-
公开(公告)号：CN101727441B
公开(公告)日：2012-02-01
申请号：CN200910243123.7
申请日：2009-12-25
Applicant: 北京工业大学
Abstract: 一种面向中文人名识别系统的评测方法及评测系统自然语言处理领域。评测方法包括：评测文件生成步骤，从句子库抽取指定数目的句子，并对句子中的每个人名利用人名库中的人名进行替换产生评测文件；记录数据步骤，记录句子在评测文件中的行号、句子中的每个人名和人名在句子中的起始位置；识别步骤，利用待评测的中文人名识别系统对评测文件进行人名识别；判断步骤，根据预先设定的判断标准对识别结果和记录数据进行比较，判断人名识别系统是否正确识别出人名；评测指标计算步骤，根据判断步骤的判断结果形成评价中文人名识别系统的评测指标。本发明实现了中文人名识别系统评测的自动化，使不同识别系统有可比性；发现识别算法存在的问题。
-
公开(公告)号：CN101984452A
公开(公告)日：2011-03-09
申请号：CN201010532357.6
申请日：2010-10-29
Applicant: 北京工业大学
IPC: G06K9/00
Abstract: 一种灰度图中视觉注意区域转移预测方法，包括四个步骤：确定领导者，寻找追随者，计算显著值，显著值排序。确定领导者是指计算所有像素的侧电位，并根据得到的侧电位和阈值确定像素中的领导者。寻找追随者是指对每一个领导者在所有像素中依据连通性和相似性确定其追随者，形成不同区域，一个区域可能包括多于一个的领导者，但是在实际计算机实施过程中如果一个领导者追随其他领导者则判为追随者。计算显著值是指把已经得到区域分别进行计算，一个区域对应一个显著值。显著值排序是指按照显著值的大小对所有的区域排序并取前三个区域。本发明把人类视觉系统的选择性注意功能成功的引入到计算机视觉系统中，能够模拟和预测人眼视点在不同区域间进行注意转移。
-
公开(公告)号：CN101763481A
公开(公告)日：2010-06-30
申请号：CN201010034174.1
申请日：2010-01-15
Applicant: 北京工业大学
IPC: G06F21/00
Abstract: 本发明是一种利用压缩算法来检测未知恶意代码的方法，它利用LZW压缩算法提取出的特征字典，通过将待测文件用特征字典进行压缩，并根据压缩率来预测文件的类别。首先，分析恶意代码结构，抽取最能代表其特性的部分。然后，对所抽取的部分利用压缩算法，按照其类别建立符合其统计特性的相应压缩字典(正常代码/恶意代码字典)。最后，通过判断利用正常代码/恶意代码字典对待测文件进行压缩得到的不同压缩率，依据最小描述原则将其归类为能取得最好压缩率的类别，从而达到检测未知恶意代码的目的。
-
公开(公告)号：CN101727441A
公开(公告)日：2010-06-09
申请号：CN200910243123.7
申请日：2009-12-25
Applicant: 北京工业大学
Abstract: 一种面向中文人名识别系统的评测方法及评测系统自然语言处理领域。评测方法包括：评测文件生成步骤，从句子库抽取指定数目的句子，并对句子中的每个人名利用人名库中的人名进行替换产生评测文件；记录数据步骤，记录句子在评测文件中的行号、句子中的每个人名和人名在句子中的起始位置；识别步骤，利用待评测的中文人名识别系统对评测文件进行人名识别；判断步骤，根据预先设定的判断标准对识别结果和记录数据进行比较，判断人名识别系统是否正确识别出人名；评测指标计算步骤，根据判断步骤的判断结果形成评价中文人名识别系统的评测指标。本发明实现了中文人名识别系统评测的自动化，使不同识别系统有可比性；发现识别算法存在的问题。
-
公开(公告)号：CN119628839A
公开(公告)日：2025-03-14
申请号：CN202411526487.7
申请日：2024-10-30
Applicant: 北京工业大学
IPC: H04L9/32 , H04L9/00 , H04L67/1097 , H04L9/08 , G06F21/64
Abstract: 本发明公开了一种基于零知识证明的去中心化存储中的高效像素级动态图像审计方法，包括：预处理阶段：对图像文件进行处理生成并存储后续阶段所需的方法参数，以及基于文件内容的认证元和快照信息；图像审计阶段：使用伪随机函数生成审计过程所需的挑战参数，基于挑战参数执行审计任务，并生成审计过程的证据，并验证审计结果的正确性；图像更新阶段：基于操作参数执行语义级别的更新，并生成更新过程的证据，验证更新操作的正确性；本发明旨在减轻数据所有者的计算负担，特别适用于去中心化存储环境中计算资源有限的数据所有者。
-
Patent Agency Ranking
公开(公告)号：CN118823342A
公开(公告)日：2024-10-22
申请号：CN202410831267.9
申请日：2024-06-26
