-
公开(公告)号：CN113159918B
公开(公告)日：2022-06-07
申请号：CN202110380531.8
申请日：2021-04-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于联邦团渗透的银行客户群体挖掘方法。协调端(Coordinator)表示数据聚合方。包括如下步骤：各银行端之间基于客户网络进行隐私保护求交集得到重叠客户；各银行端分别计算客户局部相似度矩阵，并使用同态加密技术加密矩阵，并发送给协调端；协调端聚合局部相似度矩阵，得到加密的全局相似度矩阵，并发送给各银行端；各银行端在由重叠客户组成的重叠客户网络上发现所有的k团，得到k团集合；各银行端根据解密的全局相似度矩阵和k团集合在重叠客户网络上进行k团渗透；各银行端根据k团渗透结果划分银行客户群体，输出银行客户群体挖掘结构。本发明可以在保护银行客户数据隐私的情况下，联合多个银行的客户信息提高银行客户群体挖掘的精确度。
-
公开(公告)号：CN109583133B
公开(公告)日：2022-05-17
申请号：CN201811561635.3
申请日：2018-12-20
Applicant: 福州大学
IPC: G06F30/394 , G06F30/25 , G06F30/27 , G06N3/12 , G06F111/06
Abstract: 本发明涉及一种X结构下基于多阶段转换和遗传操作的粒子群优化斯坦纳最小树构造方法，为了能够同时处理两种SMT问题，本发明提出了一种有效的边‑点编码策略。本发明给出了一种既能扩大算法的搜索空间又可以确保有效收敛的多阶段转换策略。通过测试从两阶段到四阶段三种方案以及每种方案的不同组合，本发明给出了一种最佳的组合。同时本发明使用与并查集分割相结合的遗传操作构建用于离散VLSI布线的离散粒子更新操作。此外，为了引入不确定性和多样性，本发明给出了一种改进边转换策略的变异操作。本发明的方法在全局角度上可得到质量最好的布线方案。
-
公开(公告)号：CN110032808B
公开(公告)日：2022-05-13
申请号：CN201910304594.8
申请日：2019-04-16
Applicant: 福州大学
IPC: G06F30/367 , G06F30/392 , G06N3/00 , G06N3/12
Abstract: 本发明涉及一种基于混合离散粒子群优化的轨道分配方法，包括以下步骤：步骤S1抽象出局部线网，并构建新线段模型；步骤S2:对新线段模型采用融合贪心算法与遗传操作的初始分配策略进行初始分配，步骤S3:构建改进的代价计算策略，并融入离散粒子群优化算法的粒子适应度计算中；步骤S4:采用结合遗传算子的离散粒子群优化算法进行全局寻优,得到最优的轨道分配方案；步骤S5:基于协商机制的精炼策略对最优的轨道分配方案进行处理，得到最终的轨道分配方案。本发明能够最小化冲突，获得最佳的重叠代价指标优化，减少关键布线区域的拥挤情况。
-
公开(公告)号：CN111339727B
公开(公告)日：2022-05-10
申请号：CN202010120343.7
申请日：2020-02-26
Applicant: 福州大学
IPC: G06F30/392
Abstract: 本发明涉及一种先进制程下最小化时延和溢出的通孔柱感知层分配器，所述通孔柱感知层分配器按如下步骤设计层分配方案：S1）为后续阶段产生一个初始解；应用多角度拥塞松弛策略评估拥塞进而调整层分配方案；S2）在初始解的基础上，应用基于协商思想引导层分配；S3）采用线网治愈算法优化当前层分配方案的最大时延；S4）将所有线网根据时延大小排序后重分配；优先处理时延大的线网即时序关键线网，同时对靠前的时序关键线网使用通孔柱优化方法，结合通孔柱和非默认规则线，以进一步降低时延，产生最终的层分配方案。所述通孔柱感知层分配器能够在考虑通孔拥塞、线拥塞和耦合效应的前提下优化时延和溢出。
-
公开(公告)号：CN109960879B
公开(公告)日：2022-05-10
申请号：CN201910229349.5
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于不可信IP核的系统级芯片安全设计方法，首先采用高阶合成技术完成RTL的安全设计；然后将芯片的RTL文件通过一系列的逻辑综合转换成门级网表；接着分析门级网表的逻辑结构，提取标准网表特征；将收集的门级电路的标准网表特征样本分为训练数据集与测试数据集，并采用训练数据集对梯度提升算法进行训练，得到基于梯度提升的硬件木马分类器；最后通过交叉验证法，将测试数据集输入到训练好的梯度提升木马分类器中，得到基于该模型的硬件木马预测结果。本发明从IP供应链源头设计一条自适应性强，复用性高，扩展性广，快速且智能的SoC安全设计架构。
-
Patent Agency Ranking
公开(公告)号：CN114330218A
