-
公开(公告)号：CN117150557A
公开(公告)日：2023-12-01
申请号：CN202311143399.4
申请日：2023-09-06
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62
Abstract: 本发明一种基于安全多方计算的支持压缩的隐私信息检索方法及系统，涉及信息安全技术领域，为解决现有方法的检索效率低且难以同时兼顾查询方和被查询方的隐私的问题。包括：S1.客户端生成同态加密公私钥pk、sk，服务端根据客户端公布的公钥pk和服务端持有的n条原始数据基于安全计算的隐私信息检索协议进行运算构建HE同态明文数据库；S2.客户端对查询的索引i进行编码生成明文向量X，将查询向量X编码到一个同态明文多项式Q；S3.客户端对多项式Q进行加密得到查询密文q，向服务端发起查询；S4.服务器将查询密文q扩展为一个n维的查询密文向量p；S5.服务器根据扩展向量p得到最终检索结果resp；S6.客户端利用私钥sk解密得到检索结果。
-
公开(公告)号：CN117076514A
公开(公告)日：2023-11-17
申请号：CN202311115010.5
申请日：2023-08-31
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F16/2457 , G06F18/214 , G06F18/25 , G06F21/62 , G06F17/15
Abstract: 本发明一种基于联邦学习的多模态推荐方法及系统，涉及计算机信息推荐技术领域，为解决现有方法难以保障多方的数据不出本地、断绝数据在上传过程中的隐私泄露并实现高精度的推荐的问题。包括：步骤1：多个客户端分别对本地数据集进行预处理；步骤2：服务器端构建多模态模型及损失函数，并下发至各客户端；步骤3：各客户端对模型进行训练，将最优模型参数上传至服务器端；步骤4：服务器端对各模型参数进行聚合得到聚合模型，并对其进行训练，再次下发到客户端；步骤5：客户端对模型再次进行验证和测试，得到多模态推荐模型，实现联邦多模态推荐。本发明在保护用户隐私的前提下，有效地融合多个分布式数据源的信息，进行个性化的推荐。
-
公开(公告)号：CN118866355A
公开(公告)日：2024-10-29
申请号：CN202410914371.4
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/30 , G16H50/20 , G06N3/0455 , G06F18/2135 , G06F18/24 , G06N3/096 , G06F18/15 , G06F18/23213
Abstract: 本发明一种基于联邦学习的代谢性疾病预测方法及系统，涉及智能医疗技术领域，为解决现有的模型难以全面进行多种代谢疾病的预测，且难以保障模型的运行效率、准确性以及数据的隐私安全。本发明构建多个代谢性疾病数据集，采用主成分分析和聚类对数据进行处理，构建合并数据集；构建有改进的DNN的网络模型，模型引入Transformer层和全连接层，Transformer层通过其注意力机制对数据进行特征提取与转换，并在向量信息中插入位置信息来捕捉主成分特征之间的隐含序列关系，全连接层之间通过残差层连接；基于联邦学习方法各客户端基于合并数据集采用蒸馏的方法对改进的DNN模型进行训练，最终得到全局的代谢性疾病预测模型，以实现对代谢性疾病进行分类。
-
公开(公告)号：CN118335340A
公开(公告)日：2024-07-12
申请号：CN202410589344.4
申请日：2024-05-13
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/50 , G16H50/70 , G16H10/60 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种多模态的痛风病多分期预测方法及系统，涉及智慧医疗技术领域，为解决现有技术中缺少基于深度学习的将病历与影像学数据相结合方法的问题。包括：步骤1、获取患者病历数据和影像数据，根据有无痛风石将影像数据插入到对应患者的病历数据，得到合并病历数据集；步骤2、对数据进行预处理；步骤3、将病历数据输入构建有自定义自注意力机制的LSTM‑DNN进行特征信息提取，得到特征W1；针对有痛风石的数据，则将影像数据输入3D‑CNN模型中进行特征提取，得到特征W2，并将特征W2对应的特征W1利用多模态交叉注意力进行融合，得到最终特征信息；步骤4、将最终特征信息输入到痛风病多分期预测模型中进行痛风的分期预测。本发明用于痛风病多分期预测。
-
公开(公告)号：CN115098887B
公开(公告)日：2024-08-06
申请号：CN202210921066.9
申请日：2022-08-02
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62 , G06F18/23213 , G06F18/22
Abstract: 本发明提出一种用于数据价值优化的匿名化模型推荐方法、设备，包括：导入原始数据，根据原始数据的类型和级别，确定原始数据的风险阈值；根据用户需求，判断匿名化方法为正向辅助推荐或反向主动推荐；分别根据选择的匿名化方法匹配一组候选配置方案，并对原始数据进行匿名化处理；对匿名化处理后的数据进行风险分析，保留符合风险阈值的数据；再对数据进行效用分析，选择其中最大值对应的匿名后数据作为输出；并将结果加入历史配置方案资源池。本发明能够在保证数据安全的前提下，在对数据进行匿名化处理后使得数据价值最大化。
