-
公开(公告)号：CN103927533A
公开(公告)日：2014-07-16
申请号：CN201410143919.6
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 一种针对早期专利文档扫描件中图文信息的智能处理方法属于计算机图像处理领域。本发明将输入的专利文档扫描图像转化为二值二维矩阵后去除扫描图像中的颗粒噪声，即用算法实现以矩形框圈取切割目标的操作，得到若干个粗块，对每个粗块进行分类，标记并得到若干个文本块和若干个非文本块。对非文本块进行进一步的细切割操作，得到若干个细块。对每个细块进行分类，标记并得到若干个标号块和若干个非标号块。对非标号块进行分类，标记并得到若干个杂质块和若干个附图块。对标号块以及附图块进行对应的匹配，即将指定附图和与其对应的附图标号相匹配。本发明更准确地切割附图、识别附图标号信息和匹配附图与附图标号的关系。
-
公开(公告)号：CN103684910A
公开(公告)日：2014-03-26
申请号：CN201310634369.3
申请日：2013-12-02
Applicant: 北京工业大学
IPC: H04L12/26
Abstract: 一种基于工业控制系统网络流量的异常检测方法属于信息安全领域。本发明采集工业网络流量，通过对流量特性的分析发现，采用数字信号处理的方法将流量信号由时域变换到频域，正常流量和异常流量采样在功率谱密度上存在显著的差异。通过分析大量历史数据中的这种差异特性，找到一个低频功率和的临界值，若待检测样本的低频功率和大于此临界值，则认为该样本流量为异常流量。本方法分为三个模块：数据预处理模块负责前期的数据流量的处理；流量建模模块根据正常流量和异常流量的低频功率和分布建立正常模型和异常模型，从而计算得到低频功率和临界值；异常检测模块进行异常检测。本发明检测误报率为6.1%，漏报率为9.3%。
-
公开(公告)号：CN103598870A
公开(公告)日：2014-02-26
申请号：CN201310552006.5
申请日：2013-11-08
Applicant: 北京工业大学
IPC: A61B3/032
Abstract: 本发明属于图像处理领域，公开了一种基于深度图像手势识别的视力检测方法。首先利用深度数据获取设备获得深度图像；然后利用深度图像进行手势区域的识别，根据识别到的区域进行手势特征的提取；最后依据提取的手势特征进行被测人手势的识别，并与显示屏幕上所显示“E”字缺口方向进行匹配判断，得到视力检测的最后结果。本发明利用深度获取设备动态获取深度图像，通过改进现有手势识别技术，实现了手势的动态识别，并将手势的动态识别技术应用于视力检测，不仅保持了传统方法原有的简便性，同时还克服了传统检测方法费时、费力的缺点，增加了检测过程的趣味性。
-
公开(公告)号：CN102622405A
公开(公告)日：2012-08-01
申请号：CN201210012475.3
申请日：2012-01-16
Applicant: 北京工业大学
Abstract: 基于语言实义单元数估计的短文本间文本距离的计算方法属于中文短文本信心处理领域，其特征在于，这是用于处理在线评论短文本文本聚类的方法，先去除网页标记，并进行短文本规范化处理，再进行分词处理，将文本转化为词语串，在此基础上以词语为单位，计算两个句子的编辑距离，然后将句子中具有实质意义的词语数定义为实义单元，利用Heap’s法则对句子中的实义单元进行估计，再选择两个句子的实义单元数中较大的实义单元数，用较大的实义单元数对用编辑距离表示的文本距离进行文本长度惩罚，得到一个经过实义单元数惩罚的文本距离，本发明克服了传统方法中利用原始句长处理而带来的误差。
-
公开(公告)号：CN101984464B
公开(公告)日：2012-05-30
申请号：CN201010522415.7
申请日：2010-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种图像中不同区域视觉显著程度的检测方法，包括：将输入图像切分成不重叠的图像块，并将每个图像块向量化；为了降低图像中的噪声和冗余信息，对步骤1所得到的所有向量通过PCA主成分分析方法进行降维；对于每个图像块，利用降维后的向量计算这个图像块与其他所有图像块的不相似度，再结合图像块之间的距离计算得到每个图像块的视觉显著性程度，得到显著图；对于显著图施加中央偏置，得到施加中央偏置后的显著图；对于施加中央偏置后的显著图通过二维高斯平滑算子进行平滑，得到最终反映图像各个区域显著程度的结果图像。与传统方法相比，本发明不用提取颜色、朝向、纹理等视觉特征，避免了特征选择的步骤。具有简单、高效的优点。
-
Patent Agency Ranking
公开(公告)号：CN118644316A
公开(公告)日：2024-09-13
申请号：CN202410856543.7
申请日：2024-06-28
