-
公开(公告)号:CN111314345B
公开(公告)日:2022-09-16
申请号:CN202010101336.2
申请日:2020-02-19
Applicant: 安徽大学
Abstract: 本发明公开了一种保护序列数据隐私方法、装置、计算机设备及存储介质,其中方法包括通过数据采集设备获取目标用户的初始数据,并将所述初始数据拆分发送至两个边缘服务器,边缘服务器上均部署有一个双向长短期记忆神经网络;双向长短期记忆神经网络中的三个门的未激活运算的结果传送至可信第三方做求和运算,可信第三方将运算参数随机拆分发送至第一边缘服务器和第二边缘服务器进行门的激活运算,直到双向长短期记忆神经网络训练完成,我们将序列数据输入我们训练好的神经网络模型,并将运算结果发送至智能物联网设备。通过在两个边缘服务器上运行秘密共享协议,保护了序列数据中的用户隐私,同时,它还可以为智能物联网服务提供商保护神经网络参数的隐私,结合序列数据上下文的信息,可以更好的应用序列数据。
-
公开(公告)号:CN113642664A
公开(公告)日:2021-11-12
申请号:CN202110975055.4
申请日:2021-08-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于联邦学习的隐私保护图像分类方法,其步骤包括:1服务器获取公共数据并预处理;2服务器初始化并通过洗牌器下发数据至各客户端;3客户端训练本地神经网络;4洗牌器随机子采样客户端;5子采样客户端预测公共数据,扰动并加密后发送给洗牌器;6洗牌器伪造并随机排列预测后发送匿名预测给服务器;7服务器聚合匿名预测并训练全局神经网络;8服务器将训练好的全局神经网络下发至各客户端;9客户端利用训练好的全局神经网络进行图像分类。本发明利用差分隐私和联邦学习,实现了隐私保护的协作式图像分类。
-
公开(公告)号:CN112434662A
公开(公告)日:2021-03-02
申请号:CN202011447437.1
申请日:2020-12-09
Abstract: 本发明属于基于图片特征的图像分类算法的研究领域,具体涉及一种基于多尺度卷积神经网络的茶叶病斑自动识别算法,包括多卷积神经网络的训练过程:多卷积神经网络的训练过程分为两个阶段:第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段;另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段。本算法能够准确地检测四种不同的茶叶病害图像,并且具有较高的识别精度,同时具有较快的识别速度。该特性主要得益于多卷积可以快速提取特征,并且减少训练算法的参数量从而有效防止过拟合,提高了算法的泛化能力。
-
公开(公告)号:CN111257870A
公开(公告)日:2020-06-09
申请号:CN202010120235.X
申请日:2020-02-26
Applicant: 安徽大学
IPC: G01S13/89
Abstract: 本发明公开了一种利用InSAR监测数据的采煤沉陷积水区水下地形反演方法,首先获取研究区沉陷前和沉陷后的SAR影像及沉陷区沉陷前的DEM数据,采用D-InSAR技术,得到沉陷后地表下沉信息;再根据地表下沉信息和工作面角点坐标、采厚、倾斜角等参数,求解出该工作面的概率积分法参数;最后采用基于概率积分法模型,反演出沉陷区水下地形的动态变化及停采后水下地形最终形态。本发明方法中InSAR数据获取成本低,D-InSAR技术获取的地表下沉数据精度高、数据量大,参数反演基于半实测数据,参数反演结果适用于研究区,可以反演出工作面采动过程中积水区域水下地形,指导沉陷区水陆复合生态系统的建立,为沉陷区地表的土地利用规划、土地复垦、生态恢复等提供重要参考。
-
公开(公告)号:CN109253717A
公开(公告)日:2019-01-22
申请号:CN201811171882.2
申请日:2018-10-09
Applicant: 安徽大学
IPC: G01C5/00
CPC classification number: G01C5/00
Abstract: 本发明公开了矿区地表沉降监测方法技术领域的一种基于三维激光扫描的矿区地表沉降监测点布设方法,利用泰森多边形内任何位置离该多边形样点的特性,将矿区沉陷区域有效地划分多个泰森多边形,然后在泰森多边形样点处布设地表沉降监测点,按照一定的顺序从最外层向内规划监测路线,按规划的路线在监测点上架设三维激光扫描仪,定期获取沉陷区点云数据,地表沉降稳定后计算沉陷区地表沉降情况;本发明通过将沉陷区域有效地划分多个泰森多边形,保证三维激光扫描数据分布均匀,避免了盲区,有效提高了三维激光扫描提取矿区地表速度和后期点云数据处理的效率,并减少了后期处理的误差,同时解决了当沉陷区随着煤层开采而积水后,监测点布设问题。
