基于相似性成对排名的推荐系统物品预测方法

    公开(公告)号:CN112464098A

    公开(公告)日:2021-03-09

    申请号:CN202011419952.9

    申请日:2020-12-05

    Inventor: 杨震 刘俊锐 李童

    Abstract: 本发明公开了基于相似性成对排名的推荐系统物品预测方法,该方法的步骤如下:获取推荐系统数据集;针对每个用户将数据集划分为正负样本集合;将正样本集合进一步划分为相似物品组;将数据集、相似物品组、负样本集合重新组成相似物品对组成的数据集;相似成对排名模型初始化;相似成对排名模型训练;物品分数预测和排序。本方法在成对排序方法的基础上,利用物品之间的相似性,推荐系统中现有的贝叶斯个性化排序方法进行了优化,解决了成对排序方法中的头部问题。使用相似性成对排序的推荐系统在物品推荐排名预测性能比原有的成对排序预测方法性能有提升。

    一种基于双线性映射可扩展分组多数据保护方法

    公开(公告)号:CN112073406A

    公开(公告)日:2020-12-11

    申请号:CN202010918309.4

    申请日:2020-09-03

    Abstract: 本发明涉及一种基于双线性映射的可扩展分组多数据保护方法,用于解决窃听攻击和共谋攻击,保护用户用电隐私问题。首先将智能电表分成不同的组;聚合器以组为单位,利用组内其他电表为各个电表生成加密自己数据的一个密钥;同时为公共事业服务提供商 生成一个解密密钥;多数据聚合,用于公共事业服务商 接收并解密所有电表的用电量之和,包括:聚合每个电表的多组数据并加密,然后发送至聚合器;聚合器验证所有电表加密数据的合法性,并将接收的所有电表的合法加密数据之和发送至公共事业服务商;公共事业服务商 再次验证数据合法性,并利用解密密钥结算所有电表的数据总和。本发明有效的解决了隐私保护问题,还缓解了坏电表问题和扩展性问题。

    一种适用于工业云上的IDA数据恢复的动态更新方法

    公开(公告)号:CN111966638A

    公开(公告)日:2020-11-20

    申请号:CN202010874257.5

    申请日:2020-08-26

    Abstract: 本发明属于数据恢复以及动态更新领域,具体涉及一种适用于工业云上的IDA数据恢复的动态更新方法,用于解决用户在CSP上存储大量数据,当用户想要对CSP上的数据进行动态操作时,如何提高其动态更新速度的问题。首先,提出了一个系统模型,引入了第三方仲裁可信机制(TPA);其次,使用多分支路径树(MBT)和逻辑索引表(ILT)结合的方式可以使用户向CSP上传入大量数据,其中MBT的每一个叶子节点包含了一个ILT,使用一个ILT存储一个文件,最后,当用户想要动态更新CSP上的数据时,对CSP上的数据进行动态更新操作,使其效率提升。

    基于工业云上图像数据的可恢复性方法

    公开(公告)号:CN111210378A

    公开(公告)日:2020-05-29

    申请号:CN201911400989.4

    申请日:2019-12-30

    Abstract: 本发明涉及一种基于工业云上图像数据的可恢复性方法,是一个可以使用户检验从云上下载的图像数据的完整性,随后还可以在云上数据发生损坏时,使其恢复的方法。通过建立的一个系统模型:客户端,CSP,TPAR,使在客户端向CSP上传图像数据的时候,对其数据通过可逆水印算法生成水印图像,先生成整体图像的水印,随后将原始图像进行分块编码,之后再生成水印;之后将整体的水印图像保存在第一个块中,并且将虽有的块一同上传。当客户端从CSP上下载数据的时候,首先通过可逆水印算法检查整体图像的完整性,如果完整,则告诉TPAR下载的数据是完整的,否则告诉TPAR下载的数据遭到了损坏,随后客户端进行图像恢复。

    基于深度神经网络的风机叶片早期结冰故障检测方法

    公开(公告)号:CN111144499A

    公开(公告)日:2020-05-12

    申请号:CN201911387700.X

    申请日:2019-12-27

    Abstract: 本发明涉及一种经过自编码器预训练的深度神经网络的风机叶片早期结冰故障检测方法,该神经网络中包括故障特征挖掘和分类网络,用于解决现有技术难以检测风机早期结冰状态的问题,具体技术方案为:步骤(1)获取风机结冰原始数据集;步骤(2)对原始数据集进行预处理,获取训练集和测试集;步骤(3)使用自编码器逐层对DNN进行预训练,步骤(4)确定网络结构,利用训练集训练深度神经网络模型并对模型进行优化和微调;步骤(5)利用训练好的模型进行风机叶片早期结冰故障检测。本发明充分考虑SCADA系统采集到的所有数据对风机叶片结冰的影响,实现对风机早期结冰的故障检测,并使检测正确率达到98%以上。

