公开(公告)号：CN113033768A

公开(公告)日：2021-06-25

申请号：CN202110211503.3

申请日：2021-02-25

Applicant: 中国科学院计算技术研究所

Inventor： 蒋鑫龙 ,  陈益强 ,  沈鸿 ,  张忠平 ,  王永斌 ,  刘廉如

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于图卷积网络的缺失特征重表示方法和系统，包括：提取已标注类别的训练样本的特征，将该训练样本的特征作为节点，通过距离度量得到节点与节点之间的相似关系，根据该相似关系构建节点之间形成连接边，以得到该训练样本的图网络；以该图网络中邻近样本的特征信息和图中各节点对应的标注类别，训练图卷积网络，得到特征重表示模型，通过将待分类样本的特征输入该特征重表示模型，重建该待分类样本的特征并为重建后的特征进行分类，得到该待分类样本的分类结果。

公开(公告)号：CN112954689A

公开(公告)日：2021-06-11

申请号：CN202110179359.X

申请日：2021-02-07

Applicant: 中国科学院计算技术研究所

Inventor： 潘志文 ,  孙伟豪 ,  邢云冰 ,  陈益强 ,  王永斌 ,  张忠平 ,  肖益珊 ,  刘廉如

IPC: H04W12/121 ,  H04L29/06 ,  H04L12/851 ,  H04L12/24

Abstract: 本发明提出一种针对蓝牙无线传输的轻量化网络入侵检测系统和方法，包含两种工作状态，分别是离线训练和在线检测。离线训练包括数据收集、特征选取、数据训练和生成机器学习模型四个阶段，其中数据训练针对的是有标签的数据，其中标签代表正常数据或异常数据。数据训练阶段分为特征压缩、构建概率模型、计算数组出现概率三个步骤。在线检测则包括了数据收集、特征选取、特征压缩、计算数组出现概率、平滑概率和通过生成的模型实时得出检测结果。本发明提出的入侵检测方法可以提供更高的准确率和更少的误报。

公开(公告)号：CN112597884B

公开(公告)日：2023-04-28

申请号：CN202011526554.7

申请日：2020-12-22

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  李雅洁 ,  谷洋 ,  肖益珊 ,  王永斌 ,  张忠平 ,  刘廉如

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。

公开(公告)号：CN112597884A

公开(公告)日：2021-04-02

申请号：CN202011526554.7

申请日：2020-12-22

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  李雅洁 ,  谷洋 ,  肖益珊 ,  王永斌 ,  张忠平 ,  刘廉如

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种手势识别模型的训练方法，包括：获取用于手势识别的训练样本的多模态数据；从所述多模态数据集中分别提取每个模态的特征数据，所述每个模态的特征数据包括一维特征数据或多维特征数据；通过混合注意力机制强化任一模态的多维特征数据，并将强化后的多维特征数据与其余模态的特征数据进行特征融合；以及基于融合后的特征数据对神经网络模型进行训练。通过上述训练方法获得的手势识别模型，能够有效提升手势识别的精确度。