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V10/62 , G06V10/56 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于大模型适配的多模态语义分割方法，首先对于每一对的输入数据，以RGB数据的曝光时间戳为基准，以不同的时间尺度划分事件信息，随后将事件处理为体素，和视频帧分别输入多时空尺度事件嵌入模块与SAM主干，然后将经过多时空尺度事件嵌入模块提取的时间特征输入SAM事件适配器中，与SAM中的图像信息进行交互，得到富含高质量运动信息的特征。最后特征将被输入简单的语义分割头来生成语义分割结果。本发明是端到端的，整体可以直接进行训练，之后可以使用训练的模型来处理事件‑RGB场景下的语义分割问题。本发明解决了由于RGB信息在极端场景下信息丢失的问题，并达到了比以往工作更优秀的语义分割结果。
-
公开(公告)号：CN118780421A
公开(公告)日：2024-10-15
申请号：CN202410780003.5
申请日：2024-06-17
Applicant: 北京工业大学
IPC: G06Q10/04 , G06F18/25 , G06F17/14 , G06F17/15 , G06F17/18 , G06N3/0499 , G06N3/0455 , G06N3/049 , G06N3/08
Abstract: 本发明公开了基于时频域特征耦合的网络舆情时序预测方法，该方法在Transformer的编码器基础上，SDformer整合两个特别设计的模块，谱滤波变换和动态定向注意力，并结合自然语言处理技术，以针对网络舆情数据进行优化。通过融合时频域特征耦合和自然语言处理技术，针对网络舆情数据的特殊性进行优化。SDformer通过仅使用Transformer的Encoder结构编码历史信息，优化了模型的计算效率，并通过引入去噪平滑模块“谱滤波变换”SFT和创新的注意力机制“动态定向注意力”DDA，有效地解决了在网络舆情分析中，注意力机制可能无法有效关注到情感变化关键时间点的问题。这些技术创新不仅提升了模型对长期网络舆情趋势的预测准确性，而且增强了模型对复杂情感动态和话题趋势的捕捉能力。
-
公开(公告)号：CN114091661B
公开(公告)日：2024-06-04
申请号：CN202111409785.4
申请日：2021-11-24
Applicant: 北京工业大学 , 绿盟科技集团股份有限公司
IPC: G06N3/094 , G06N3/045 , G06N3/0475 , G06F18/2113 , G06F18/214 , G06F18/2413 , H04L9/40
Abstract: 本发明公开了一种基于生成对抗网络和k‑近邻算法提高入侵检测性能的过采样方法，用于提高入侵检测的性能，具体包括：对原始数据进行数值化和归一化处理；基于WGAN‑GP构建生成模型并利用少数类攻击样本和随机噪声对其训练，使生成器对攻击分布进行建模，从而生成攻击样本；采用k‑近邻算法过滤生成攻击样本中的噪声；最后，利用方差分析对数据的字段属性进行重要性排序，根据排序结果进行特征选择，去除不必要的特征，最终得到过采样后的训练集；利用本发明生成的过采样后的训练集能够有效提升入侵检测模型的性能。
-
公开(公告)号：CN113961759B
公开(公告)日：2024-05-07
申请号：CN202111237311.6
申请日：2021-10-22
Applicant: 北京工业大学 , 绿盟科技集团股份有限公司
IPC: G06F16/901 , G06F16/903 , G06F18/2433 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于属性图表示学习的异常检测方法，该方法的步骤如下：获取属性图数据集；针对属性图中的节点之间的相似度，扩展数据集中的属性图拓扑结构；使用属性图中拓扑结构数据导入TransE模块得到节点的嵌入向量集；将前面两个步骤得到的扩展之后的属性图数据集和嵌入向量集作为输入，运行编码模块进行属性图编码；将编码得到的编码数据集进行结构重构解码；将编码得到的编码数据集进行属性重构解码；根据编码解码得到的结构重构误差和属性重构误差进行异常节点的预测和排序。本方法解决了节点属性与属性图拓扑结构关联不紧密的问题。基于属性图表示学习的异常检测方法检测性能比原来的基于图卷积异常检测方法性能显著提升。
-
公开(公告)号：CN112464098B
公开(公告)日：2024-02-02
申请号：CN202011419952.9
申请日：2020-12-05
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9538
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。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.031 seconds)
