-
公开(公告)号：CN119946202A
公开(公告)日：2025-05-06
申请号：CN202510421995.7
申请日：2025-04-07
Applicant: 华南理工大学
Abstract: 本发明公开一种联邦学习模式下医疗图像数据隐私保护方法及系统，包括以下步骤：各客户端基于本地医疗影像数据运用梯度下降法训练原始联邦学习模型作为本地模型，计算本地模型训练梯度信息和本地医疗影像数据的统计量，将本地医疗影像数据的统计量以及本地模型训练梯度信息上传至服务器端；服务器端接收各客户端上传的统计量和信息生成扰动模型；各客户端接收扰动模型并更新本地模型参数；攻击者基于泛化误差导向的对抗优化机制训练替代模型，服务器端依据替代模型的攻击态势和防御反馈更新生成器参数以优化防御；经过攻击者多轮训练替代模型以及服务器端优化防御，评估联邦学习模型抵御替代模型攻击的防御效果，若未达到预期效果，则继续训练。
-
公开(公告)号：CN119874834A
公开(公告)日：2025-04-25
申请号：CN202510054257.3
申请日：2025-01-14
Applicant: 华南理工大学
IPC: C07K7/08 , C12P21/06 , C07K1/16 , C07K1/20 , C07K1/34 , A61K38/01 , A61P25/00 , A61P25/28 , A61P39/06
Abstract: 本发明属于小分子多肽领域，具体涉及一种靶向线粒体的抗氧化海参多肽及其应用。所述的靶向线粒体的抗氧化海参多肽，其氨基酸序列为：NMQTHPTYLGSR，为亲水性多肽；该海参多肽能够直接靶向作用于线粒体，减少线粒体内活性氧的积累，具有优异的靶向线粒体抗氧化功能，而且还具有神经保护活性，能起到预防神经退行性疾病的功效。
-
Patent Agency Ranking
公开(公告)号：CN119864055A
公开(公告)日：2025-04-22
申请号：CN202510355281.0
申请日：2025-03-25
Applicant: 华南理工大学
IPC: G10L25/51 , G10L25/27 , G06F18/2413 , G06F18/23
Abstract: 本发明公开了一种动态多视图融合的语音伪造鉴别方法及装置。所述方法包括以下步骤：根据原始语音信号，获取多视图动态特征数据，构建多视图数据集；采用动态权重聚类集成算法对多视图数据集中的数据进行聚类，生成伪标签；将伪标签与多视图动态特征数据整合，得到第一增强数据集，训练K近邻分类器；利用训练好的K近邻分类器对需要鉴别的语音信号中原始语音信号之外的未见数据点进行预测。本发明采用无监督学习挖掘多视角语音信息，解决了现有方法在泛化、鲁棒及特征利用上的不足。本发明在多数据集上性能卓越，关键指标显著提升，面对不同伪造数据点泛化与鲁棒性强，为语音深度伪造检测提供新路径。
-
公开(公告)号：CN112926989A
公开(公告)日：2021-06-08
申请号：CN202110300807.7
申请日：2021-03-22
Applicant: 华南理工大学
Abstract: 本发明涉及金融风险评估算法领域，尤其涉及一种基于多视图集成学习的金融交易风险评估方法，目的是对金融交易数据(如信用贷款、在线支付)进行信息挖掘，继而对存在风险的交易记录进行识别的金融交易风险评估方法，包括四个步骤：S1：先决条件处理；约定判断标准，而后选择原始样本数据，根据判断标准对样本数据进行初步筛选；S2：基于聚类的视图划分；S3：基于特征分布的视图权重计算；对视图集合内的每一个视图分配决策权重；S4：基于决策树的集成学习算法的集成学习；结合判断标准，得到该视图的基于判断标准下的类别标签。
-
公开(公告)号：CN112700167A
公开(公告)日：2021-04-23
申请号：CN202110047092.9
申请日：2021-01-14
Applicant: 华南理工大学
Abstract: 本发明提供一种基于差分进化的产品质量指标预测方法，所述方法包括：根据差分进化算法对SVM模型进行迭代训练，生成目标SVM模型；获取预测时间窗口内的原始生产数据；对所述原始生产数据进行预处理，生成目标生产数据；将所述目标生产数据输入目标SVM模型进行预测，得到所述预测时间窗口内生产出目标产品的质量指标预测值。本发明有效地解决了工业领域中常见的生产线数据和产品数据采集频率不一致、时间对应关系不明确的问题，避免了传统的依赖人类专家经验而带来预测误差的缺点，并且能够实现自动化寻找最优的时间对应关系，满足了对烧结矿产品质量指标的预测需求。
-
公开(公告)号：CN117635929A
公开(公告)日：2024-03-01
申请号：CN202311459527.6
申请日：2023-11-03
Applicant: 华南理工大学
IPC: G06V10/26 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 本发明公开了一种弱监督语义分割方法、装置及存储介质，属于人工智能及图像处理领域。其中方法包括：获取待处理的输入图像；将所述输入图像输入训练后的语义分割模型，输出分割图像；其中，所述语义分割模型采用转换器作为主干网络，并使用分块对比学习来处理分块间的关系；所述语义分割模型包括至少一个定位支路，所述定位支路包括转换器模块和分块对比模块。本发明提出了一种基于转换器的图像分块对比的弱监督语义分割算法，算法采用转换器作为主干网络并使用分块对比学习来处理分块间的关系，能够实现较高精度的分割效果，从而有效缓解标注困难的问题。
-
公开(公告)号：CN112926989B
公开(公告)日：2023-09-05
申请号：CN202110300807.7
申请日：2021-03-22
Applicant: 华南理工大学
IPC: G06Q40/03 , G06F18/214 , G06F18/23 , G06F18/2415 , G06F18/243 , G06F18/25
Abstract: 本发明涉及金融风险评估算法领域，尤其涉及一种基于多视图集成学习的银行贷款风险评估方法，目的是对金融交易数据(如信用贷款、在线支付)进行信息挖掘，继而对存在风险的交易记录进行识别的金融交易风险评估方法，包括四个步骤：S1：先决条件处理；约定判断标准，而后选择原始样本客户数据，根据判断标准对样本数据进行初步筛选；S2：基于聚类的视图划分；S3：基于特征分布的视图权重计算；对视图集合内的每一个视图分配决策权重；S4：基于决策树的集成学习算法的集成学习；结合判断标准，得到该视图的基于判断标准下的类别标签。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
