基于图结构学习的社区关系网络挖掘方法、设备和介质

    公开(公告)号:CN118364266A

    公开(公告)日:2024-07-19

    申请号:CN202410537560.4

    申请日:2024-04-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于图结构学习的社区关系网络挖掘方法、设备和介质,包括以下步骤:S1、采集社区中各节点的相关数据,并转化为结构化的嵌入数据;S2、基于所述嵌入数据构建多个关系子图,整合所有的关系子图,将社区关系网络建模为异构图;S3、对所述异构图并行进行多次数据增强,得到相应的增强图,通过共享权重的图神经网络分别提取各增强图的高级特征;S4、基于各增强图的高级特征计算对比损失,通过梯度下降法迭代优化所述异构图,获得最终的社区关系网络挖掘结果。与现有技术相比,本发明可以进一步提高社区关系网络挖掘的准确性。

    面向事件相机的任务系统
    2.
    发明公开

    公开(公告)号:CN117315061A

    公开(公告)日:2023-12-29

    申请号:CN202311064632.X

    申请日:2023-08-23

    Applicant: 同济大学

    Abstract: 本发明提供了一种面向事件相机的任务系统,具有这样的特征,包括:数据加密端和数据云端,其中,数据加密端包括体素网格模块、隐私增强模块和体素过滤模块,体素网格模块用于对事件流数据进行时空体素网格编码,得到体素网格数据,隐私增强模块包含最终隐私增强模型,用于将体素网格数据输入最终隐私增强模型,得到隐私增强体素网格数据,体素过滤模块用于对隐私增强体素网格数据依次进行过滤操作和拆分操作,得到隐私增强事件流数据并将其上传至数据云端。总之,本方法能够很好地兼顾事件相机数据的隐私与下游识别任务的准确率。

Patent Agency Ranking