Applicant: 北京工业大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/9536 , G06F18/214 , G06F18/22 , G06F18/23213 , G06N3/0455 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及商品推荐技术领域，提供一种云端协同场景下基于元学习的商品推荐方法及系统，方法包括以下步骤：一、用户发布需购买商品的推荐需求；二、基于用户相似聚类的数据增强：首先利用聚类方法在云端粗粒度的寻找相似用户，之后在终端进行细粒度的数据筛选，选择出合适的数据进行数据增强；三、基于元学习的个性化模型训练：首先在云端进行元模型的训练，再在终端在元模型的基础上进行用户个性化模型的训练；四、基于训练好的用户个性化模型对用户进行个性化商品推荐。本发明能够发挥云端和终端各自的优势，协同合作，能较佳地为用户提供个性化的商品推荐。
-
公开(公告)号：CN118097234A
公开(公告)日：2024-05-28
申请号：CN202410100559.5
申请日：2024-01-24
Applicant: 北京工业大学
IPC: G06V10/764 , G06V20/70 , G06V10/774 , G06V10/80
Abstract: 本发明公开了基于共识‑特异语义融合的多视图多标签分类方法，首先获取多视图多标签数据，对数据进行存储、预处理和数据集划分，形成样本数据集。基于样本数据集中的训练数据，构建各个视图的特征表示矩阵，并提取可观测的标签信息。利用这些特征矩阵，对不同视图中的共识语义和特异语义进行建模，以探索视图间的语义关联性。构建一种基于共识‑特异语义融合的多视图多标签分类模型，该模型使用交替优化策略进行训练，直至模型收敛，得到多视图多标签分类器。最终，利用优化后的模型对测试数据进行预测，输出预测概率并据此确定最终的分类结果。本方法直接利用语义空间进行多视图融合的首次尝试，提升了多视图多标签预测模型的性能。
-
公开(公告)号：CN117914545A
公开(公告)日：2024-04-19
申请号：CN202311784987.6
申请日：2023-12-25
Applicant: 北京工业大学
IPC: H04L9/40 , G06N3/0442
Abstract: 本发明公开了基于攻击路径的小样本学习APT攻击检测方法，该方法的步骤如下：根据审计日志数据构造溯源图；优化溯源图中的冗余节点和边；从溯源图中寻找候补恶意实体补全攻击路径；基于候补恶意实体挖掘潜在攻击行为，丰富攻击活动邻域图；将前面两个步骤得到的攻击实体集和攻击活动邻域图作为输入，运行序列构建模块进行序列构建；将构建得到的序列进行词形化；根据词形化得到的序列进行模型训练和攻击实体检测。本方法解决了难以通过小样本学习实现准确攻击检测的问题。基于攻击路径的小样本学习APT攻击检测方法检测性能比原有的攻击检测方法性能显著提升。
-
公开(公告)号：CN117670476A
公开(公告)日：2024-03-08
申请号：CN202311594560.X
申请日：2023-11-27
Applicant: 北京工业大学
IPC: G06Q30/0601 , G06F16/9535
Abstract: 本发明公开了一种面向商品推荐场景的用户个性化模型构建方法，包括：(1)服务器收集所有用户的模型参数，利用K近邻(KNN)算法为每个用户寻找最近邻的K个用户，以实现个性化模型的粗匹配；(2)每个用户根据服务器粗匹配结果，结合自己本地的数据和模型参数进行更细致的匹配，以获得与其特征更加契合的用户模型参数集合。(3)每个用户通过聚合这些细粒度的模型参数来构建个性化子模型，从而有效解决在用户使用本地数据训练模型时由于本地数据量不足导致的模型过拟合问题。本发明不仅解决用户在本地训练个性化模型时所面临的数据量不足问题，而且其总推荐模型准确率超过了传统服务器生成的整体推荐模型在用户群体上的准确率。
-
公开(公告)号：CN117649285A
公开(公告)日：2024-03-05
申请号：CN202311752900.7
申请日：2023-12-19
Applicant: 北京工业大学
IPC: G06Q30/0601 , G06F17/16 , G06F16/9535 , G06F21/62 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于数据隐私分级保护的个性化商品推荐方法。该方法步骤主要包括：(1)用户使用本地数据训练模型，并根据个性化隐私保护需求为不同项目分配不同隐私预算，添加不同的噪声，然后将用户噪声模型上传至推荐服务提供方；(2)推荐服务提供方负责聚合所有用户噪声模型，生成全局噪声模型；(3)用户使用本地训练模型对全局噪声模型进行修正，生成适合用户自身需求的个性化子模型。从本文的理论证明可知，本发明解决了传统差分隐私推荐系统在不破坏差分隐私条件的前提下，无法满足用户个性化隐私保护需求和差分隐私带来的推荐效果下降的问题。通过实验验证，该方法得到的推荐模型总体推荐准确率比现有方法更优。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.028 seconds)
