-
公开(公告)号:CN114421499B
公开(公告)日:2024-08-30
申请号:CN202210107628.6
申请日:2022-01-28
Applicant: 南京财经大学
Abstract: 本发明公开了一种多区域负荷频率系统的攻击重构与弹性控制方法,其中,S1:建立无网络攻击下多区域电力系统的负荷频率控制数学模型;S2:建立DoS攻击和FDI攻击的数学模型;S3:构造状态观测器、攻击观测器的数学模型,联合估计系统状态和FDI攻击,考虑两者的影响,构造具有攻击补偿的控制器;S4:考虑DoS攻击和FDI攻击的影响,建立混合攻击下多区域电力系统负荷频率控制数学模型;S5:设计满足H∞性能指标的多区域电力系统负荷频率控制系统的控制器设计准则,得到具有攻击补偿功能的控制器增益矩阵K、状态观测器增益矩阵G和攻击观测器增益矩阵L。本发明所述的控制方法在DoS和FDI混合攻击下,保证了多区域电力系统的频率稳定、安全及可靠运行。
-
公开(公告)号:CN118410840A
公开(公告)日:2024-07-30
申请号:CN202410516751.2
申请日:2024-04-28
IPC: G06N3/0495 , G06N3/045 , G06N3/098 , H04L67/10 , H04L69/04
Abstract: 本发明公开了一种联邦学习客户端通信压缩方法、客户端装置及联邦学习系统,方法包括:在当前迭代轮次下,从服务器接收最新模型wi,通过多次训练完成局部训练,得到模型wi′;使用wi与上一次参与训练保存的模型w0的差值,和当前参与训练的迭代轮次ti与上次参与训练时的迭代轮次t0的差值,求比值获得全局更新梯度预估值#imgabs0#根据wi′与wi的差值,获得模型的训练梯度gi;使用#imgabs1#和gi求得梯度的贡献度Wi;基于当前迭代轮数的梯度的贡献度大小,完成梯度矩阵稀疏化,将稀疏化后的梯度上传至服务器。本发明考虑用户偏移程度,能够在减少通信代价的同时,缓解数据非独立同分布对于模型收敛的稳定性和最终性能的影响。
-
公开(公告)号:CN113592379B
公开(公告)日:2024-05-14
申请号:CN202110710054.7
申请日:2021-06-25
Applicant: 南京财经大学 , 云境商务智能研究院南京有限公司
IPC: G06Q10/083 , G06F18/214 , G06F18/2411
Abstract: 本发明公开了一种散粮集装箱物流运输环境异常检测的关键特征识别方法,首先构建异常识别的数据样本集、关键特征排序集,初始化特征集合指标集;然后构建训练样本集,训练线性分类模型SVM‑train,计算排序系数;接着找出获取排序系数最大的特征,并从特征集合指标集中消除该特征,更新特征集合指标集和关键特征排序集,直至特征集合指标集为空集;本发明提供的关键特征识别方法使用递归特征消除方法每次迭代删除得分最高的权值系数对应的特征,使线性SVM模型在剩余特征子集上训练得到的间隔最大化,能够快速识别散粮集装箱物流运输环境状态相关的“关键特征”,并得到所有特征对散粮集装箱物流运输环境状态影响的排名。
-
公开(公告)号:CN116824604A
公开(公告)日:2023-09-29
申请号:CN202311100459.4
申请日:2023-08-30
Applicant: 江苏苏宁银行股份有限公司 , 南京财经大学
IPC: G06V30/19 , G06V30/146 , G06F16/16
Abstract: 本发明提供一种基于图像处理的金融数据管理方法及系统,调取预设识别图层叠加在目标票据上方,根据对齐策略和定位线将预设识别图层与目标票据对齐,并基于识别目标区提取对应各维度标签的第一文本信息;调取与维度标签对应的文本效验策略对第一文本信息进行效验;根据一类归类模型生成与各第二维度标签对应的一类总节点以及一级文件夹,并基于第二维度标签的归类区间生成多个一类子节点以及二级文件夹,根据一类总节点和一类子节点生成与第二维度标签对应的一类管理树;对用户的融合需求信息进行解析得到融合维度信息,按照顺序对融合维度信息依次排序得到顺位维度序号,基于融合策略和顺位维度序号对一类管理树进行融合处理,得到二类管理树。
-
公开(公告)号:CN110929888B
公开(公告)日:2023-05-05
申请号:CN201911077982.3
申请日:2019-11-06
Applicant: 南京财经大学
IPC: G06N20/10 , G06F18/2411 , G06F18/214 , G06Q10/04 , G06Q50/02
Abstract: 本发明涉及一种粮食作物病害预测方法,尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法,属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上,扩展了高斯核函数的参数,提出的多尺度高斯核支持向量机,能够对其中的核函数参数随机化赋值,提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明,与传统单尺度高斯核函数的支持向量机相比,该方法不仅能够提升大豆病害数据预测的精度,学习模型参数选取的时间仅需传统SVM高斯核方法的不到1%的时间。
