公开(公告)号：CN113868695A

公开(公告)日：2021-12-31

申请号：CN202110959901.3

申请日：2021-08-20

Applicant: 河南大学

Inventor： 左方 ,  李雅洁 ,  王光辉 ,  阳昊辰 ,  何欣 ,  于俊洋

IPC: G06F21/62 ,  G06F21/64 ,  G06F16/2455 ,  G06Q20/38 ,  G06Q40/04

Abstract: 本发明公开一种群智感知数据聚合中基于区块链的可信隐私保护方法，包括：对感知节点进行分组，组内节点维护一个私有区块链，在组内进行基于加噪机制的隐私保护数据聚合，直至数据交易发布到私有区块链上；聚合节点获取组内数据聚合结果，并且对聚合结果进行添加零和噪声处理，等待目标节点进行二次隐私保护数据聚合，聚合节点之间不维护区块链；目标节点对聚合节点的聚合数据进行基于加噪机制的二次隐私保护数据聚合，从而获取感知数据最终聚合结果。本发明不仅能够保证数据聚合过程的可追溯性，实现数据聚合过程中的隐私性与数据聚合结果的正确性，而且能够提高隐私保护执行效率。

公开(公告)号：CN107330675A

公开(公告)日：2017-11-07

申请号：CN201710572585.8

申请日：2017-07-04

Applicant: 河南大学

Inventor： 王龙葛 ,  李捷 ,  何欣 ,  张一飞 ,  渠慎明

IPC: G06Q10/10 ,  G06Q10/06

CPC classification number: G06Q10/0635 ,  G06Q10/063114 ,  G06Q10/06313 ,  G06Q10/06395 ,  G06Q10/103

Abstract: 本发明涉及软件开发项目管理领域，特别是涉及一种软件开发过程中的预警方法及装置。本发明公开了一种软件开发过程中的预警方法，包括，拆分并分析软件项目管理过程中的任务；确定需要重点关注的任务；监控需要重点关注的任务；达到预警条件自动触发预警。本发明还公开了一种软件开发过程中的预警装置，包括，分析模块，用于拆分并分析软件项目管理过程中的任务；确定模块，用于确定需要重点关注的任务；监控模块，用于监控需要重点关注的任务；预警模块，用于达到预警条件自动触发预警。

公开(公告)号：CN119884249A

公开(公告)日：2025-04-25

申请号：CN202411958423.4

申请日：2024-12-27

Applicant: 河南大学

Inventor： 王光辉 ,  关道伟 ,  申凌峰 ,  丁爽 ,  郭彬慧 ,  刘天须 ,  何欣

IPC: G06F16/27 ,  G06F16/2455 ,  G06F16/22 ,  G06F16/2457 ,  G06F21/64 ,  H04L9/00

Abstract: 本发明提供一种基于布隆过滤Merkle树的高速公路事故救援数据共享方法及相关设备，涉及数据共享技术领域。该方法包括：步骤1：将高速公路事故救援数据摘要与密文索引分别存入公有链与联盟链；步骤2：当触发同步机制时，将公有链上数据摘要批量同步至数据库并建立当前批数据摘要的布隆过滤Merkle树及索引结构；步骤3：将布隆过滤Merkle树的根节点信息存入公有链；步骤4：接收查询请求并通过缓存‑数据库‑公有链的分层方式进行高速公路事故救援数据共享与审计。本发明可以保障高速公路事故救援数据共享的高效性与安全性。

公开(公告)号：CN115147711B

公开(公告)日：2024-07-16

申请号：CN202210871217.4

申请日：2022-07-23

Applicant: 河南大学

Inventor： 宋亚林 ,  袁明阳 ,  甘志华 ,  庞子龙 ,  于俊洋 ,  何欣

IPC: G06V20/05 ,  G06V10/82 ,  G06V10/764 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于改进Retinanet的水下目标检测网络及方法。该网络包括：backbone层、neck层和head层；backbone层采用残差网络Resnet50；neck层包括特征金字塔网络模块、上下文提取模块和注意力引导模块；head层包括下采样模块、分类子网络和框回归子网络；其中，待检测的水下图像经过backbone层进行后得到四个不同大小的特征图；四个不同大小的特征图并列输入至neck层进行特征融合，得到四个不同大小的新特征图；四个不同大小的新特征图中的最上层的新特征图经下采样模块之后，连同其他三个新特征图一并输入至分类子网络和框回归子网络从而得到水下图像中的各水下目标。

公开(公告)号：CN114998633B

公开(公告)日：2024-06-21

申请号：CN202210740023.0

申请日：2022-06-28

Applicant: 河南大学

Inventor： 王龙葛 ,  马志峰 ,  赵宇曦 ,  于俊洋 ,  何欣 ,  宋亚林 ,  翟锐

IPC: G06V10/762 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开一种基于视图注意力驱动的多视图聚类方法，包括：构建多视图特征提取网络；构建多视图特征提取网络训练时所需损失函数，并进行网络训练，得到多视图特征提取网络模型；将多视图样本数据输入所述多视图特征提取网络模型中，得到不同样本的所有视图特征表示；将同一样本的所有视图的特征表示进行连接，对连接后不同多视图样本特征数据采用k‑means算法进行聚类，得到多视图样本数据的聚类结果。本发明采用对比学习和注意力机制学习不同视图数据的特征表示，在学习不同视图的特征表示时，同时考虑其他视图所关注的信息，从而加强对所有视图中存在的一致性信息的关注和减少仅存于视图子集中与聚类目标无关信息的影响。