    一种基于核超限学习机的多模融合视频情感识别方法

    公开(公告)号:CN105512609B

    公开(公告)日:2019-04-12

    申请号:CN201510829902.0

    申请日:2015-11-25

    Inventor: 段立娟 葛卉 杨震

    Abstract: 本发明涉及一种基于核超限学习机的多模融合视频情感识别方法,对视频的图像信息和音频信息进行特征提取、特征选择,从而获得视频特征;将采集的多通道脑电信号进行预处理、特征提取、特征选择,从而获得脑电特征;建立基于核超限学习机的多模融合视频情感识别模型;将视频特征和脑电特征输入到基于核超限学习机的多模融合视频情感识别模型中进行视频情感识别,得出最终的分类正确率。本发明利用基于核超限学习机的多模融合视频情感识别模型,操作简单,识别速度快,对于三类视频情感数据分类正确率高。利用视频和脑电这两种模态的数据,使得描述视频内容更完整,比起利用单模进行视频情感识别,本发明方法的分类正确率更高。

    一种多特征融合的图像检索方法

    公开(公告)号:CN105138672B

    公开(公告)日:2018-08-21

    申请号:CN201510564819.5

    申请日:2015-09-07

    Abstract: 本发明公开了一种多特征融合的图像检索方法,其包括,步骤一、输入待检索图像I;步骤二、构建图像I的颜色特征向量和SIFT特征向量;步骤三,训练查询图库中的图像获得颜色特征词典和SIFT特征词典,用所述视觉单词表示图库中的图像;步骤四、用所述视觉单词表示所述图像I,根据所述视觉单词从所述查询图库中调取候选图像集Q,计算相似度值score(Q,I);步骤五、选取所述图像I中具有视觉显著性的局部区域Si并重复步骤三和步骤四获得候选图像集K,计算相似度值scoresal(K,I);步骤六、两个候选融合集的重叠图像集为D,融合scoresal(D,I)和score(D,I)计算最终相似性值score*(D,I);步骤七、中最终相似性值最高的图像作为所述待图像I的检索结果。本发明具有降低了图像噪声,提高检索准确性的优点。

    一种面向持续想象脑电信号的分类方法

    公开(公告)号:CN103345640B

    公开(公告)日:2016-08-10

    申请号:CN201310273395.8

    申请日:2013-07-02

    Abstract: 本发明属于模式识别领域,公开了一种面向持续想象脑电信号的分类策略。首先,假设不同想象任务之间存在转换点,转换点处样本间的欧几里得距离要大于转换点之间的样本间距离,通过设定样本间距离阈值检测出转换点;其次,认为持续想象同一任务时,会因注意力涣散、疲倦等因素导致信号受噪声污染,该策略加入样本纯化思想,通过设定样本间距离范围,从与任务对应的所有样本中筛选出部分样本,并返回这部分样本中的大多数类别作为该任务所有样本的类别。本发明通过充分考虑相邻样本之间的联系,提高了整体样本的识别率,非常适合对持续的脑电信号进行离线分析。

    一种基于信任合成的云服务动态组合方法

    公开(公告)号:CN105471844A

    公开(公告)日:2016-04-06

    申请号:CN201510781489.5

    申请日:2015-11-15

    CPC classification number: H04L63/10 H04L63/0892 H04L67/10

    Abstract: 一种基于信任合成的云服务动态组合方法,属于可信云计算安全领域。该方法通过定义云服务的信任属性,将其分解为基础信任和经验信任的集合:1)基础信任,将信任的本质视为对象的客观属性,基础信任的评价问题建模为对云服务主体分解属性的判断问题;2)经验信任,将信任定义为对象交互产生信任的主观测量,经验信任的评价问题建模为对云服务主体之间交互行为的判断问题。定义云服务信任属性;建立云服务基础信任的评价机制;建立云服务经验信任的评价机制;建立云服务组合信任传播模型;计算云服务组合信任值;仿真实验结果表明,所提出的方法可以在持续变化的云环境下有效的组织和提供可信的云服务。

    一种优势电极组合与经验模式分解的脑电特征提取方法

    公开(公告)号:CN104127179B

    公开(公告)日:2016-04-06

    申请号:CN201410146942.0

    申请日:2014-04-13

    Abstract: 一种优势电极组合与经验模式分解的脑电特征提取方法脑电信号特征提取方法,输入N导脑电信号数据;选择优势电极,电极记录的脑电信号的分类性能高于某一阈值时,称该电极为优势电极,否则称之为非优势电极。选择优势组合,利用EMD对每一种优势组合所对应的训练样本集的脑电数据和测试样本集的脑电数据分别进行特征提取,得到每一种优势组合的训练特征向量及测试特征向量;分别将每一种优势组合的训练特征向量及测试特征向量、训练样本集标签、测试样本集标签输入到朴素贝叶斯分类器里进行分类,得到每一种优势组合的分类正确率;根据每一种优势组合的分类正确率,推测出执行有关运动想象任务时刺激激活脑区之间的联系。

Patent Agency Ranking