-
公开(公告)号：CN111581468A
公开(公告)日：2020-08-25
申请号：CN202010412161.7
申请日：2020-05-15
Applicant: 北京交通大学
IPC: G06F16/906 , G06N20/00
Abstract: 本发明提供了一种基于噪声容忍的偏多标记学习方法。该方法包括构建训练数据的特征矩阵X、可观测标签矩阵Y和特征填充矩阵E；根据特征矩阵X、可观测标签矩阵Y和特征填充矩阵E挖掘特征空间和标记空间一致性信息，构建基于噪声的偏多标记学习模型，通过选择迭代优化方法对偏多标记学习模型进行训练，得到多标签分类器V；将未知样本输入到多标签分类器V，多标签分类器V输出所述未知样本的标签信息。本发明提出的基于噪声容忍的偏标记学习方法，该方法不进行标记消歧，而是补充样本缺失的特征信息，达到噪声标记能够参与模型训练过程的目的。该算法充分利用缺失特征信息的低秩性，辅助算法学习更鲁棒的分类模型，实现对未知样本的准确分类。
-
公开(公告)号：CN111581468B
公开(公告)日：2024-03-01
申请号：CN202010412161.7
申请日：2020-05-15
Applicant: 北京交通大学
IPC: G06F16/906 , G06N20/00
Abstract: 本发明提供了一种基于噪声容忍的偏多标记学习方法。该方法包括构建训练数据的特征矩阵X、可观测标签矩阵Y和特征填充矩阵E；根据特征矩阵X、可观测标签矩阵Y和特征填充矩阵E挖掘特征空间和标记空间一致性信息，构建基于噪声的偏多标记学习模型，通过选择迭代优化方法对偏多标记学习模型进行训练，得到多标签分类器V；将未知样本输入到多标签分类器V，多标签分类器V输出所述未知样本的标签信息。本发明提出的基于噪声容忍的偏标记学习方法，该方法不进行标记消歧，而是补充样本缺失的特征信息，达到噪声标记能够参与模型训练过程的目的。该算法充分利用缺失特征信息的低秩性，辅助算法学习更鲁棒的分类模型，实现对未知样本的准确分类。
-
公开(公告)号：CN109829322B
公开(公告)日：2021-05-04
申请号：CN201910082105.9
申请日：2019-01-28
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于授权信息的数媒文件实时加解密的方法与系统，该方法包括：S1、读取原始数媒文件A，采用信息隐藏技术将授权信息写入到所述原始数媒文件A中，得到授权数媒文件B；S2、获取加密密钥K1；S3、根据所述加密密钥K1，采用加密算法对所述授权数媒文件B进行加密，得到加密的包含授权信息的加密授权数媒文件C。S4、读取所述加密授权数媒文件C；获取所述加密密钥K1和定义的解密块的大小；根据所述加密密钥K1和所述解密块的大小，对所述加密授权数媒文件C进行分块解密,得到解密文件流；S5、从所述解密文件流中取出授权信息；并根据所述授权信息进行验证；S6、基于网络协议，并行传输验证成功的所述解密文件流，实现实时解密。
-
公开(公告)号：CN109829322A
公开(公告)日：2019-05-31
申请号：CN201910082105.9
申请日：2019-01-28
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于授权信息的数媒文件实时加解密的方法与系统，该方法包括：S1、读取原始数媒文件A，采用信息隐藏技术将授权信息写入到所述原始数媒文件A中，得到授权数媒文件B；S2、获取加密密钥K1；S3、根据所述加密密钥K1，采用加密算法对所述授权数媒文件B进行加密，得到加密的包含授权信息的加密授权数媒文件C。S4、读取所述加密授权数媒文件C；获取所述加密密钥K1和定义的解密块的大小；根据所述加密密钥K1和所述解密块的大小，对所述加密授权数媒文件C进行分块解密,得到解密文件流；S5、从所述解密文件流中取出授权信息；并根据所述授权信息进行验证；S6、基于网络协议，并行传输验证成功的所述解密文件流，实现实时解密。
-
-
-
Search Results
4
records
(took 0.016 seconds)
