一种融合图像超分辨率重建的图像语义分割方法

    公开(公告)号:CN113657388B

    公开(公告)日:2023-10-31

    申请号:CN202110780769.X

    申请日:2021-07-09

    Abstract: 本发明公开了一种融合图像超分辨率重建的图像语义分割方法,包括:以预训练好的ResNet‑50网络模型为基础,初始化卷积神经网络的参数;对数据集进行预处理,并将预处理后的数据集输入初始化后网络模型的下采样编码阶段进行图像特征提取;利用提取的图像特征对图像进行超分辨率重建,得到高分辨率特征图;将提取的图像特征和重建的高分辨率特征图进行特征融合,输入到网络模型的特征解码器,利用重建的高分辨率特征图搭建引导式上采样模块,制作每个像素点的偏移向量作为偏移表,利用偏移表作为导向来执行上采样操作,得到图像语义分割结果;定义损失函数,对网络模型进行优化。本发明能够提升语义分割算法的精度。

    一种边缘计算环境下的视频热度预测方法

    公开(公告)号:CN111090774B

    公开(公告)日:2023-06-27

    申请号:CN201911082717.4

    申请日:2019-11-07

    Abstract: 本发明提供一种边缘计算环境下的视频热度预测方法,能够提高视频热度预测的准确率。所述方法包括:边缘服务器根据边缘节点用户的历史行为记录数据,利用极限学习机将边缘节点用户分为M类,得到M个集群,每个集群为兴趣相近的边缘节点用户集合;对每个集群分别进行数据脱敏,得到每个集群中用户行为时间序列列表;将每个集群对应的用户行为时间序列列表分别作为输入,对长短期记忆循环神经网络分别进行训练、预测,得到每个集群的TOP‑N推荐列表,将其分发至每个对应的边缘节点用户。本发明涉及边缘计算领域。

    一种基于密度聚类的数据清洗方法及装置

    公开(公告)号:CN110263230B

    公开(公告)日:2021-04-06

    申请号:CN201910341078.2

    申请日:2019-04-25

    Abstract: 本发明提供一种基于密度聚类的数据清洗方法及装置,能够提高清洗结果的准确率。所述方法包括:获取待清洗的数据集,其中,所述数据集中样本的属性值包括:数值型数据和字符型数据;对数值型数据和字符型数据分别采用标准化的欧式距离和基于编辑距离的字符串相似度算法,确定数据集中样本间的距离;根据确定的数据集中样本间的距离,对DBSCAN算法的eps和minPts进行估计;将估计的eps和minPts值作为DBSCAN参数值,对待清洗的数据集进行密度聚类;根据聚类结果,对待清洗的数据集中的数据进行清洗。本发明涉及数据挖掘领域。

    基于AES算法的边缘计算节点身份认证方法

    公开(公告)号:CN108173882B

    公开(公告)日:2020-07-31

    申请号:CN201810172441.8

    申请日:2018-03-01

    Abstract: 本发明提供一种基于AES算法的边缘计算节点身份认证方法,其中,所述方法包括:初始化步骤,利用注册机构为网络中每个边缘服务设备分配ID,并完成所述边缘服务设备与所述注册机构的公私钥对生成;注册步骤,完成请求服务的边缘用户的注册以及主密钥的生成;认证步骤,利用改进的所述AES算法实现所述边缘用户和所述边缘服务设备的双向身份认证。本发明提供的技术方案解决了边缘计算节点的双向身份认证问题,保障了边缘节点安全高效的通信,且能满足边缘计算高动态、低时延的要求。

    一种多源异构数据真值确定方法及装置

    公开(公告)号:CN110321377A

    公开(公告)日:2019-10-11

    申请号:CN201910340361.3

    申请日:2019-04-25

    Abstract: 本发明提供一种多源异构数据真值确定方法及装置,能够对异构冲突数据进行联合处理并提高真值发现的准确率。所述方法包括:S1,获取来自于不同数据源的异构冲突数据;S2,对描述同一对象的冲突数据,针对所有数据源的每一对象及所有对象,分别构建以最大化声明值可信性加权和为目标的目标函数G和优化模型F;S3,针对每一对象,采用基于穷举法的真值选择策略,更新所有数据源的权重;S4,根据更新后的所有数据源的权重,计算F值,根据得到的F值判断优化模型F是否收敛,若不收敛,返回S3继续执行;若收敛,则得到的所有对象的最优真值组成最优真值集。本发明涉及数据挖掘领域。

    一种基于密度聚类的数据清洗方法及装置

    公开(公告)号:CN110263230A

    公开(公告)日:2019-09-20

    申请号:CN201910341078.2

    申请日:2019-04-25

    Abstract: 本发明提供一种基于密度聚类的数据清洗方法及装置,能够提高清洗结果的准确率。所述方法包括:获取待清洗的数据集,其中,所述数据集中样本的属性值包括:数值型数据和字符型数据;对数值型数据和字符型数据分别采用标准化的欧式距离和基于编辑距离的字符串相似度算法,确定数据集中样本间的距离;根据确定的数据集中样本间的距离,对DBSCAN算法的eps和minPts进行估计;将估计的eps和minPts值作为DBSCAN参数值,对待清洗的数据集进行密度聚类;根据聚类结果,对待清洗的数据集中的数据进行清洗。本发明涉及数据挖掘领域。

    一种基于属性的定长密文与密钥的加密、解密方法

    公开(公告)号:CN106878322B

    公开(公告)日:2019-06-07

    申请号:CN201710140065.X

    申请日:2017-03-10

    Abstract: 本发明提供一种基于属性的定长密文与密钥的加密、解密方法,能够提高加解密效率。所述加密方法包括:根据系统安全参数和系统属性集合,生成系统公钥和主密钥;向系统中的所有成员发送系统公钥,并秘密保存主密钥,所述所有成员包括:数据拥有者和数据使用者;对隐私数据文件进行加密得到数据密文,并根据隐私数据文件的访问策略属性集合、数据拥有者接收到的系统公钥,对加密算法使用的密钥进行加密,得到定长的密钥密文,其中,所述密钥密文包括访问策略属性集合;将加密得到数据密文和密钥密文上传至服务器。本发明适用于信息安全技术领域。

Patent Agency Ranking