一种基于全局和局部特征模糊融合的人脸识别方法及装置

    公开(公告)号:CN108268814A

    公开(公告)日:2018-07-10

    申请号:CN201611254002.9

    申请日:2016-12-30

    Abstract: 本发明公开一种基于全局和局部特征模糊融合的人脸识别方法,其包括:步骤a:将人脸数据库中每一类人脸图像划分为训练样本图像集和测试样本图像集;步骤b:分别对由训练样本图像集和测试样本图像集组成的人脸图像集进行预处理,得到人脸标准图像;步骤c:求训练样本的全局和局部估计特征向量;步骤d,求训练样本隶属度Sigmond函数的中心值和宽度;步骤e,求测试样本图像集全局和局部特征向量;步骤f,求测试样本全局和局部特征通道的隶属度矩阵;步骤g,计算到判别隶属度矩阵;步骤h,对测试图像集进行识别分类。这样,可以提高识别正确率,有效避开有关因素变化的干扰,有利于提高识别的鲁棒性和准确性,降低时间复杂度和计算复杂度。

    一种基于随机和置换相结合的身份证号码脱敏方法及装置

    公开(公告)号:CN108154044A

    公开(公告)日:2018-06-12

    申请号:CN201611104722.7

    申请日:2016-12-05

    Abstract: 本发明公开一种基于随机和置换相结合的身份证号码脱敏方法,其包括:步骤S1:读取原始身份证号码,将号码按照出生地址、出生日期和出生顺序来分类存放;步骤S2:定义身份证前十七位数字所代表含义的取值范围;步骤S3:成新的地址码;步骤S4:生成新的出生日期码;步骤S5:生成新的顺序码;步骤S6:计算新的校验码;步骤S7:由以上18位新的数字组合成新的、已脱敏的身份证号码;还公开了一种与基于随机和置换相结合的身份证号码脱敏方法相对应的装置。这样,基于随机和置换相结合的身份证号码脱敏方法和装置有效地隐蔽真实的身份证信息,既保护了用户隐私,又保证了数据质量,更大限度地减少了对后续的数据使用、数据分析需求造成的影响。

    一种基于属性的异常数据检测方法和装置

    公开(公告)号:CN108268467B

    公开(公告)日:2021-08-06

    申请号:CN201611254436.9

    申请日:2016-12-30

    Abstract: 本发明提供一种基于属性的异常数据检测方法和装置,该方法包括步骤S1:数据属性的预处理;步骤S2:分析数据对象的各种属性,对数据进行异常检测;步骤S3:利用异常标记数组对数据集进行分离,将异常数据从原始数据集中移动到异常数据集中,并输出。与现有技术相比:本发明提供了一种基于属性的异常数据检测方法和装置,融合了基于距离的异常数据检测方法和基于密度的异常数据检测方法,适用于复杂数据的检测,提高了检测的效率,简化了参数的设置,避免了基于密度的异常数据的检测方法的只能检测局部异常数据的局限性,保证了异常数据检测的准确率,方便了用户的使用。

    一种基于决策树的图像自动标注方法和装置

    公开(公告)号:CN108182443B

    公开(公告)日:2020-08-07

    申请号:CN201611122143.5

    申请日:2016-12-08

    Abstract: 本发明提供了一种基于决策树的图像自动标注方法和装置。该装置包括:输入单元、预处理单元、分割提取单元、标注概率计算单元、生成树单元、词间相关性计算单元和选择关键词单元。与现有技术比较本发明的有益效果在于:对于一些获取的模糊图像进行修复,使得图像语义自动标注技术适用范围更广;更加全面地提取了图像底层特征,采用全局特征和局部特征来反映图像的真实视觉内容,提高图像语义自动标注的准确性;全局特征采用主成分分析的尺度不变特征,提高运算效率,特别是对于高维图像;解决了海量图像集的不可测量性,将图像标注问题转化为了分类问题进行标注,提高了传统模型的标注性能。

    一种敏感数据识别和脱敏的装置及方法

    公开(公告)号:CN108268785B

    公开(公告)日:2020-05-22

    申请号:CN201611254013.7

    申请日:2016-12-30

    Abstract: 本发明提供一种敏感数据识别和脱敏的装置及方法,其装置包括:输入单元,用于响应当前触发的数据脱敏请求,获取待脱敏的目标数据;识别单元,用于识别待脱敏的目标数据是否为敏感数据,若是,则执行数据脱敏单元,否则直接执行输出单元;所述数据脱敏单元,用于对已识别为敏感数据的目标数据执行脱敏操作;所述输出单元,用于输出处理后不具敏感性的目标数据。本发明的有益效果在于,利用NBM建立分类器实现对敏感数据的识别,避免对非敏感数据进行脱敏操作造成的运算负担;采用变形和交换相结合的方法对敏感数据脱敏,只需对敏感数据中的小部分数据记录按照脱敏规则进行数据变形,再利用交换实现对所有数据的脱敏,大大减少了运算量。

