公开(公告)号：CN117408891B

公开(公告)日：2024-03-15

申请号：CN202311714540.1

申请日：2023-12-14

Applicant: 暨南大学

Inventor： 赵容 ,  李志颖 ,  张继连 ,  翁健 ,  古天龙

IPC: G06T5/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及计算机视觉的图像分析技术领域，特别是涉及一种基于Cycle‑GAN的图像加雾方法，包括：获取待加雾图像；将所述待加雾图像输入预设的图像生成模型中，输出加雾后的目标图像，其中，所述图像生成模型由训练集训练获得，所述训练集包括无雾的图像数据和文本数据、有雾的图像数据和文本数据，所述图像生成模型采用Cycle‑GAN网络构建。本发明通过输入待处理的图像，将图像与文本信息特征融合，输入在多模态扩散文本语义约束下的Cycle‑GAN网络中生成目标图像，提升图像雾气效果，生成更符合实际效果和目标需求的图像。

公开(公告)号：CN117574294A

公开(公告)日：2024-02-20

申请号：CN202311553733.3

申请日：2023-11-20

Applicant: 暨南大学

Inventor： 耿光刚 ,  黄衍铭 ,  张银炎 ,  张继连 ,  曾国强 ,  杨星星 ,  王伟

IPC: G06F18/2433 ,  G06F18/25 ,  G06F18/213 ,  G06F16/958 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种融合文本识别与图像识别的有害网页检测方法及系统，涉及网页检测领域。所述方法包括：获取目标网页的网页截图，并基于网页截图得到网页文本信息；将网页截图映射为第一图像向量矩阵，将网页文本信息映射为第一文本向量序列；分别对第一图像向量矩阵与第一文本向量序列进行特征提取，分别得到图像特征向量与文本特征向量；将图像特征向量与文本特征向量进行特征组合，得到组合特征向量；根据组合特征向量进行识别分类，生成关于目标网页是否为有害网页的预测标签。相较于现有技术，从多维度更为深入地探索有害网页的内在特征，更准确地对目标网页进行评价，提高了检测精度。

公开(公告)号：CN117556277A

公开(公告)日：2024-02-13

申请号：CN202410044818.7

申请日：2024-01-12

Applicant: 暨南大学

Inventor： 叶海洲 ,  张继连 ,  翁健 ,  耿光刚 ,  张银炎

IPC: G06F18/22 ,  G06F40/216 ,  G06F40/295 ,  G06N5/022

Abstract: 本发明公开了一种用于知识图谱实体对齐的初始对齐种子生成方法，属于知识融合和人工智能领域，包括：利用实体名称中每个令牌对应的字符级独热向量计算字符级全局特征矩阵，利用TF‑IDF技术分别计算字符级局部特征矩阵和令牌级局部特征矩阵，根据字符级局部特征矩阵和令牌级局部特征矩阵构造令牌级全局特征矩阵，根据上述特征矩阵计算对齐矩阵并从中选取初始对齐种子。本发明仅利用实体名称的非语义信息，在不使用预训练模型的情况下生成初始对齐种子，驱动基于图结构的有监督深度学习模型将实体编码成向量，使得实体向量之间的距离能更加反应实体之间的相似性，使得基于图结构的有监督深度学习模型不再需要标签数据。

公开(公告)号：CN116881903A

公开(公告)日：2023-10-13

申请号：CN202310870371.4

申请日：2023-07-14

Applicant: 暨南大学

Inventor： 张继连 ,  王宋凯 ,  陈志彬 ,  魏凯敏 ,  林艳

IPC: G06F21/55 ,  H04L9/40

Abstract: 本发明涉及溯源图入侵检测技术领域，提出一种面向溯源图入侵检测的恶意行为子图分级提取方法及系统，其中包括以下步骤：将溯源图G中的恶意顶点以其在恶意顶点集合中的层级为基线进行排序，得到层级排序后的恶意顶点集合AN；根据层级排序后的恶意顶点集合AN，在溯源图G上逐层级进行锚顶点剪枝，得到由若干恶意行为子图组成的恶意行为子图集合；对经过锚顶点剪枝的所述恶意行为子图依次进行迭代锚顶点剪枝，直至所述恶意顶点集合AN中的顶点元素全部被删除，得到相应锚顶点层级的恶意行为子图，用于对溯源图规则库的自动扩充。

公开(公告)号：CN113626566B

公开(公告)日：2023-07-18

申请号：CN202110763112.2

申请日：2021-07-06

Applicant: 暨南大学

Inventor： 魏凯敏 ,  林健成 ,  张继连 ,  刘志全 ,  冯丙文

IPC: G06F16/332 ,  G06F40/211 ,  G06F40/295 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于合成数据的知识对话跨域学习方法。该方法针对知识对话系统跨域学习时数据资源不充分的问题，提出了以下策略：针对问答，闲聊提出模板和多轮对话生成模型共同构造合成数据方法；针对灾难性遗忘提出知识保留和模板方法构造合成数据方法；为了利用不匹配对话语料，我们提出了使用检索、过滤、排序等方法构建合成数据方法。使用该合成数据训练的模型性能可近似使用人工标注数据进行训练的模型，有效缓解了知识对话系统跨域学习对数据资源的依赖。

