-
公开(公告)号：CN117171641A
公开(公告)日：2023-12-05
申请号：CN202311124140.5
申请日：2023-09-01
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F18/241 , G06F18/2321 , G06F18/214 , G06N3/0442 , G01D21/02
Abstract: 本发明公开了一种基于改进DBSCAN算法和多尺度LSTM神经网络的气体浓度预测方法，包括：1、获取气体吸收光谱数据、实验环境的温度和湿度数据；2、使用改进DBSCAN聚类算法对原始数据进行筛选构造数据集并进行归一化处理；3、使用特征提取网络提取变量之间的特征并构造多尺度的LSTM神经网络气体浓度预测模型；4、使用气体浓度预测模型和测试集进行预测得到最终预测值。本发明通过对数据进行筛选和异常数据的修正，并根据修正后的数据集构造了多尺度LSTM神经网络，用于实现对气体浓度值的预测，为监测环境中的气体浓度变化提供了依据。
-
公开(公告)号：CN114118601A
公开(公告)日：2022-03-01
申请号：CN202111459013.1
申请日：2021-12-02
Applicant: 安徽大学 , 安徽大学绿色产业创新研究院
Abstract: 本发明公开了一种基于差分隐私保护的随机森林车流预测方法，包括：1、从交通系统中获取车流数据集；2、对车流数据集进行补空值、连续特征离散化以及为每棵决策树分配合理样本等预处理工作；3、随机森林训练前确定树与树之间和每棵树之内的隐私预算、分裂函数、每棵树最大深度以及总训练棵树等参数；4、根据前一步确定的参数训练出全部具有差分隐私保护的回归树；5、将所有差分隐私回归树组合成一个具有差分隐私保护的随机森林；6、将任意一个样本输入森林中得到一个具有差分隐私保护的预测结果。本发明能很好地解决隐私消耗问题、数据安全性问题以及准确率的问题，从而能在隐私消耗比较低的前提下提高车流的预测准确度。
-
公开(公告)号：CN117611949A
公开(公告)日：2024-02-27
申请号：CN202311672668.6
申请日：2023-12-07
Applicant: 安徽大学绿色产业创新研究院
IPC: G06V10/774 , G06F21/62 , G06T11/40 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/098
Abstract: 本发明公开了一种多用户参与的师生训练模型的生成数据方法，其步骤包括：1、多个用户各自获取手写图片数据集；2、每个用户在本地训练教师模型(鉴别器)，并计算损失；3、用户上传损失到中心服务器；4、由中心服务器对本地用户上传的数据进行加噪聚合处理；5、中心服务器将处理好的数据传送到用于训练生成器的公开服务器；6、公开服务器根据中心服务器传输的数据训练学生模型(生成器)，以提供假手写图片数据集。本发明能有效地保护用户隐私，使多个用户参与训练，避免数据孤岛问题，同时训练出能够拟合真实数据的数据集。
-
公开(公告)号：CN117611296A
公开(公告)日：2024-02-27
申请号：CN202311730835.8
申请日：2023-12-15
Applicant: 安徽大学绿色产业创新研究院
IPC: G06Q30/0601 , G06F21/62 , G06N20/00 , G06N5/01
Abstract: 本发明公开了一种差分隐私保护的纵向联邦EBM商品推荐方法，包括：1、主服务器使用消费特征数据集训练EBM推荐模型；2、初始化从服务器编号；3、从服务器使用消费特征数据集训练EBM推荐模型；4、根据迭代次数判定是否结束EBM推荐模型训练。本发明能有效地保护用户消费特征信息，从而能防止用户消费特征信息的泄露以及提供有效的商品推荐。
-
公开(公告)号：CN114118601B
公开(公告)日：2024-02-13
申请号：CN202111459013.1
申请日：2021-12-02
Applicant: 安徽大学 , 安徽大学绿色产业创新研究院
Abstract: 本发明公开了一种基于差分隐私保护的随机森林车流预测方法，包括：1、从交通系统中获取车流数据集；2、对车流数据集进行补空值、连续特征离散化以及为每棵决策树分配合理样本等预处理工作；3、随机森林训练前确定树与树之间和每棵树之内的隐私预算、分裂函数、每棵树最大深度以及总训练棵树等参数；4、根据前一步确定的参数训练出全部具有差分隐私保护的回归树；5、将所有差分隐私回归树组合成一个具有差分隐私保护的随机森林；6、将任意一个样本输入森林中得到一个具有差分隐私保护的预测结果。本发明能很好地解决隐私消耗问题、数据安全性问题以及准确率的问题，从而能在隐私消耗比较低的前提下提高车流的预测准确度。
-
Patent Agency Ranking
-
-
公开(公告)号：CN114117306B
公开(公告)日：2022-07-15
申请号：CN202111443344.6
申请日：2021-11-30
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/958 , G06F16/9535 , G06F21/62 , G06N3/00
Abstract: 本发明公开了一种基于本地化差分隐私保护的多目标推荐方法，其步骤包括：1、从网站上获取访问用户对项目的评分信息得到评分矩阵；2、将评分矩阵映射成01矩阵；3、使用随即响应机制扰动01矩阵；4、对扰动后的01矩阵使用概率传播算法得到权值矩阵；5、根据权值矩阵初始化种群；6、迭代的对种群进行交叉、变异和更新；7、根据迭代后的种群生成多个推荐结果。本发明能有效地保护用户隐私，同时维持推荐准确性和多样性之间的平衡。
-
公开(公告)号：CN114117306A
公开(公告)日：2022-03-01
申请号：CN202111443344.6
申请日：2021-11-30
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/958 , G06F16/9535 , G06F21/62 , G06N3/00
Abstract: 本发明公开了一种基于本地化差分隐私保护的多目标推荐方法，其步骤包括：1、从网站上获取访问用户对项目的评分信息得到评分矩阵；2、将评分矩阵映射成01矩阵；3、使用随即响应机制扰动01矩阵；4、对扰动后的01矩阵使用概率传播算法得到权值矩阵；5、根据权值矩阵初始化种群；6、迭代的对种群进行交叉、变异和更新；7、根据迭代后的种群生成多个推荐结果。本发明能有效地保护用户隐私，同时维持推荐准确性和多样性之间的平衡。
-
公开(公告)号：CN117726494A
公开(公告)日：2024-03-19
申请号：CN202311752035.6
申请日：2023-12-19
Applicant: 安徽大学绿色产业创新研究院
IPC: G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于Vision Transformer网络的图像隐藏方法，其步骤包括：1、训练集处理；2、隐藏器网络和提取器网络训练；3、构建损失函数；4、得到训练后的图像隐藏器和提取器，用于实现对输入图像的隐藏和提取。本发明可以确保在数据传输、存储或共享过程中隐私信息不被未授权者获取，在网络通信或数据交换中保障敏感信息的安全性；也可以用于图像的版权保护或身份验证，使得图像具有独特的标识，以防止盗版或非授权使用。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.042 seconds)
