一种图数据分布式存储方法及装置

    公开(公告)号:CN116501739A

    公开(公告)日:2023-07-28

    申请号:CN202310476159.X

    申请日:2023-04-27

    Abstract: 本申请公开了一种图数据分布式存储方法,该方法首先对RDF本体数据进行Jena解析,根据类之间的关系生成关系树并构建关系模型,根据关系模型中关系树的层级结构定义顶点间的距离相似性、结构相似性以及属性相似性,计算顶点间的语义相似性,并通过语义相似性得到相应的语义连贯性,最后采用图划分算法对语义连贯性进行最大化划分得到划分结果。在静态划分阶段,用树形结构表示本体概念之间的关系,构建类和属性的关系模型,使RDF数据编码嵌入本体的语义信息,通过计算本体结构中类的相似度,寻求最大化语义连贯性的分区方案。

    面向工业互联网的B5G/6G网络切片认证方法

    公开(公告)号:CN116233843A

    公开(公告)日:2023-06-06

    申请号:CN202310211008.1

    申请日:2023-03-07

    Inventor: 马文平 任洁 杨琦

    Abstract: 本发明公开了一种面向工业互联网的B5G/6G网络切片认证方法,主要解决现有技术中网络切片认证流程和证书管理复杂及开销大的问题。其实现方案为:第三方密钥生成中心采用无证书的方式生成基于用户设备身份标识的签名私钥;用户设备根据自己的业务需求选择合适的切片;用户设备发起对选择切片的连接请求,并基于SM2数字签名算法对请求消息签名;选择切片对用户设备的请求进行验证,协商与用户设备的会话密钥,将验证成功的响应消息用该会话密钥加密,发送给用户设备;用户设备解密响应消息完成认证。本发明无需证书,提高了签名速度,简化了切片和用户设备的认证流程,降低了通信和计算开销,可用于工业互联网中的B5G/6G网络。

    基于掩码卷积神经网络的植物叶片病害识别方法

    公开(公告)号:CN111369540A

    公开(公告)日:2020-07-03

    申请号:CN202010150980.9

    申请日:2020-03-06

    Abstract: 本发明公开了一种基于掩码卷积神经网络的植物叶片病害识别方法,主要解决现有技术识别植物叶片病害准确率低的问题。其方案是:对原数据集进行增强和扩充,得到训练集和测试集;对训练集和测试集进行语义分割得到相应的掩码集;在该模型的全卷积层和掩码分支之间增加病害特征筛选模块,将训练集和掩码集输入到网络中进行训练,得到目标分类和目标检测的结果;将目标分类结果中属于病害叶片的特征图作为掩码分支的输入,多次迭代后得到训练后的模型;将测试集输入该模型,对叶片进行目标分类和目标检测,并对属于病害类别的叶片进行分割。本发明在传统方法的基础上提升了叶片病害识别的准确率,可用于农业种植中植物病害叶片识别和分割。

Patent Agency Ranking