公开(公告)号：CN119830129A

公开(公告)日：2025-04-15

申请号：CN202411887984.X

申请日：2024-12-20

Applicant: 河北工业大学

Inventor： 牛炳鑫 ,  苗瑞恒 ,  余珂欣 ,  杨亮 ,  贾永娜 ,  马子艺 ,  汪梦竹

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/2136

Abstract: 本发明公开了基于稀疏扰动联邦学习的车路协同异构场景数据优化方法，包括以下步骤：中央服务器初始化联邦学习设置；中央服务器随机选取一组边缘节点作为本轮训练参与方，并向这些边缘节点发送当前的全局模型；参与本轮训练的边缘节点使用自身训练数据进行模型训练，期间对模型参数进行稀疏扰动实现轻量级的锐度感知最小化，并通过参数修正更新下次迭代的本地模型；将各边缘节点训练好的本地模型参数上传到中央服务器；中央服务器聚合收到的模型参数，生成新的全局模型并下发，直至完成所有轮次的训练。本发明可以在车路协同数据异构场景下提高全局模型平坦性，增强模型的泛化能力和鲁棒性，并有效控制因采用锐度感知最小化而导致的计算成本增加。

公开(公告)号：CN115271214A

公开(公告)日：2022-11-01

申请号：CN202210913400.6

申请日：2022-07-28

Applicant: 河北工业大学

Inventor： 杨亮 ,  周文淼 ,  彭玮航 ,  石润杰 ,  贾永娜 ,  张亚娟 ,  牛炳鑫 ,  顾军华

IPC: G06Q10/04 ,  G06F16/9537 ,  G06F16/2458 ,  G06F17/18 ,  G06F17/16 ,  G06N3/04

Abstract: 本发明为基于拓扑与属性独立性约束的网站流量预测方法及系统，该方法获取网站的历史流量数据并转换为网站流量图数据，网站流量图数据的节点表示该网站中的一个网页，边表示网页之间的链接关系，从网站流量图数据中获取节点属性信息和图拓扑信息；接着，基于图卷积神经网络构建网站流量预测模型的目标函数，以希尔伯特‑施密特独立性准则或向量1‑范数作为属性与拓扑间的独立性约束条件，对目标函数求最优解，得到属性表征和拓扑表征的迭代公式，收敛后的属性表征与拓扑表征按行拼接在一起，得到模型的输出。对属性和拓扑信息进行独立性约束，避免属性与拓扑信息融合时，两者存在的相互干扰，同时充分提取网站流量图数据中的低频和高频信息。

公开(公告)号：CN119939421A

公开(公告)日：2025-05-06

申请号：CN202510001721.2

申请日：2025-01-02

Applicant: 河北工业大学

Inventor： 杨亮 ,  李振娜 ,  禚佳明 ,  马子艺 ,  汪梦竹 ,  贾永娜 ,  靳瑞勇 ,  卢金禹 ,  董纪悦

IPC: G06F18/2431 ,  H04L41/142 ,  H04L41/16 ,  G06F18/214 ,  G06F18/21 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明属于信息安全技术领域，具体是一种基于联合增广图对比学习的认知安全设备状态识别方法。首先，获取互联网的设备信息，将设备信息转换成图数据，提取图数据的邻接矩阵和节点属性矩阵；接着，将节点视为属性节点，利用图数据的节点属性矩阵和邻接矩阵生成属性插值图；对属性插值图进行谱增广，生成两个增广图；然后，构建状态识别模型，基于图对比学习对状态识别模型进行训练，将不同增广图的对应节点作为正样本对，其余所有节点作为负样本对，图对比学习的目标是最大化正样本对之间的相似性，同时最小化负样本对之间的相似性；最后，获取目标设备信息并转换为图数据，利用该图数据生成两个增广图并输入到训练后的状态识别模型中进行预测。在扰动过程中充分考虑节点属性与拓扑结构之间的关联性，保留了图数据中蕴含的深层语义信息，显著提升了图数据的完整性和表达能力，有效提高了识别准确率。

公开(公告)号：CN118625380A

公开(公告)日：2024-09-10

申请号：CN202410902723.4

申请日：2024-07-08

Applicant: 河北工业大学

Inventor： 贾永娜 ,  刘星 ,  杨赫博 ,  陈燃 ,  杨亮

IPC: G01V1/28

Abstract: 本发明公开了一种基于频域门控Transformer网络的地震数据重建方法。本发明对Transformer层的自注意力模块和前馈网络模块进行了改进，改进后的Transformer层称为频域门控Transformer层，将频域门控Transformer层应用于残差结构中。通过这种方式，网络可以自适应地提取地震图像低频分量中重要的全局结构特征和地震图像高频分量中重要的纹理细节特征，有效解决了目前深度学习插值方法中对地震图像低频分量中全局结构特征和地震图像高频分量中纹理细节特征利用不足的问题。

公开(公告)号：CN117972211A

公开(公告)日：2024-05-03

申请号：CN202410192295.0

申请日：2024-02-21

Applicant: 河北工业大学

Inventor： 杨亮 ,  崔灿 ,  禚佳明 ,  贾永娜 ,  牛丙鑫

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q30/0601 ,  G06Q50/00 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种自适应高阶差分负采样图对比学习的用户推荐方法及系统，该方法首先获取用户网络数据，并将用户网络数据转换为图数据；然后，基于图神经网络构建用户推荐模型，将图数据的节点属性矩阵和邻接矩阵作为模型输入，模型输出节点表征，各节点表征再经过多层感知机映射为各节点的预测结果；最后，对用户推荐模型进行训练，根据基于自适应高阶差分负采样策略的图对比学习损失函数计算损失；在实际应用中，将待预测的用户数据转换为图数据，将图数据的邻接矩阵与节点属性矩阵输入到训练后的用户推荐模型中，模型输出各节点的预测结果，根据预测结果实现用户推荐。该方法利用目标节点与其邻居节点之间的高阶关系相似度为不同的负样本分配不同的权重，可自适应学习不同同配率的数据集，同时可减少假正负样本对模型训练的干扰。