公开(公告)号：CN116976505A

公开(公告)日：2023-10-31

申请号：CN202310837811.6

申请日：2023-07-08

Applicant: 河南大学

Inventor： 王瑛琦 ,  季会勤 ,  韩宏宇 ,  何欣 ,  于俊洋 ,  翟锐

IPC: G06Q10/04 ,  G06Q30/0251 ,  G06F18/241 ,  G06N3/04

Abstract: 本发明属于智能推荐及深度学习技术领域，公开了一种基于信息共享的解耦注意网络的点击率预测方法。具体来说，将高维稀疏样本经过嵌入层后放入解耦的多头自注意层作为并行网络架构的输入，在显式部分使用层次注意机制的交互函数，提高模型的表达能力。此外，本发明设置了共享交互层，解决并行网络信息共享不足的问题。本发明显式地模拟特征在低维空间中的交互作用，使整个模型以端到端的方式有效地适应大规模的互联网平台数据集。最后，在两个真实数据集Criteo和Avazu上进行实验，实验结果表明该模型在点击率预测的损失率和精确率以及算法效率方面均有显著提升。

公开(公告)号：CN115187615A

公开(公告)日：2022-10-14

申请号：CN202210784416.1

申请日：2022-07-05

Applicant: 河南大学

Inventor： 宋亚林 ,  张潮 ,  甘志华 ,  庞子龙 ,  于俊洋 ,  何欣 ,  袁明阳

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于改进MultiResUNet的皮肤黑色素瘤图像分割网络结构及方法。该网络结构包括encoder模块和decoder模块，将原MultiResUNet网络中的MultiRes Block替换为新的MultiRes Block，以形成新的MultiResUNet网络；其中，所述新的MultiRes Block包括第一残差层和三个堆叠在一起的具有不同空洞率的Conv2d层；三个所述Conv2d层的输出进行concat操作之后与所述第一残差层的输出结果进行特征相加操作。本发明扩大了感受野有助于分割不同大小的目标；加入了双注意力机制重新调整特征权重有助于分割不同位置、不同形状的目标，提高了分割的精度。

公开(公告)号：CN115169582A

公开(公告)日：2022-10-11

申请号：CN202210809648.8

申请日：2022-07-11

Applicant: 河南大学

Inventor： 刘颜红 ,  常黎明 ,  徐恕贞 ,  何欣

IPC: G06N20/00 ,  G06K9/62 ,  G06F21/62 ,  G06F21/60 ,  G06F16/9536 ,  G06Q30/02

Abstract: 本发明提供一种聚类联邦学习方法及装置。该方法包括：步骤1：获取客户端的本地数据分布的特征向量；所述特征向量是在客户端上使用Deep Sets模型对本地数据分布进行特征提取得到的；步骤2：使用K‑Means聚类算法对所有客户端的本地数据分布的特征向量进行聚类，以便将数据分布相似的客户端分入至相同组；步骤3：为每个分组设定对应的聚簇标识，不同分组对应不同的聚簇标识，相同组内的客户端具有相同的聚簇标识；步骤4：根据客户端的聚簇标识对客户端进行调度，使得具有相同聚簇标识的客户端采用联邦学习算法共同训练一个模型。

公开(公告)号：CN114037213A

公开(公告)日：2022-02-11

申请号：CN202111202403.0

申请日：2021-10-15

Applicant: 河南大学

Inventor： 何欣 ,  阳昊辰 ,  陈永超 ,  李雅洁 ,  王光辉 ,  于俊洋

IPC: G06Q10/06 ,  G06Q10/10 ,  G06Q30/06

Abstract: 本发明属于众包网络技术领域，特别涉及一种异常数据众包检测中基于反向背包的最优工人选取方法及系统，依据异常数据检测任务及众包网络中众包工人信息来确定投标工人集合，按照异常数据检测任务需求获取多个工人组合并添加到候选众包工人集合中；将众包工人信任值通过加权计算来获取异常数据检测结果预测可靠性，利用众包工人总投标价格作为约束条件，候选众包工人集合作为背包物品，众包工人信任值作为背包物品重量，预期可靠性阈值设定为背包容量，将异常数据检测中工人选取问题建模为反向背包模型；通过对反向背包模型进行求解来选取最优工人组合。本发明综合考虑检测任务预期可靠性及投标价格来选取对应的最优工人组合，节约人工和时间成本。

公开(公告)号：CN111523477A

公开(公告)日：2020-08-11

申请号：CN202010331129.6

申请日：2020-04-24

Applicant: 河南大学

Inventor： 王瀛 ,  何欣 ,  徐奔 ,  于俊洋 ,  王泽浩

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提供了一种基于运动历史图像和集成学习器的视频动作识别方法。在提取视频中对象的运动信息时，基于运动历史图像方法提取了多重运动历史图像作为动作信息，并利用图像不变矩描述不同动作的特征差异，将得到的各个视频样本的运动特征输入XGBoost集成分类器进行训练，得到最终的分类模型。本发明仅需要较少的样本数量即可取得较好地视频动作识别效果。