-
公开(公告)号：CN115116213B
公开(公告)日：2023-08-22
申请号：CN202210549002.0
申请日：2022-05-20
申请人： 华南理工大学
摘要： 本发明公开了一种基于改进全连接神经网络的车联网信任管理方法，首先使用交通仿真模拟平台收集路况信息生成训练数据集，并将数据集中的特征信息划分为数据信任和实体信任两类训练特征，然后将训练完成的网络模型部署到车载单元中，车载单元可对进行交互的节点进行判断，并根据判断结果改变对方的信任值，当信任值低于设定阈值后，节点将无法正常通信，从而实现了车联网的信任管理。本发明基于改进全连接神经网络进行车联网信任管理，尽可能真实地模拟车辆在路网环境中的移动和通信情况，能够提取车辆交互的消息中提取出车辆特征，具有广阔的应用场景。
-
公开(公告)号：CN116595433A
公开(公告)日：2023-08-15
申请号：CN202310405618.5
申请日：2023-04-17
申请人： 华南理工大学
IPC分类号： G06F18/241 , G06F18/2431 , G06F18/214 , G06N3/0499 , G06N3/048 , G06N3/084 , H04L69/16 , H04L67/12
摘要： 本发明公开了一种基于二分类前馈神经网络的恶意车辆检测方法，对原有前馈神经网络的输入层、中间层和输出层进行改进。原有数据集为车辆发送的消息集合，对原有数据集归一化处理得到增强数据集，并送入二分类前馈神经网络训练，训练数据经过网络特征提取后，通过sigmoid函数得到消息的不可信度，将二元交叉熵损失与采集标注的真实值计算损失值，最后基于网络计算的损失值进行权重更新，得到最优网络；在应用阶段将最优网络部署在GPU设备上，预测时使用socket和仿真平台通信，车辆收到其它车辆发送的消息后，将消息内容发送到二分类前馈神经网络中进行预测。本发明简化了原有模型，提高了准确率和召回率，降低训练时间成本，实现了前沿技术的实用化。
-
公开(公告)号：CN114372116A
公开(公告)日：2022-04-19
申请号：CN202111659088.4
申请日：2021-12-30
申请人： 华南理工大学
IPC分类号： G06F16/29 , G06F16/2458 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于LSTM和时空注意力机制的车辆轨迹预测方法，是基于LSTM编码模块、LSTM解码模块、空间注意力机制和时序注意力机制进行车辆轨迹的精准预测，首先对路网进行栅格化处理，并划分输入到LSTM编码模块中的历史轨迹数据段，然后提取车辆自身移动特征和全局空间特征，LSTM编码模块和LSTM解码模块主要用于实现对历史时间内的特征向量进行学习，并预测车辆未来一段时间的轨迹。本发明基于LSTM和时空注意力机制进行车辆轨迹预测，能够提取车辆移动中的局部和全局特征，尽可能真实的模拟车辆在路网环境中的移动情况，提高了车辆轨迹预测的准确性。
-
公开(公告)号：CN107204988B
公开(公告)日：2020-05-22
申请号：CN201710507834.5
申请日：2017-06-28
申请人： 华南理工大学
摘要： 本发明公开了一种基于P2P结构下的位置隐私保护方法，包括步骤如下：1、用户生成寻找协助节点请求，收集愿意协助的节点位置信息，形成用户节点集；2、用户获取自己的位置信息；n子区域数目与δ区域相似因子进行多个子匿名区域的生成工作；3、生成相应子区域中的查询；将不同的查询间隔随机时间段发送给相应的代理节点；4、不同的代理节点发送相应的查询信息到LBS服务器；5、LBS服务器根据不同的查询信息，对数据库进行相应的检索，并发送相应的查询候选集结果到相应的代理节点；6、从所有结果集中筛选求精获得合适的查询结果。具有在平均匿名区域大小、用户分布熵值与恶意用户合谋攻击抵抗三个方面都具有良好表现的优点。
-
公开(公告)号：CN106953876B
公开(公告)日：2020-04-28
申请号：CN201710285679.7
申请日：2017-04-27
申请人： 华南理工大学
摘要： 本发明公开了一种基于语义上下文的位置隐私保护方法，包括如下步骤：(1)中心匿名服务器初始化地图数据，将地图数据模型化为公路网络；(2)用户根据需求发起查询，将定位信息，查询内容，隐私需求及身份信息封装成消息Q发送给中心匿名服务器；(3)中心匿名服务器根据Q，分析确定用户在路网上的位置Loc,初始化匿名集S＝{Loc}，初始化缓冲匿名集ES＝{}和ES’＝{S}。本发明具有在匿名成功率及降低匿名集大小两方面具有良好的效果等优点。
