-
公开(公告)号：CN119562067A
公开(公告)日：2025-03-04
申请号：CN202411647634.6
申请日：2024-11-18
IPC: H04N19/20 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本申请提供跨模态隐写方法、装置、设备及存储介质，方法包括：将载体图像和密文文本数据对应的密文图像分别输入预设的编码器，使得该编码器中的可学习小波变换网络和可逆神经网络分别对载体图像和密文图像进行正向特征提取，以得到载体图像对应的目标载体特征向量和密文图像对应的目标密文特征向量；基于目标载体特征向量和目标密文特征向量生成密文文本数据对应的密文跨模态隐写结果数据以进行网络传输。本申请能够将文本模态的密文文本数据嵌入到图像模态的载体图像中，实现多模态的隐写技术，并能够有效提高密文隐写的隐蔽性与鲁棒性，进而能够提高密文网络传输的安全性及可靠性。
-
公开(公告)号：CN119129692A
公开(公告)日：2024-12-13
申请号：CN202410967977.4
申请日：2024-07-18
Applicant: 北京邮电大学
IPC: G06N3/092 , G06N3/098 , G06N3/0985
Abstract: 本申请提供基于强化学习的自适应约束联邦学习方法、装置及系统，方法包括：基于本地的强化学习代理单元，根据前一轮次的全局模型权重和本地模型权重确定作为当前轮次的动作的超参数；在训练过程中基于超参数对本地模型进行自适应约束，将本轮的本地模型权重发送至联邦学习系统中的服务器进行聚合，基于强化学习代理单元，根据前一轮次和当前轮次各自对应的全局模型权重和本地模型权重确定当前轮次的奖励；构成当前轮次的元组样本并存储。本申请能够减轻数据异质性的影响，能够提高模型训练的可靠性、有效性以及训练得到的模型性能；通过本地的强化学习代理进行独立决策，无需在服务器和客户端之间进行额外的数据通信。
-
公开(公告)号：CN112215837A
公开(公告)日：2021-01-12
申请号：CN202011156156.0
申请日：2020-10-26
Applicant: 北京邮电大学
Abstract: 本发明提供一种多属性图像语义分析方法和装置，所述方法包括：将数据集中提取的图像与话题标签作为节点，并根据节点之间的关联构建标签异构图；基于异构图中图像与标签节点分别构建图像特征矩阵与标签特征矩阵；将图像特征矩阵与标签特征矩阵融合构成统一的标签异构图节点特征矩阵，根据节点之间的关联的条件数判断两节点的语义关联性，并获得标签异构图的加权邻接矩阵；将标签异构图节点特征矩阵和标签异构图的加权邻接矩阵输入图卷积神经网络GCN中进行图像语义特征学习与图像的语义扩充。本发明实施例的多属性图像语义分析方法和装置，能够大大增强图像的分类和搜索性能。
-
公开(公告)号：CN111598712A
公开(公告)日：2020-08-28
申请号：CN202010418678.7
申请日：2020-05-18
Applicant: 北京邮电大学
Abstract: 本发明提供一种社交媒体跨模态搜索中数据特征生成器训练及搜索方法，所述训练方法包括：获取训练样本集，基于训练样本集采用对抗学习的生成器获取各数据信息的表示特征，通过判别器监督对抗生成器，通过固定判别器调参优化生成器以及的固定生成器调参优化判别器，多次迭代得到最终的生成器。所述搜索方法包括：将待搜索数据信息输入生成器，得到待搜索数据信息的表示特征；遍历目标模态的现有数据信息，并获取各现有数据信息通过生成器产生的表示特征；基于相似度匹配获取与待搜索数据信息的表示特征最相近的一条或多条目标模态的现有数据信息。本发明能够适应社交媒体中数据信息语义稀疏性的特点，实现跨模态数据信息的准确搜索。
-
公开(公告)号：CN117591752B
公开(公告)日：2024-06-07
申请号：CN202311411955.1
申请日：2023-10-27
Applicant: 北京邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/09
Abstract: 本发明提供一种多模态虚假信息检测方法、系统及存储介质，所述方法的步骤包括：获取待辨认信息，从待辨认信息中分离图像信息和文本信息；将图像信息输入到第一网络模型中，得到图像特征向量，将图像特征向量输入到图像分类网络中，得到图像分类向量；将图像特征向量和图像分类向量输入到多专家结构中，得到融合类别图像特征向量；将文本信息输入到第二网络模型和情感提取模块中，第二网络模型输出文字特征向量，情感提取模块输出文字情感特征向量，融合文字特征向量和文字情感特征向量得到融合情感文字特征向量；将融合类别图像特征向量和融合情感文字特征向量融合，得到融合图文特征向量，并输入到判别模块中判定待辨认信息是否为虚假信息。
-
Patent Agency Ranking
公开(公告)号：CN111598710B
公开(公告)日：2023-04-18
申请号：CN202010392714.7