    一种基于数字签名的数据安全传输方法及装置

    公开(公告)号:CN108270719A

    公开(公告)日:2018-07-10

    申请号:CN201611254437.3

    申请日:2016-12-30

    Abstract: 本发明提供一种基于数字签名的数据安全传输方法及装置,其装置包括触发单元、数据发送单元和数据接收单元;所述触发单元,用于响应当前触发的数据传输请求;所述数据发送单元,用于将所述目标数据从第一客户端发送到所述第二客户端;所述数据接收单元,用于接收从所述第一客户端发来的目标数据。本发明的有益效果在于,所述触发单元对所述第一客户端访问数据库的权限进行判断,保证了数据访问的安全,对所述第二客户端标识符指向的位置信息合法性进行判断,提高了数据传输的效率;所述第二客户端根据附加的数字签名确认数据来源的安全和数据的完整性,从而保证了数据在传输过程中的安全性。

    一种基于爬虫技术与购物分析相结合的目标营销方法及装置

    公开(公告)号:CN108269102A

    公开(公告)日:2018-07-10

    申请号:CN201611253992.4

    申请日:2016-12-30

    Abstract: 本发明公开一种基于爬虫技术与购物分析相结合的目标营销方法,其包括:步骤a:购物篮分析:对电子商务网站内所有用户的购物篮数据进行关联挖掘;步骤b:网络爬虫分析:对网页进行分析,提取网页关键字;步骤c:关键字与关联规则匹配;步骤d,将相关产品信息向用户推送;还公开了一种与基于爬虫技术与购物分析相结合的目标营销方法相对应的装置。这样,本方法和装置实现了基于网络爬虫和购物篮分析的目标营销,针对只用购物篮分析无法定位消费者的具体需求的不足,在该基础上添加网络爬虫技术来判断消费者感兴趣的产品,从而实现对某些特定产品的营销。

    一种基于属性的异常数据检测方法和装置

    公开(公告)号:CN108268467A

    公开(公告)日:2018-07-10

    申请号:CN201611254436.9

    申请日:2016-12-30

    Abstract: 本发明提供一种基于属性的异常数据检测方法和装置,该方法包括步骤S1:数据属性的预处理;步骤S2:分析数据对象的各种属性,对数据进行异常检测;步骤S3:利用异常标记数组对数据集进行分离,将异常数据从原始数据集中移动到异常数据集中,并输出。与现有技术相比:本发明提供了一种基于属性的异常数据检测方法和装置,融合了基于距离的异常数据检测方法和基于密度的异常数据检测方法,适用于复杂数据的检测,提高了检测的效率,简化了参数的设置,避免了基于密度的异常数据的检测方法的只能检测局部异常数据的局限性,保证了异常数据检测的准确率,方便了用户的使用。

    一种基于决策树的图像自动标注方法和装置

    公开(公告)号:CN108182443A

    公开(公告)日:2018-06-19

    申请号:CN201611122143.5

    申请日:2016-12-08

    Abstract: 本发明提供了一种基于决策树的图像自动标注方法和装置。该装置包括:输入单元、预处理单元、分割提取单元、标注概率计算单元、生成树单元、词间相关性计算单元和选择关键词单元。与现有技术比较本发明的有益效果在于:对于一些获取的模糊图像进行修复,使得图像语义自动标注技术适用范围更广;更加全面地提取了图像底层特征,采用全局特征和局部特征来反映图像的真实视觉内容,提高图像语义自动标注的准确性;全局特征采用主成分分析的尺度不变特征,提高运算效率,特别是对于高维图像;解决了海量图像集的不可测量性,将图像标注问题转化为了分类问题进行标注,提高了传统模型的标注性能。

    一种基于KNN算法的半结构化数据分类方法及装置

    公开(公告)号:CN108268458B

    公开(公告)日:2020-12-08

    申请号:CN201611253977.X

    申请日:2016-12-30

    Abstract: 本发明公开一种基于KNN算法的半结构化数据分类方法及装置,该方法包括:步骤S1,将训练集中的所有训练半结构化数据都表示成计算机能够识别的数据向量;步骤S2,得到该类别的类中心向量;步骤S3,接收测试半结构化数据后,将所述测试半结构化数据表示为所述数据向量;步骤S4,计算所述测试半结构化数据与训练集中每个类的类中心向量的距离;步骤S5,计算对应的相似度;步骤S6,将所述测试半结构化数据归类为与其相似度最大的类中;该装置包括对应的训练转换单元、类中心向量计算单元、测试转换单元、距离计算单元、相似度计算单元和分类单元。这样,引入测试半结构化数据与训练半结构化数据所在类的相似性,使得分类结果准确,且提高了分类精度。

Patent Agency Ranking