-
公开(公告)号:CN115658942A
公开(公告)日:2023-01-31
申请号:CN202211346701.1
申请日:2022-10-31
Applicant: 南京财经大学 , 江苏省联合征信有限公司
IPC: G06F16/532 , G06N3/0464 , G06N3/08 , G06Q40/06 , G06V10/82 , G06V30/18
Abstract: 一种面向金融场景的联合征信智能化数据检索方法,首先使用vgg16模型对联合征信的图像特征进行提取,使用Gloves对联合征信的文本进行特征提取,映射到子空间中,同时由迁移学习中借鉴约束损失,通过模态对抗损失,令分类器在模态间不能区分文本和图像特征之间的区别,金融场景的联合征信的文本和图像特征融为一体,使特征相似的文本和图像聚在一起;最后由单一的金融场景的联合征信文本数据输入,检索相关联的联合征信图片数据与文本数据,或是输入一张联合征信的图片数据,检索出相关联的联合征信图片信息与文本信息。
-
公开(公告)号:CN113674045B
公开(公告)日:2022-08-26
申请号:CN202110401328.4
申请日:2021-04-14
Applicant: 南京财经大学
IPC: G06Q30/06 , G06F16/903 , G06F17/11 , G06F17/16
Abstract: 本发明公开一种基于区间分割的电商水军识别方法,步骤是:使用Z‑score对初始数据进行标准化;计算出每个商品正确的评分区间,在该区间内的评分被认为是合理的,反之不合理;计算出各个用户评分的准确率和极差;计算出用户的各个评分到对应商品正确评分区间的距离和,并结合用户评分的准确率和极差,计算出来用户的信誉。最后,选择前N个低信誉用户作为水军。我们在三个数据集(MoiveLens、Netflix和Amazon)上测试了该方法,结果表明该方法在计算用户信誉和识别水军方面表现良好,具有较高的准确性和鲁棒性,且可扩展性强。
-
公开(公告)号:CN114511332A
公开(公告)日:2022-05-17
申请号:CN202111309484.4
申请日:2021-11-06
Applicant: 南京财经大学
Abstract: 本发明公开一种基于多层图卷积神经网络的电商反欺诈方法,步骤是:基于用户对商品的评论内容,获取用户评论内容特征和用户评论行为特征;将对同一商品进行评价的用户构造边,形成图结构,从而得到用户‑评论图结构;将连续登录评论超过七天的用户标记为高度怀疑欺诈用户,其余标记为普通用户;训练图卷积模型,学习图节点特征和图结构;使用训练好的图卷积模型对测试集进行识别,输出测试集预测结果;多次改变隐藏层神经元数目或激活函数,使用改变后的图卷积模型再次识别,输出预测结果;基于多次预测结果,将检测准确率最高的模型确定为最终的图卷积模型。此种方法能够实现对高度伪装的欺诈者的识别,提高对欺诈者的识别精度。
-
公开(公告)号:CN114421499A
公开(公告)日:2022-04-29
申请号:CN202210107628.6
申请日:2022-01-28
Applicant: 南京财经大学
Abstract: 本发明公开了一种多区域负荷频率系统的攻击重构与弹性控制方法,其中,S1:建立无网络攻击下多区域电力系统的负荷频率控制数学模型;S2:建立DoS攻击和FDI攻击的数学模型;S3:构造状态观测器、攻击观测器的数学模型,联合估计系统状态和FDI攻击,考虑两者的影响,构造具有攻击补偿的控制器;S4:考虑DoS攻击和FDI攻击的影响,建立混合攻击下多区域电力系统负荷频率控制数学模型;S5:设计满足H∞性能指标的多区域电力系统负荷频率控制系统的控制器设计准则,得到具有攻击补偿功能的控制器增益矩阵K、状态观测器增益矩阵G和攻击观测器增益矩阵L。本发明所述的控制方法在DoS和FDI混合攻击下,保证了多区域电力系统的频率稳定、安全及可靠运行。
-
公开(公告)号:CN113886715A
公开(公告)日:2022-01-04
申请号:CN202111285010.0
申请日:2021-11-01
Applicant: 南京财经大学
IPC: G06F16/9536 , G06F16/901 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明涉及一种好友推荐方法及系统。所述好友推荐方法包括:根据现有的用户关系构建有向图,所述有向图的节点表征用户,获取每个节点的节点表征向量;根据节点的邻接关系,获取每个节点的PageRank中心性;根据节点的PageRank中心性和节点表征向量预测用户成为好友的概率对用户进行好友推荐。本申请提供的好友推荐方法可以很好的解决传统链路预测方法在节点表征过程中只考虑了低阶结构的缺陷,可以对表示用户的节点进行链路预测从而实现好友推荐的功能。
-
-
-
-
-
-
-
-
-