-
公开(公告)号：CN117408755A
公开(公告)日：2024-01-16
申请号：CN202311391663.6
申请日：2023-10-25
Applicant: 扬州大学
IPC: G06Q30/0242 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/09 , G06F18/213 , G06F18/23
Abstract: 本发明涉及一种基于自适应图卷积神经网络的影响力最大化方法，基于自适应图卷积神经网络的影响力最大化算法使用Barabási–Albert模型生成多个不同尺寸的无标度网络，然后提取节点的表示向量并通过邻域打折策略为网络中节点打标签。然后用网络、表示向量和标签组成训练数据集，训练自适应图卷积神经网络。最后利用训练好的神经网络模型识别未知网络中节点的影响力。依据节点影响力对节点进行排名，选择排名前k的节点作为种子节点。通过本发明，利用深度学习的框架解决影响力最大化问题，可以提高发现种子节点的效率。
-
公开(公告)号：CN115050483A
公开(公告)日：2022-09-13
申请号：CN202210474637.9
申请日：2022-04-29
Applicant: 扬州大学
Abstract: 本发明涉及一种基于SAIR模型的潜伏期无症状传播的溯源方法,包括S1、在人际关系复杂网络中确定单个初始传播的源节点，根据源节点按照SAIR模型进行传播直到某一时刻t0；S2、随机选取一定数量的节点最为观测节点，观测节点在该时刻的状态可知；S3、根据部分观测节点的状态结合跳数距离和有效距离，利用反向传播算法在复杂网络中筛选候选源节点集，节点的数量由抽样的方法确定；S4、根据SAIR模型构建动态消息传播方程，利用部分观测节点计算候选源节点在Δt时刻处于不同状态的概率；S5、利用平均场理论计算候选源节点集中节点成为源的似然概率，概率最大的即为源。通本发明,能够准确的反映带有潜伏期的无症状患者的传染病的扩散，有助于解决传染源溯源问题。
-
公开(公告)号：CN114462043A
公开(公告)日：2022-05-10
申请号：CN202111629096.4
申请日：2021-12-28
Applicant: 扬州大学 , 蚂蚁金服(杭州)网络技术有限公司
Abstract: 本发明公开了一种基于强化学习的Java反序列化漏洞检测系统及方法，包括：漏洞数据采集；构建序列化感知的代码属性图SCPG，挖掘潜在漏洞调用链；利用强化学习对模糊测试的种子调度过程进行建模，训练模糊决策模型；对待检测的JAVA文件进行静态分析，构建序列化感知的代码属性图SCPG并识别潜在漏洞调用链，使用模糊决策模型对潜在漏洞调用链进行验证，输出存在利用风险的反序列化漏洞调用链。本发明可以一定程度上解决传统JAVA反序列化漏洞调用链挖掘方法中人工开销大、精度不高的问题；并且相较于基于变量可控性分析的JAVA反序列化漏洞调用链自动挖掘方法，本发明可以通过模糊测试对挖掘得到的潜在漏洞调用链进行验证，使得实际应用领域更广、精度更高。
-
公开(公告)号：CN107092812B
公开(公告)日：2020-06-23
申请号：CN201710144806.1
申请日：2017-03-06
Applicant: 扬州大学
Abstract: 本发明涉及一种在PPI网络中基于遗传算法识别关键蛋白质的算法。本发明在蛋白质相互作用网络中产生初始种群，对个体的适应度计算，赌轮的方法选择操作，在随机挑选的个体对之间进行交叉操作，变异操作，对多个个体解进行局部优化。本发明克服了已有的方法各自存在的缺陷。本发明对该指标进行优化，融合了生物信息，可靠性更高，减少了许多不必要的计算，而且能够对预测出来的关键蛋白质进行局部优化，提高在关键蛋白质识别方面的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN107092812A
公开(公告)日：2017-08-25
申请号：CN201710144806.1
申请日：2017-03-06
Applicant: 扬州大学
Abstract: 本发明涉及一种在PPI网络中基于遗传算法识别关键蛋白质的算法。本发明在蛋白质相互作用网络中产生初始种群，对个体的适应度计算，赌轮的方法选择操作，在随机挑选的个体对之间进行交叉操作，变异操作，对多个个体解进行局部优化。本发明克服了已有的方法各自存在的缺陷。本发明对该指标进行优化，融合了生物信息，可靠性更高，减少了许多不必要的计算，而且能够对预测出来的关键蛋白质进行局部优化，提高在关键蛋白质识别方面的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
