦学习方法。本发明针对联邦学习的数据异构问题，把模型划分为表示层和决策层；表示层负责把样本向量映射成表示向量，决策层负责把表示向量映射成概率向量；定义本地表示向量为样本向量经过客户端模型的表示层映射得到的向量，全局平均表示向量为样本向量经过本地模型参数加权均值映射得到的向量，对齐是把本地表示向量和全局平均表示向量进行匹配，使本地模型的表示层既学习本地数据也学到全局信息；通过减小本地表示向量和平均表示向量之间的距离来实现对齐。在训练过程中不断减小本地表示和全局表示之间的距离，经过多轮迭代，各个客户端可以得到精度更高的模型。
-
公开(公告)号：CN114596463A
公开(公告)日：2022-06-07
申请号：CN202210188605.2
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明属于计算机技术应用领域，具体涉及一种基于图像的地块类型分类方法。本发明采用神经网络区分从原始卫星图像中以路网信息作为边界划分出的地块单元的类型。神经网络由特征提取器、自适应金字塔池化层以及分类器组成。特征提取器具体包括卷积、批量归一化、ReLU以及最大池化处理；述自适应金字塔池化层利用不同数目及大小的池化窗口对特征提取器得到的特征数据进行最大池化操作，之后再对池化结果进行拼接处理；分类器是将得到的特征向量映射到输入数据的实际标签空间。经过训练的网络模型对地块数据进行类型预测。
-
公开(公告)号：CN107832630A
公开(公告)日：2018-03-23
申请号：CN201711096849.3
申请日：2017-11-09
Applicant: 复旦大学
CPC classification number: G06F21/6245 , G06F21/6227 , G06F2221/2141
Abstract: 本发明属于数据信息隐私保护技术领域，具体为一种数据自治开放模式下的隐私保护系统。本发明系统采用层次化结构，包括数据层、机制层、合成层和接口层；数据开放对于提升数据资源的应用价值具有十分重要的意义，但是出于隐私保护的考虑，数据开放不能不加限制，而应该是有监管的开放，即采取数据自治开放模式。本发明系统采取基于差分隐私的数据合成，可以实现面向隐私保护的数据发布与数据访问、以及防范数据拼图的攻击行为，从而给数据开放提供有力保障。
-
公开(公告)号：CN104134343B
公开(公告)日：2016-05-18
申请号：CN201410280607.X
申请日：2014-06-23
Applicant: 上海城市交通设计院有限公司 , 复旦大学
Abstract: 本发明公开一种基于交通卡数据的乘客上下车时间和位置的获取方法，包括如下步骤：先获取乘客的上车时间和位置；在此基础上再获取乘客的下车时间和位置。本发明乘客上下车时间和位置的获取方法，其所需数据是通过交通卡的刷卡信息得到，此种数据获得方式成本低，且采样率高，公交卡使用率约80%，并且是连续动态获取，从而使得本发明获取方法更经济、更快速、更准确。
-
Patent Agency Ranking
公开(公告)号：CN114596373B
公开(公告)日：2025-05-13
申请号：CN202210188473.3
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T9/00 , G06V10/762 , G06V10/764
Abstract: 本发明属于计算机技术应用领域，具体为一种线段聚合重构及压缩优化方法。本发明包括设定一定的线段分类聚集规则，将属于同一结构段的线段进行归类并加以处理，随后根据线段的坐标集合表示，进行进一步的矢量压缩，得到目标结构最终的矢量表示结果。其中，线段分类聚集规则，基于二维数据结构[k,b](k为直线的斜率，b为偏置)，利用线段的夹角θ作为相似的度量值之一，对不同的线段进行聚类。根据两线段的平行、相交等多种情况，设定不同的阈值。本发明方法在实验数据上的结果表明，经过对同一路段多条结果的分类重构之后，效果依然良好。
-
公开(公告)号：CN115983397A
公开(公告)日：2023-04-18
申请号：CN202211517710.2
申请日：2022-11-29
Applicant: 复旦大学
Abstract: 本发明属于数据信息隐私保护技术领域，具体为一种基于知识蒸馏的面向设备异构的联邦学习方法。本发明涉及的系统包括K个客户端、1个服务器；每个客户端上有一个分类模型；为高效地进行客户端模型表示层之间知识蒸馏，把每轮通信分为服务器训练阶段和本地训练阶段；在服务器训练阶段，首先以推断样本低维表示的后验分布为目标在服务器上建立生成模型，然后把训练好的生成模型传递给客户端；在本地训练阶段，客户端一方面用私有样本计算任务损失，一方面用生成模型输出的均值样本计算调优表示层的损失。这样在多轮迭代之后，各个客户端可以得到比传统训练方法精度更高的模型。
-
公开(公告)号：CN114612587A
公开(公告)日：2022-06-10
申请号：CN202210188468.2
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T11/20
Abstract: 本发明属于计算机技术应用领域，具体涉及一种基于图像的路网结构矢量拟合方法。本发明基于RANSAC算法的原型，设计DL‑RANSAC多尺度矢量拟合算法，用于二值图像目标结构的矢量拟合与便捷存储。算法输入,给定具有目标结构骨架的二值图像，并设定基准算法RANSAC的相关参数,对于DL‑RANSAC的双循环机制，设定两个动态阈值来控制外循环的终止边界：内循环执行RANSAC，每次拟合的线段集合保存后，原图中相应的像素点被删除，通过外循环的动态参数机制，以及最终原图中所剩余像素点数量不满足要求时，算法终止；最终输出拟合的线段集合，包含垂直于x轴的线段集合及非垂直于x轴的线段集合。本发明能实现对目标的多尺度高效拟合。
-
公开(公告)号：CN114596373A
公开(公告)日：2022-06-07
申请号：CN202210188473.3
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T9/00 , G06K9/62 , G06V10/762 , G06V10/764
Abstract: 本发明属于计算机技术应用领域，具体为一种线段聚合重构及压缩优化方法。本发明包括设定一定的线段分类聚集规则，将属于同一结构段的线段进行归类并加以处理，随后根据线段的坐标集合表示，进行进一步的矢量压缩，得到目标结构最终的矢量表示结果。其中，线段分类聚集规则，基于二维数据结构[k,b](k为直线的斜率，b为偏置)，利用线段的夹角θ作为相似的度量值之一，对不同的线段进行聚类。根据两线段的平行、相交等多种情况，设定不同的阈值。本发明方法在实验数据上的结果表明，经过对同一路段多条结果的分类重构之后，效果依然良好。
-
公开(公告)号：CN104134343A
公开(公告)日：2014-11-05
申请号：CN201410280607.X
申请日：2014-06-23
Applicant: 上海城市交通设计院有限公司 , 复旦大学
Abstract: 本发明公开一种基于交通卡数据的乘客上下车时间和位置的获取方法，包括如下步骤：先获取乘客的上车时间和位置；在此基础上再获取乘客的下车时间和位置。本发明乘客上下车时间和位置的获取方法，其所需数据是通过交通卡的刷卡信息得到，此种数据获得方式成本低，且采样率高，公交卡使用率约80%，并且是连续动态获取，从而使得本发明获取方法更经济、更快速、更准确。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