-
Patent Agency Ranking
公开(公告)号：CN115098887A
公开(公告)日：2022-09-23
申请号：CN202210921066.9
申请日：2022-08-02
Applicant: 哈尔滨理工大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明提出一种用于数据价值优化的匿名化模型推荐方法、设备，包括：导入原始数据，根据原始数据的类型和级别，确定原始数据的风险阈值；根据用户需求，判断匿名化方法为正向辅助推荐或反向主动推荐；分别根据选择的匿名化方法匹配一组候选配置方案，并对原始数据进行匿名化处理；对匿名化处理后的数据进行风险分析，保留符合风险阈值的数据；再对数据进行效用分析，选择其中最大值对应的匿名后数据作为输出；并将结果加入历史配置方案资源池。本发明能够在保证数据安全的前提下，在对数据进行匿名化处理后使得数据价值最大化。
-
公开(公告)号：CN119201984A
公开(公告)日：2024-12-27
申请号：CN202411263035.4
申请日：2024-09-10
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 国网黑龙江省电力有限公司电力科学研究院
Inventor： 张宏国 , 赵天诚 , 马超 , 张罗刚 , 关志博 , 李双翼 , 黄海 , 于海宁 , 王孝余 , 尚方 , 刘生 , 史心月 , 宋杭选 , 袁泽 , 王莹莹 , 李丹丹 , 林扬
IPC: G06F16/2452 , G06F16/242 , G06F16/33
Abstract: 基于检索增强生成的电力领域SQL自动生成方法及系统，涉及数据处理技术领域。解决了为了解决传统的SQL自动生成方法数据处理的效率和准确性低的问题。本发明首先将用户输入的问题编码为向量，并在预先编码的向量知识库中匹配相似度排名最高的k个键和描述信息。再基于排名最高的k个键及键对应的描述信息生成指令信息，SQL生成模型根据指令信息生成精准的SQL查询语句。本发明主要应用于电力领域自然语言问题转化为SQL查询语句。
-
公开(公告)号：CN112100517A
公开(公告)日：2020-12-18
申请号：CN202010977547.2
申请日：2020-09-17
Applicant: 哈尔滨理工大学
IPC: G06F16/9536 , G06F40/211 , G06F40/284
Abstract: 本发明涉及一种基于内容特征抽取的缓解推荐系统冷启动问题的方法。随着互联网技术的高速发展，信息过载的问题愈发明显，新服务在没有用户历史评分的情况下，很难找到合适的用户群进行推荐。一种基于内容特征抽取的缓解推荐系统冷启动问题的方法，在内容特征抽取时，采用自然语言处理中依存句法分析的方法，对项目的描述信息特征进行抽取，并将抽取的内容特征转化为词向量；其次，考虑到在实际情况下，各个词的重要程度有所不同，因此使用基于TF‑IDF优化后的加权词距离算法(Weighted Word Mover’s Distance,WWMD)，以此提高对内容特征向量词距离计算的精确度，从而提高物品之间相似度的精确度后，结合使用词距离计算出的相似度与传统相似度计算的方法，进行推荐。本发明应用于互联网领域。
-
公开(公告)号：CN112084416A
公开(公告)日：2020-12-15
申请号：CN202010994470.X
申请日：2020-09-21
Applicant: 哈尔滨理工大学
IPC: G06F16/9535 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于CNN和LSTM的Web服务推荐方法。目前，传统的协同过滤技术在应用系统中占据很高的地位，但是还存在着数据稀疏性的问题。一种基于CNN和LSTM的Web服务推荐方法，将CNN与LSTM进行有效结合，构建深度学习模型以实现最佳的推荐结果，在计算用户偏好特征时，采用用户的历史行为这种隐式反馈信息来提取用户的偏好，使用基于BERT的语言表征模型词向量化方法对用户、API、Mashup的自然语言类属性进行训练，得到其各属性的特征矩阵，构建基于CNN和LSTM的评分预测模型，将各特征矩阵输入到评分预测模型，得到用户对Web服务的预测评分，推荐策略选取用户评分Top_3的Web服务为用户生成推荐，本发明应用于互联网领域。
-
公开(公告)号：CN107346469A
公开(公告)日：2017-11-14
申请号：CN201710436746.0
申请日：2017-06-12
Applicant: 哈尔滨理工大学
CPC classification number: G06Q10/083 , G06Q10/0631
Abstract: 一种云制造环境下多地运输多目标综合调度方法。目前多数的云制造资源调度方法往往只考虑一种优化目标而且忽略了运输因素对调度计划的影响。本发明方法将以服务时间、服务成本、服务质量和满意度评价作为目标函数。充分考虑跨地域的制造资源调用因素。本发明主要步骤：采用基于工序和资源的双层编码方式进行初始化。通过加入动态学习因子来引导种群的搜索范围和精度。结合非支配排序来更新全局最优解集，通过引入动态选择因子，提高非支配解集的均匀分布性。通过该方法可以得到一个加工任务的详细的加工计划。本发明用于解决云制造环境下的多目标调度计划排产问题，提高资源的利用效率，降低用户的加工成本。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.06 seconds)
