一种基于生成对抗网络的偏斜数据训练方法

    公开(公告)号:CN110569919A

    公开(公告)日:2019-12-13

    申请号:CN201910876333.3

    申请日:2019-09-17

    Applicant: 湖南大学

    Abstract: 本发明涉及一种基于生成对抗网络的偏斜数据训练方法。其发明内容主要包括(1)基于混合原型密度聚类算法的稀疏数据聚类方法;(2)基于生成对抗网络的稀疏数据极大似然估计方法;(3)基于极大似然估计样本的偏斜数据填充与训练方法。基于上述方法,改善偏斜数据集的数据偏斜、稀疏数据特征泛化不足等问题,改善模型欠拟合/过拟合问题,提升模型拟合的准确率。

    一种可外包多授权中心的属性基加密方法

    公开(公告)号:CN111698083A

    公开(公告)日:2020-09-22

    申请号:CN202010494444.0

    申请日:2020-06-03

    Applicant: 湖南大学

    Abstract: 本发明涉及一种可外包多授权中心的属性基加密方法。其发明内容主要包括:(1)基于不共谋的双服务器模型的外包计算和身份验证;(2)基于无中央授权中心的多授权中心属性管理。通过将加密的数据存储在云端,多授权中心管理属性,双服务器模型完成外包计算和身份验证,实现数据的安全高效分享。

Patent Agency Ranking