-
公开(公告)号：CN110763660A
公开(公告)日：2020-02-07
申请号：CN201911008476.9
申请日：2019-10-22
申请人： 华南理工大学
摘要： 本发明公开了一种基于集成学习的LIBS定量分析方法。所述方法包括如下步骤：目标元素原始特征提取；使用遗传算法筛选原始特征；使用前向序列选择算法筛选特征；合并各基学习器筛选特征；训练筛选基学习器；使用Stacking集成选择的基学习器；训练筛选元学习器，并用效果最佳的学习器作为集成模型元学习器构成集成模型。本发明具有预测精度高、抗干扰能力强、减小基体效应、可在不同数据集中通用等优点。
-
公开(公告)号：CN112818402A
公开(公告)日：2021-05-18
申请号：CN202110213797.3
申请日：2021-02-26
申请人： 华南理工大学
IPC分类号： G06F21/62 , G06F16/906 , G06F16/29
摘要： 本发明公开了一种基于点密度分割轨迹实现轨迹数据发布k匿名的方法，包括步骤：1)获取基础轨迹数据，建立轨迹数据集模型；2)建立轨迹损失模型DGH树；3)在轨迹数据集模型中添加虚拟点，生成包含虚拟点的轨迹数据集模型和虚拟点标记数据集模型；4)对包含虚拟点的轨迹数据集模型进行聚类，标记每个点所属的聚类中心，生成标记数据集模型；5)遍历轨迹数据集模型，通过标记数据集模型对轨迹进行分割，生成分割后的轨迹数据集模型；6)对于分割后的数据集模型采用动态序列对齐算法计算损失，再使用迭代式轨迹k匿名聚类算法进行基于信息损失的聚类。本发明基于轨迹数据集的点密度对轨迹进行分割，减少了k匿名过程中造成的信息损失。
-
公开(公告)号：CN106953876A
公开(公告)日：2017-07-14
申请号：CN201710285679.7
申请日：2017-04-27
申请人： 华南理工大学
摘要： 本发明公开了一种基于语义上下文的位置隐私保护方法，包括如下步骤：(1)中心匿名服务器初始化地图数据，将地图数据模型化为公路网络；(2)用户根据需求发起查询，将定位信息，查询内容，隐私需求及身份信息封装成消息Q发送给中心匿名服务器；(3)中心匿名服务器根据Q，分析确定用户在路网上的位置Loc,初始化匿名集S＝{Loc}，初始化缓冲匿名集ES＝{}和ES’＝{S}。本发明具有在匿名成功率及降低匿名集大小两方面具有良好的效果等优点。
-
公开(公告)号：CN114757975B
公开(公告)日：2024-04-16
申请号：CN202210464974.X
申请日：2022-04-29
申请人： 华南理工大学
IPC分类号： G06T7/246 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于transformer与图卷积网络的行人轨迹预测方法，提取出若干个时间戳内所有包含坐标的行人轨迹数据；对每一个样本的每个时间戳做一个行人关系图；把总样本集分为测试集，训练集与验证集；再用行人关系图对时序数据进行图卷积学习，让轨迹数据附有行人关系；transformer用时序数据提取出每个时间戳的时序特征向量，利用每个时间戳的时序特征向量来生成遵循双变量高斯分布的具体轨迹分布；用损失函数对预测轨迹与真实未来轨迹作对比，得出损失值，再用损失值对预测模型优化，取出最优预测模型，把测试集输入到最优预测模型，得出预测轨迹数据。本发明可准确预测出未来行人的轨迹。
-
公开(公告)号：CN114372116B
公开(公告)日：2023-03-21
申请号：CN202111659088.4
申请日：2021-12-30
申请人： 华南理工大学
IPC分类号： G06F16/29 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06N3/049
摘要： 本发明公开了一种基于LSTM和时空注意力机制的车辆轨迹预测方法，是基于LSTM编码模块、LSTM解码模块、空间注意力机制和时序注意力机制进行车辆轨迹的精准预测，首先对路网进行栅格化处理，并划分输入到LSTM编码模块中的历史轨迹数据段，然后提取车辆自身移动特征和全局空间特征，LSTM编码模块和LSTM解码模块主要用于实现对历史时间内的特征向量进行学习，并预测车辆未来一段时间的轨迹。本发明基于LSTM和时空注意力机制进行车辆轨迹预测，能够提取车辆移动中的局部和全局特征，尽可能真实的模拟车辆在路网环境中的移动情况，提高了车辆轨迹预测的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.021 秒)