申请日：2020-05-11
Applicant: 北京邮电大学
IPC: G06F16/80
Abstract: 本发明提供一种社交网络事件的检测方法和装置，所述方法包括：将数据集中提取的推文和标签作为节点，构建社交网络事件异构图；基于异构图中推文和标签的文本内容构建语义视图，获得其特征矩阵和加权邻接矩阵；基于异构图中推文及推文的时间构建时间分布视图，获得其特征矩阵和加权邻接矩阵；将语义视图的特征矩阵和加权邻接矩阵，时间分布视图的特征矩阵和加权邻接矩阵输入至GCN中，结合注意力机制采用标签引导语义视图和时间分布视图的特征融合，生成给定标签下推文语义视图和时间分布视图的注意力分布概率，得到异构图中每个节点属于数据集中事件的概率，实现对节点的预测。本发明实施例的社交网络事件的检测方法，提高了社交事件的检测效果。
-
公开(公告)号：CN113312480B
公开(公告)日：2022-12-09
申请号：CN202110548961.6
申请日：2021-05-19
Applicant: 北京邮电大学
Abstract: 本公开提供一种基于图卷积网络的科技论文层级多标签分类方法及设备，其中方法包括：利用注意力机制在论文与关键词的无向图上进行图形节点嵌入，输出更新后的论文节点特征；将更新后的论文节点特征输入预先训练好的多输出深度神经网络模型中，输出整体的全局标签和局部标签；通过注意力机制组合局部标签和全局标签，组合后的标签经计算处理后得到最终的论文标签分类结果。本公开提供的方法及设备丰富了论文的语义表示，在论文分类中考虑了具有相同关键词的论文之间的关联，使得论文分类更加准确；并且分类过程中每一层仅关注相应层级的标签，减少了每个层需要区分的类别数量，充分获取到不同层级标签的特征，提高了论文分类的准确性。
-
公开(公告)号：CN114818660A
公开(公告)日：2022-07-29
申请号：CN202210754761.0
申请日：2022-06-30
Applicant: 北京邮电大学
IPC: G06F40/211 , G06F40/258 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08 , G06V10/82 , G06V30/416
Abstract: 本申请提供一种跨媒体科研资源特征提取模型训练方法、特征提取方法及装置，训练方法包括：基于跨媒体科研资源数据实时采集系统获取不同媒体来源的科研资源数据并进行数据结构化处理；根据其中的科研资源文本数据对第一深度学习模型进行模型训练及优化，以形成科研资源文本语义特征提取模型；并根据科研资源图像数据对第二深度学习模型进行模型训练及优化，以形成科研资源图像语义特征提取模型。本申请能够专门适用于科研资源数据的语义特征学习，提高跨媒体科研资源数据提取的可靠性、便捷性及有效性，能够提高采用科研资源数据训练后的深度学习模型面向科研资源数据进行特征提取时的表征能力，提高提取结果的全面性、多样性、准确性及可靠性。
-
公开(公告)号：CN110781319B
公开(公告)日：2022-06-21
申请号：CN201910877850.2
申请日：2019-09-17
Applicant: 北京邮电大学
IPC: G06F16/432
Abstract: 本发明公开了一种跨媒体大数据的公共语义表示、搜索方法和装置，所述方法包括：提取大数据中图像、文本的全局语义特征和局部显著性深度语义特征；确定所述图像和文本的全局语义特征相似性，以及所述图像和文本的局部显著性语义特征相似性；联合所述图像和文本的全局和局部显著性语义特征相似性进行跨媒体语义关联学习，获得跨媒体大数据的公共语义表示。应用本发明能够增强跨媒体关联学习能力，发现潜在的细粒度跨媒体语义关联，从而提高跨媒体大数据的搜索精准度。
-
公开(公告)号：CN111598710A
公开(公告)日：2020-08-28
申请号：CN202010392714.7
申请日：2020-05-11
Applicant: 北京邮电大学
IPC: G06Q50/00 , G06F16/9536 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种社交网络事件的检测方法和装置，所述方法包括：将数据集中提取的推文和标签作为节点，构建社交网络事件异构图；基于异构图中推文和标签的文本内容构建语义视图，获得其特征矩阵和加权邻接矩阵；基于异构图中推文及推文的时间构建时间分布视图，获得其特征矩阵和加权邻接矩阵；将语义视图的特征矩阵和加权邻接矩阵，时间分布视图的特征矩阵和加权邻接矩阵输入至GCN中，结合注意力机制采用标签引导语义视图和时间分布视图的特征融合，生成给定标签下推文语义视图和时间分布视图的注意力分布概率，得到异构图中每个节点属于数据集中事件的概率，实现对节点的预测。本发明实施例的社交网络事件的检测方法，提高了社交事件的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.036 seconds)
