公开(公告)号：CN119199893A

公开(公告)日：2024-12-27

申请号：CN202411607068.6

申请日：2024-11-12

Applicant: 南京邮电大学

Inventor： 李剑 ,  曹璐 ,  冷雨轩 ,  王琴

IPC: G01S17/894 ,  G01S7/48

Abstract: 本发明公开了一种单光子激光雷达的深度成像方法及系统，该方法根据目标物体每个像素处的光子计数分布及噪声建立基于各向同性全变分和各向异性全变分的正则化去噪模型，计算目标物体的反射率估计值，对缺少光子飞行时间的像素进行补零并剔除噪声光子，对剔除噪声的信号光子利用正则化去噪模型计算目标物体的深度估计值，恢复出深度图，实现三维重建。本发明能够在光子数较少且存在噪声干扰的情况下，高效高质量地进行深度重建。

公开(公告)号：CN108470052A

公开(公告)日：2018-08-31

申请号：CN201810200894.7

申请日：2018-03-12

Applicant: 南京邮电大学

Inventor： 张涵峰 ,  陈蕾 ,  周宇轩 ,  曹璐 ,  张冯崇

IPC: G06F17/30 ,  G06F17/16

Abstract: 本发明公开了一种基于矩阵补全的抗托攻击推荐算法，首先统计用户对项目的评分，提取用户的属性特征和项目的属性特征，分别构建用户-项目评分矩阵，用户属性特征矩阵和项目属性特征矩阵；然后将用户-项目评分矩阵中的托攻击评分建模为矩阵补全模型中的结构化噪声；然后采用分块坐标下降算法对各变量进行迭代更新，求得结构化行噪声矩阵；随后根据结构化行噪声矩阵剔除用户-项目评分矩阵中的托攻击评分；最后使用传统推荐算法进行评分预测，求得预测评分矩阵。本发明提供的推荐算法能够有效地检测出推荐系统中的托攻击用户，在托攻击干扰下可取得比传统推荐算法更精确的个性化评分预测效果，有效提高了推荐算法的鲁棒性。

公开(公告)号：CN108470052B

公开(公告)日：2021-03-19

申请号：CN201810200894.7

申请日：2018-03-12

Applicant: 南京邮电大学

Inventor： 张涵峰 ,  陈蕾 ,  周宇轩 ,  曹璐 ,  张冯崇

IPC: G06F16/9535 ,  G06F17/16

Abstract: 本发明公开了一种基于矩阵补全的抗托攻击推荐算法，首先统计用户对项目的评分，提取用户的属性特征和项目的属性特征，分别构建用户‑项目评分矩阵，用户属性特征矩阵和项目属性特征矩阵；然后将用户‑项目评分矩阵中的托攻击评分建模为矩阵补全模型中的结构化噪声；然后采用分块坐标下降算法对各变量进行迭代更新，求得结构化行噪声矩阵；随后根据结构化行噪声矩阵剔除用户‑项目评分矩阵中的托攻击评分；最后使用传统推荐算法进行评分预测，求得预测评分矩阵。本发明提供的推荐算法能够有效地检测出推荐系统中的托攻击用户，在托攻击干扰下可取得比传统推荐算法更精确的个性化评分预测效果，有效提高了推荐算法的鲁棒性。