Patent Agency Ranking
公开(公告)号：CN118245700A
公开(公告)日：2024-06-25
申请号：CN202410435311.4
申请日：2024-04-11
Applicant: 扬州大学
IPC: G06F16/958 , G06F9/50 , G06T1/20
Abstract: 本发明提供一种基于Unreal Engine 5开发分光计虚拟仿真实验的方法。本申请结合虚拟仿真、像素流送、光栅衍射技术，包括以下步骤，S1整合分光计的光栅衍射实验体系；S2采用LUMEN和NANITE技术方案实现动态场景的实时渲染；S3通过用户控件制作UI窗口；S4使用像素流送技术方案实现Web端开发和网页访问。相对于传统分光计虚拟仿真实验的实现技术，本发明通过像素流送技术实现Web端开发，极大提升了系统的兼容性，降低了使用设备的硬件要求，且网址访问的方式为用户提供了简便和友好的应用方式。
-
公开(公告)号：CN118134671A
公开(公告)日：2024-06-04
申请号：CN202410337666.X
申请日：2024-03-24
Applicant: 扬州大学
Abstract: 本发明涉及一种基于社区划分的影响力抑制最大化方法，首先提出了成员传播算法用以划分社区，该方法解决了标签传播算法中“抖动”现象的出现。考虑到一些负种子之间的链接紧密性，定义了社区间公共链接强度合并链接紧密的社区。经过这一步骤，网络中的社区结构已经确定。通过衡量社区中负种子节点的邻域传播能力，将正种子预算合理的分配到每个社区。最后，本发明使用独立路径计算节点的阻塞影响，并根据节点的阻塞影响选择正种子节点用来传播真相信息抑制负面信息的传播。
-
公开(公告)号：CN117408754A
公开(公告)日：2024-01-16
申请号：CN202311391494.6
申请日：2023-10-25
Applicant: 扬州大学
IPC: G06Q30/0242 , G06Q50/00 , G06N3/086
Abstract: 本发明涉及一种基于离散粒子群优化的多层网络上的影响力最大化方法，首先根据信息在多层网络上的传播特性，定义了多层网络上的独立级联(MLIC)模型。考虑到蒙特卡洛模拟现实的MLIC模型复杂度高，本方法提出了多层期望传播值(MLEDV)来近似MLIC的效果。MLEDV计算的是被种子节点激活的一跳邻居的期望数目，因此其衡量的是节点的局部重要性。然后，本方法使用随机连通中心性指标衡量节点重要性，并根据节点重要性选择候选节点集。随机连通中心性基于有偏随机游走，从连通性的角度衡量节点重要性。最后，本方法使用离散粒子群算法选出种子集。其中离散粒子群算法将MLIC用作适应性函数，和随机连通中兴性互补，既考虑全局重要性也考虑局部重要性。通过本发明，首先定义多层网络中信息传播模型，然后通过随机连通中心性剔除多层网络中不重要的节点，形成候选节点集。
-
公开(公告)号：CN114722392A
公开(公告)日：2022-07-08
申请号：CN202210414650.5
申请日：2022-04-20
Applicant: 扬州大学 , 蚂蚁金服(杭州)网络技术有限公司
Abstract: 本发明公开了一中反射引导的Java反序列化调用链挖掘方法，通过静态分析挖掘待检测项目中的调用关系，并依此构造反序列化感知的方法属性图，避免由于Java动态特性导致的调用链搜索时的遗漏，同时提出基于Java反射机制，生成可执行的利用对象对识别出的可疑调用链进行验证，提高测试效率与准确性，本发明同时提供对应反射引导的Java反序列化调用链挖掘系统。
-
公开(公告)号：CN114067906A
公开(公告)日：2022-02-18
申请号：CN202111349828.4
申请日：2021-11-15
Applicant: 扬州大学
Abstract: 本发明公开了一种融合多源生物信息的关键蛋白质识别方法，包括如下步骤：输入PPI网络和基因表达数据、蛋白质生物功能的注释属性注释数据、亚细胞定位数据；根据静态PPI网络和蛋白质基因表达值数据集，利用3σ法则构建多个动态子网络；计算出节点的点边缘聚类系数值，计算出该节点与邻居节点之间的基因共表达值，计算出该节点的亚细胞定位得分值，最后求该节点与其邻居之间的亚细胞定位得分值之和；计算出该节点与邻居节点之间的注释值，最后求该节点与其所有邻居之间的共表达系数之和；将上述的属性值进行相加，得到蛋白质u的最终关键性得分值。本发明的识别方法，提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.024 seconds)