-
公开(公告)号:CN108965313A
公开(公告)日:2018-12-07
申请号:CN201810856829.X
申请日:2018-07-31
Applicant: 安徽大学
CPC classification number: H04L63/0428 , G08G1/01 , H04L9/002 , H04L9/3066 , H04L63/08 , H04L63/123
Abstract: 本申请实施例公开了一种车辆违章信息发布方法、系统及存储介质,其中方法包括:可信中心根据第一预设规则生成系统参数信息;可信中心根据第二预设规则获取基础设施发来的目标车辆的真实身份信息,查询对应目标车辆的目标参数信息;可信中心将目标参数信息发送至基础设施;基础设施根据目标参数信息及第三预设规则对目标车辆的违章信息进行加密,并将加密后的违章信息发送至所述目标车辆;目标车辆根据第四预设规则对违章信息进行认证,认证通过后接收违章信息。通过加密发布和认证接收,实现信息源认证和保护车辆隐私的完整性,同时保护基础设施发布信息的机密性。
-
公开(公告)号:CN107882561A
公开(公告)日:2018-04-06
申请号:CN201711103786.X
申请日:2017-11-10
Applicant: 安徽省交通航务工程有限公司 , 安徽大学
IPC: E21C41/00
CPC classification number: E21C41/00
Abstract: 本发明提供了一种高潜水位采煤沉陷区超前治理方法,适用于高潜水位矿区沉陷积水区地质环境治理。步骤为:本发明包括如下步骤:搜集矿区地质采矿资料;采用概率积分法预计方法预计地表沉陷情况,绘制地表沉陷等值线图;确定挖深垫浅边界;计算挖深垫浅区域填挖土方量以及挖深区域最终高程;根据求出的h挖和挖深垫浅边界对高潜水沉陷积水区进行改造,实现高潜水位采煤沉陷区超前治理。其工艺简单,成本低廉,有效缩小了沉陷积水区面积挖深区域,无需从周边土地二次取土,既能保障覆土的肥力,不会造成二次污染,大大提高了沉陷区土地的利用率。
-
公开(公告)号:CN114077846B
公开(公告)日:2024-06-04
申请号:CN202111198766.1
申请日:2021-10-14
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC: G06F18/243 , G06F18/2135 , G06F18/211 , G06N3/0442 , G06N3/09 , G01R31/08 , G01R31/12
Abstract: 本发明的一种基于RF‑LSTM的故障电流多域识别方法及存储介质,其中方法包括以下步骤,针对电弧故障平台,获取原始电流信号;对原始电流信号进行处理,进行核主成分分析提取第三主成分,然后对第三主成分信号进行时域、频域和能量域特征提取;接着用随机森林进行无偏预测重要性估计选择对应负载条件下的高相关特征;最后将筛选后的特征用作LSTM的特征输入,用于学习和训练,实现对故障电弧的多域识别。本发明的方法减少了计算量并且提高了检测速度和精度;结果表明,此方法可以准确的识别电弧故障。
-
公开(公告)号:CN113642664B
公开(公告)日:2024-02-20
申请号:CN202110975055.4
申请日:2021-08-24
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084 , G06F21/62
Abstract: 本发明公开了一种基于联邦学习的隐私保护图像分类方法,其步骤包括:1服务器获取公共数据并预处理;2服务器初始化并通过洗牌器下发数据至各客户端;3客户端训练本地神经网络;4洗牌器随机子采样客户端;5子采样客户端预测公共数据,扰动并加密后发送给洗牌器;6洗牌器伪造并随机排列预测后发送匿名预测给服务器;7服务器聚合匿名预测并训练全局神经网络;8服务器将训练好的全局神经网络下发至各客户端;9客户端利用训练好的全局神经网络进行图像分类。本发明利用差分隐私和联邦学习,实现了隐私保护的协作式图像分类。
-
公开(公告)号:CN111018920B
公开(公告)日:2023-02-14
申请号:CN201911361597.1
申请日:2019-12-26
Applicant: 安徽大学
Abstract: 本发明公开了一种具有活细胞骨架肌动蛋白靶向性的铱配合物及其制备方法和用途,其中铱配合物的结构式如下:本发明设计合成了铱(III)配合物荧光探针,可以靶向活细胞肌动蛋白,并且具有标记过程简便易行、耗时短、对活细胞毒性小等特点。在激光共聚焦成像和受损耗激发超分辨成像(STED)中,该探针展现了优秀的抗光漂白性。
-
-
-
-
-
-
-
-
-