公开(公告)号：CN114169504B

公开(公告)日：2024-04-16

申请号：CN202111503170.8

申请日：2021-12-10

Applicant: 河北工业大学

Inventor： 顾军华 ,  李鑫航 ,  杨亮 ,  张亚娟 ,  牛炳鑫 ,  郑子辰 ,  李宁宁

IPC: G06N3/082 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明为基于自适应滤波的图卷积神经网络池化方法，该方法提出了自适应滤波图卷积神经网络SFGCN和自适应滤波图卷积神经网络的池化操作SFGPool，SFGCN具有低通滤波器、高通滤波器和带通滤波器，对池化操作的输入进行了增强，相比于传统的图卷积网络，补充了中频和高频信息，防止信息丢失从而增强了网络的拟合能力；自适应滤波图卷积神经网络引入两个可学习参数，能在训练过程中对滤波器的频率特性进行自适应调节，对于不同的图分类任务可通过可学习参数控制每个频段的贡献。

公开(公告)号：CN112884045B

公开(公告)日：2022-12-20

申请号：CN202110208919.X

申请日：2021-02-25

Applicant: 河北工业大学

Inventor： 杨亮 ,  栗位勋 ,  顾军华 ,  贾永娜 ,  张亚娟 ,  牛丙鑫

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为基于多视角的随机删边嵌入模型的分类方法，该分类方法从两个视角分别是一阶邻居的编码和图扩散分布的各自的特殊通道和他们两个共享权重通道对其进行随机删边操作求和分别做KL散度，两个独特通道和共享权重通道再结合图注意力自适应权重嵌入可以实现最佳性能。基于随机删除边的思想对邻接矩阵和图扩散进行了节点增强，防止过拟合和过平滑增强模型的深度和嵌入能力，提高分类效果及分类速度。

公开(公告)号：CN112148931B

公开(公告)日：2022-11-04

申请号：CN202011045034.4

申请日：2020-09-29

Applicant: 河北工业大学

Inventor： 杨亮 ,  栗位勋 ,  王悦雪 ,  张亚娟 ,  顾军华

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种用于高阶异构图分类的元路径学习方法，包括以下步骤：步骤1、在多通道模式下构建多条元路径，得到第L层的邻接矩阵A(L)；步骤2、对元路径进行信息补全，得到邻接矩阵A(L2)；步骤3、将邻接矩阵A(L2)的每个通道分别进行GCN聚类运算得到优化目标Z，以此完成整个元路径的学习。本方法能够学习出潜在的元路径信息，也就是把原本比较零散短小的元路径数据，经过模型的学习得到信息丰富、路径更长的元路径；在得到中间邻接矩阵后，在中间邻接矩阵的每一片上进行分类运算，使得分类结果更加准确。

公开(公告)号：CN114386600A

公开(公告)日：2022-04-22

申请号：CN202210034393.2

申请日：2022-01-13

Applicant: 河北工业大学

Inventor： 顾军华 ,  郑子辰 ,  杨亮 ,  牛炳鑫 ,  张亚娟 ,  陈成 ,  周文淼

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明为基于自适应结构和位置编码的网络表征方法，首先提取原始网络图中节点的特征信息和结构信息，并从原始网络图中得到两个子网络图和对应的邻接矩阵；其次，采用随机游走方式对原始网络图的位置编码进行初始化；接着，原始网络图的特征矩阵和两个子网络图的邻接矩阵分别输入到两个结构编码器中，得到两个子网络图的节点级表征；然后，将初始化后的位置编码经过两次位置编码器，得到两个基于注意力的位置编码；最后，将两个子网络图对应的节点级表征和基于注意力的位置编码分别按照维度为1拼接在一起，再经过全连接层映射为原始网络图的网络表征。该方法将网络图的位置编码和结构编码融合，使得网络表征将既包含结构信息，又包含位置信息。

公开(公告)号：CN110149556B

公开(公告)日：2021-05-04

申请号：CN201910416747.8

申请日：2019-05-20

Applicant: 河北工业大学

Inventor： 顾军华 ,  李晓雪 ,  杨亮 ,  谢志坚 ,  田泽培 ,  陈博 ,  佘士耀 ,  张亚娟

IPC: H04N21/442 ,  H04N21/466 ,  H04N21/45

Abstract: 本发明公开了一种基于TDC‑LDA模型的IPTV用户行为模式挖掘方法，该方法首先用概率生成模型的思想来假设用户具体行为模式中的观看的节目、观看的时间点和观看时长的生成过程，建立TDC‑LDA模型；其次，用Gibbs采样的方式进行模型拟合，推导隐变量条件概率的采样公式以及用户‑行为模式矩阵、兴趣主题‑节目矩阵和时段‑时间点矩阵的计算公式；然后，根据TDC‑LDA模型的Gibbs采样过程，得到每一个用户的行为模式矩阵、兴趣主题‑节目矩阵和时段‑时间点矩阵；最后，通过用户的收视行为模式分布，给用户做出推荐。本发明提出了一种新的TDC‑LDA用户收视行为模式挖掘模型，在现有的cLDA模型的基础上加入了观看时长信息。