一种基于加权列抽样XGBoost的图像目标分类方法

    公开(公告)号:CN107392241A

    公开(公告)日:2017-11-24

    申请号:CN201710580163.5

    申请日:2017-07-17

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明实施例提出了一种基于加权列抽样XGBoost的图像目标分类方法,包括:利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像特征;连接多层学习到的特征以获得更多决定其图像类别的内容信息;利用基于加权列抽样的XGBoost方法对图像特征分类,根据属性重要度,在构建决策树之前对属性进行次采样,将抽取的具有更多信息的属性用于当前决策树的构建,重复迭代直到收敛,得到性能最佳的图像分类模型。根据本发明实施例提供的技术方案,当数据的属性维度大且冗余度高时,该方法可以扩展到其他使用列抽样的分类方法,提高图像目标分类的平均准确率。

    一种基于加权列抽样XGBoost的图像目标分类方法

    公开(公告)号:CN107392241B

    公开(公告)日:2020-12-25

    申请号:CN201710580163.5

    申请日:2017-07-17

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明实施例提出了一种基于加权列抽样XGBoost的图像目标分类方法,包括:利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像特征;连接多层学习到的特征以获得更多决定其图像类别的内容信息;利用基于加权列抽样的XGBoost方法对图像特征分类,根据属性重要度,在构建决策树之前对属性进行次采样,将抽取的具有更多信息的属性用于当前决策树的构建,重复迭代直到收敛,得到性能最佳的图像分类模型。根据本发明实施例提供的技术方案,当数据的属性维度大且冗余度高时,该方法可以扩展到其他使用列抽样的分类方法,提高图像目标分类的平均准确率。

    一种基于Present算法的轻量级RFID安全认证方法

    公开(公告)号:CN107171811A

    公开(公告)日:2017-09-15

    申请号:CN201710579860.9

    申请日:2017-07-17

    IPC分类号: H04L9/32 H04L9/08 H04L9/00

    摘要: 本发明实施例提供了一种基于Present算法的轻量级RFID安全认证方法,包括:通过后端数据库与标签之间共享新旧密钥及秘密信息,实现标签与数据库之间身份的相互验证,采用双向随机数作为协议执行过程中的新鲜量,并进行加密计算,标签端对数据库的认证信息由数据库端产生随机数进行加密,数据库端对标签的认证信息由标签端产生的随机数进行加密,在每次验证过程中通过执行Present加密算法来验证双方身份。该方法具有良好的安全与隐私保护特性,能够很好的抵抗来自RFID系统外的各类攻击,同时也可保护内容隐私、位置隐私、前后向安全及抵抗重放攻击、窃听攻击等攻击。

    一种基于Present算法的轻量级RFID安全认证方法

    公开(公告)号:CN107171811B

    公开(公告)日:2020-07-03

    申请号:CN201710579860.9

    申请日:2017-07-17

    IPC分类号: H04L9/32 H04L9/08 H04L9/00

    摘要: 本发明实施例提供了一种基于Present算法的轻量级RFID安全认证方法,包括:通过后端数据库与标签之间共享新旧密钥及秘密信息,实现标签与数据库之间身份的相互验证,采用双向随机数作为协议执行过程中的新鲜量,并进行加密计算,标签端对数据库的认证信息由数据库端产生随机数进行加密,数据库端对标签的认证信息由标签端产生的随机数进行加密,在每次验证过程中通过执行Present加密算法来验证双方身份。该方法具有良好的安全与隐私保护特性,能够很好的抵抗来自RFID系统外的各类攻击,同时也可保护内容隐私、位置隐私、前后向安全及抵抗重放攻击、窃听攻击等攻击。