公开(公告)号：CN116394241A

公开(公告)日：2023-07-07

申请号：CN202310331465.4

申请日：2023-03-30

Applicant: 暨南大学

Inventor： 张银炎 ,  刘可欣 ,  张继连 ,  耿光刚

IPC: B25J9/16

Abstract: 本发明公开了一种分布式动态任务分配方法、装置、设备及存储介质，该方法包括：基于目标机器人的坐标和若干个待分配任务机器人的坐标确定待分配任务机器人对应的损失参数；通过损失参数和全分布式k‑WTA网络生成若干个待分配任务机器人对应的任务分配信号并确定预设数量的目标任务分配机器人；基于目标机器人的坐标和目标任务分配机器人的坐标确定目标任务分配机器人对应的控制参数并根据控制参数对目标任务分配机器人进行任务分配。本发明中各待分配任务机器人只需根据对应的损失参数和全分布式k‑WTA网络即可更新自身状态进而实现任务分配，因此本发明中任一机器人的故障不会影响系统整体的运行，提供了一种完全分布式的任务分配方法。

公开(公告)号：CN116112976A

公开(公告)日：2023-05-12

申请号：CN202211640127.0

申请日：2022-12-20

Applicant: 暨南大学 ,  云浮市物联网研究院有限公司

Inventor： 刘旭扬 ,  杨良勇 ,  叶海洲 ,  张继连 ,  郭杰

IPC: H04W28/06 ,  H04W28/08 ,  H04W72/566

Abstract: 本发明公开了一种设备计算迁移方法、装置、设备及存储介质，该方法包括：将待卸载的计算任务的任务计算信息广播至边缘服务器，边缘服务器根据任务计算信息反馈任务迁移的时间耗费信息；基于时间耗费信息确定各边缘服务器的优先级；基于预设贪心策略和优先级确定目标边缘服务器，并发送任务迁移请求至目标边缘服务器，以使目标边缘服务器反馈是否承接计算任务；在目标边缘服务器承接计算任务时，将计算任务卸载后迁移至目标边缘服务器。本发明基于边缘服务器的优先级和预设贪心策略确定目标边缘服务器，在目标边缘服务器承接计算任务时将计算任务迁移至目标边缘服务器，从而可以在移动设备中选出局部最优的边缘服务器进行计算迁移。

公开(公告)号：CN113848704A

公开(公告)日：2021-12-28

申请号：CN202111004343.1

申请日：2021-08-30

Applicant: 暨南大学

Inventor： 胡红爽 ,  吴永东 ,  魏凯敏 ,  罗伟其 ,  张继连

IPC: G05B13/04

Abstract: 本发明公开了一种基于二阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，计算目标速度的估计值；根据所述目标速度的估计值，计算加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用二阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，获得速度和加速度估计的最大测量噪声幅值；同时使用二阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。

公开(公告)号：CN113515495A

公开(公告)日：2021-10-19

申请号：CN202110404424.4

申请日：2021-04-14

Applicant: 暨南大学

Inventor： 张继连 ,  翁健 ,  吴永东 ,  耿光刚

IPC: G06F16/182 ,  G06F16/16 ,  G06F16/13

Abstract: 本发明公开了一种数据文件分配方法及装置、智能设备和计算机存储介质，所述方法包括以下步骤：按照各个数据文件的访问频率对数据文件进行排序，所述排序方式包括升序或者降序；按照排序后的顺序将所述数据文件分割为至少两个数据块，其中，各个数据块的数据文件的数量相等；对每个数据块中的数据文件进行两两合并以更新所述数据文件；返回执行所述按照各个数据文件的访问频率对数据文件进行排序的步骤，直至所述数据文件的数量达到分布式节点的数量；将所述数据文件放置至对应的分布式节点，解决现有技术中数据文件分配不均衡导致分布式系统不稳定的问题，提高分布式系统的稳定性。

公开(公告)号：CN112613601A

公开(公告)日：2021-04-06

申请号：CN202011557239.0

申请日：2020-12-24

Applicant: 暨南大学

Inventor： 张继连 ,  闫凯伦 ,  吴永东 ,  翁健

IPC: G06N3/04 ,  G06N3/08 ,  G06F21/64

Abstract: 本发明公开一种神经网络模型更新方法、设备及计算机存储介质，该方法包括：基于骨架神经网络，随机生成预设数量个子神经网络作为区块链中的节点；节点使用环签名将本地数据集分享到区块链中，并对区块链中的数据集进行统一划分，生成训练集和测试集；利用所述训练集对各个节点分别进行训练，生成训练好的模型，并将训练好的模型打包为模型事务分享到区块链中；使用投票所选测试集对模型事务进行测试，生成测试结果；当测试结果优于基准评价，则测试结果对应的子神经网络模型作为有效选票；对有效选票对应的上一个区块进行投票，选出一致区块并对所有节点进行更新；本发明解决神经网络不能适应用户动态变化问题，实现不依赖于第三方的模型更新。