公开(公告)日：2022-04-12
申请号：CN202111649943.3
申请日：2021-12-30
Applicant: 福州大学
IPC: G06F30/394 , G06F30/392 , G06F30/398 , G06F111/04 , G06F111/06 , G06F115/02
Abstract: 本发明涉及一种连续微流控生物芯片下基于时序的控制层布线方法。该方法包括：（1）初始线网拆分阶段。提出了一种估算线网延迟的策略用以判断是否对线网进行划分，通过引入额外控制端口拆分时序性能差的线网，以优化线网内阀门的最大时延；（2）控制通道布线阶段。设计了一种考虑历史布线效果的目标函数，提出了一种基于拆线重布的布线算法，在保证线网满足可布线性约束的条件下，最小化控制端口的使用；（3）控制端口布局阶段。通过线长匹配策略，减少时序同步阀门集合内阀门的时序偏差，提高阀门的同步性。本发明能够减少控制端口的数量，同时获得时序性能良好的连续微流控生物芯片的控制层布线方案。
-
公开(公告)号：CN112162734B
公开(公告)日：2022-03-08
申请号：CN202011148399.X
申请日：2020-10-23
Applicant: 福州大学
Abstract: 本发明提出集成化的机器学习算法库与统一编程框架(面向深度学习)，为一种面向深度学习的模型生成方法，包括以下步骤；步骤S1：指定数据集，顺序组合不同深度学习框架下的数据预处理方法，形成数据预处理模块；步骤S2：选择网络优化器，并配置其参数，形成网络优化器模块；步骤S3：选择一种主体网络结构，所选网络结构可基于不同深度学习框架实现，并配置其训练参数，形成网络结构模块；步骤S4：拼接模型各部分模块，开始模型训练，在训练过程中不断保存最优模型，在结束后得到最终模型准确率；本发明能够克服传统深度学习系统的指定单一框架编程方式的缺点，方便深度学习的应用。
-
公开(公告)号：CN111917652B
公开(公告)日：2022-03-08
申请号：CN202010822245.8
申请日：2020-08-16
Applicant: 福州大学
IPC: H04L45/48 , G06F16/901
Abstract: 本发明涉及一种数据中心网络BCCC上数据的并行传输方法，指定一个服务器为源服务器，针对该服务器并行构造一组完全独立的生成树CISTs，使得该服务器到任一其它服务器之间存在条边不相交且顶点不相交的路径；将数据分解到这条路径上进行并行传输，互不干扰。本发明具有更好的拓扑性质，能够大大降低硬件成本和通信开销、提高通信代价的平衡，在数据中心网络结构的普及上有着广泛的市场前景。
-
公开(公告)号：CN114091386A
公开(公告)日：2022-02-25
申请号：CN202111352665.5
申请日：2021-11-16
Applicant: 福州大学
IPC: G06F30/3308 , G06F30/396 , B01L3/00
Abstract: 本发明涉及一种分布式存储下微流控芯片应用映射与控制系统设计方法。首先，设计一种分布式流通道存储策略，计算当前最佳的流通道缓存位置。其次，提出一种基于链表调度的应用映射算法，并在映射中应用设计的分布式流通道存储策略。此外，采用一种新的时延优化模型，考虑了实际的阀门同步驱动需求。最后，提出一种同步驱动的控制系统设计方法，对于具有同步驱动的阀门组采用近邻图算法来构建布线连接拓扑以及延迟嵌入合并绕障布线算法来计算零偏差时钟树；对于无同步驱动需求的阀门组采用普里姆算法来计算绕障矩形生成树，并在树中心位置确定控制端口的位置。本发明方法能够有效地权衡生化反应时间，控制端口数量，控制通道总长度及控制信号时延。
-
公开(公告)号：CN113919280A
公开(公告)日：2022-01-11
申请号：CN202111185378.X
申请日：2021-10-12
Applicant: 福州大学
IPC: G06F30/394 , G06F30/398 , G06F30/25 , G06F30/27 , G06N3/00 , G06F111/06 , G06F115/06
Abstract: 本发明涉及一种基于两阶段竞争粒子群优化的时延驱动XSMT构建方法。该方法包括如下四种有效策略：（1）竞争粒子群优化。使用多目标粒子群优化算法同时优化线长与最大源汇路径，并加入竞争机制选择粒子的学习对象，提高种群多样性，减少计算代价。（2）两阶段学习策略。粒子通过边学习与点学习更好地平衡算法的探索与开发能力。（3）混合交叉策略。针对不同粒子使用不同交叉策略，进一步提高算法收敛质量。（4）离散化框架的设计。结合变异交叉算子，设计合理的目标函数与粒子编码方式，实现了算法的离散化，更好地解决离散型时延驱动Steiner最小树问题。
-
-
-
-
-
-
-
-
-
Search Results
417
records
(took 0.03 seconds)
