-
公开(公告)号：CN111860498A
公开(公告)日：2020-10-30
申请号：CN202010620936.X
申请日：2020-07-01
Applicant: 广州大学
Abstract: 本发明公开了一种车牌的对抗性样本生成方法、装置及存储介质，该方法先获取基准图像和多个非基准图像，并对图像进行预处理后获得第一车牌图像集；然后计算第一车牌图像集的平均图像，并根据识别模型的错误识别概率，确定对抗条纹在评价图像中的放置位置，再根据识别模型的损失函数，计算对抗条纹在平均图像中的放置位置时各点对应的像素值；最后结合打印后的对抗条纹和真实车牌，通过采集获得该识别模型的对抗性样本。采用本发明技术方案能够实现在真实物理世界中的对抗攻击，从而提高车牌检测识别系统的鲁棒性和防御对抗攻击的能力。
-
公开(公告)号：CN111522953A
公开(公告)日：2020-08-11
申请号：CN202010342065.X
申请日：2020-04-24
Applicant: 广州大学
IPC: G06F16/35
Abstract: 本发明公开了一种针对朴素贝叶斯分类器的边际攻击方法，步骤包括：获取文本分类器的文本类别，并且计算两个所述文本类别之间的频率比；以所述频率比作为索引，对词汇表进行排序，得到敏感词集；随机选取若干个敏感词添加到原始样本，得到对抗样本；将所述对抗样本输入到文本分类器，得到错误分类的文本类别。本发明提供了一种针对朴素贝叶斯分类器的边际攻击方法、装置及存储介质，能够高效攻击基于朴素贝叶斯的文本分类器。
-
公开(公告)号：CN111507396A
公开(公告)日：2020-08-07
申请号：CN202010297682.2
申请日：2020-04-15
Applicant: 广州大学
Abstract: 本发明公开了一种缓解神经网络对未知类样本产生错误分类的方法及装置，所述方法在训练神经网络的时候，将原始训练集和未知类样本训练集输入到神经网络中进行训练，对于原始训练集通过第一损失函数进行训练，对于未知类样本训练集通过第二损失函数进行训练，当神经网络的总损失函数达到最小值时，神经网络训练完成，由于只有当神经网络对原始训练集中的训练样本的类别做出最高置信度的正确预测时，第一损失函数的损失值最小，而当神经网络对未知类样本的训练样本的类别做出最低置信度的错误预测时，第二损失函数的损失值最小，因此通过实施本发明实施例能缓解现有神经网络对于未知类样本产生高置信度错误分类的问题。
-
公开(公告)号：CN111460837A
公开(公告)日：2020-07-28
申请号：CN202010248326.1
申请日：2020-03-31
Applicant: 广州大学
IPC: G06F40/58 , G06F40/232 , G06F40/284
Abstract: 本发明公开了一种用于神经机器翻译的字符级对抗样本生成方法及装置，所述方法包括：从需要翻译的文本中随机选定源语言句子；根据预设的攻击方式组合随机修改源语言句子的单词，生成对抗样本；其中，所述攻击方式包括交换攻击、中间随机攻击、完全随机攻击和键盘错误攻击。本发明通过交换、中间随机、完全随机、键盘错误四种攻击方式修改源语言句子，在最小程度上对语句进行更改，生成在最大限度上不引发人类察觉的对抗样本，在不需要知晓被攻击模型的内部结构和参数的情况下，仅需要调用神经网络得到翻译译文，使得神经机器翻译模型的翻译质量大大降低，提高对抗样本的成功率，并且极大降低了算法的时间和复杂度，提高对抗样本的生成效率。
-
公开(公告)号：CN111371611A
公开(公告)日：2020-07-03
申请号：CN202010133626.5
申请日：2020-02-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于深度学习的加权网络社区发现方法及装置。所述方法包括：对给定的加权网络图进行预处理，得到二阶邻相似度矩阵；通过深度稀疏自编码器提取所述二阶邻相似度矩阵的低维特征，得到低维特征矩阵；根据聚类算法对所述低维特征矩阵进行聚类，得到社区发现结果。本发明能够综合考虑节点与邻居节点，及与邻居节点的邻居节点之间的联系，提高社区发现的准确度。
-
Patent Agency Ranking
公开(公告)号：CN111309787A
公开(公告)日：2020-06-19
申请号：CN202010136449.6
申请日：2020-03-02
Applicant: 广州大学
IPC: G06F16/2458 , G06N5/02
Abstract: 本发明公开了一种基于Apriori算法挖掘二维数据间关联规则的方法，通过获取关系型数据库中的二维连续型数据表，对二维连续型数据表进行离散化处理，得到二维离散化数据表，然后通过Apriori算法挖掘出二维离散化数据表中各数据之间的频繁项集，并生成频繁项集的关联规则，同时计算每一条规则的置信度，最后根据亲密度计算公式、每一条规则的置信度以及频繁项集的关联规则，计算得到二层级数据的关联规则，可以挖掘二维数据表属性之间的关联规则，从而确定属性间的亲密关系。
-
公开(公告)号：CN110046260A
公开(公告)日：2019-07-23
申请号：CN201910305756.X
申请日：2019-04-16
Applicant: 广州大学
Abstract: 本发明公开了一种基于知识图谱的暗网话题发现方法和系统，包括：对获取的暗网数据进行web页面去重，通过算法对存在同一个页面采集了多次的数据进行去重处理；将去重处理后的所述暗网数据进行降维处理；通过黑话词典和文档/段落/句子的向量表示配合词向量表示，对降维后的所述暗网数据进行黑话检测识别；对检测到黑话后的数据进行自然语言处理，提取出弱信号数据的实体、属性、关系和事件；根据自然语言处理提取的弱信号数据构造事实三元组，构建事件知识图谱；在所述事件知识图谱中通过图匹配和遍历实现弱信号数据间的关联发现，并通过所述事件知识图谱中的弱信号关联和节点中心性计算实现核心话题的发现。
-
公开(公告)号：CN110011847A
公开(公告)日：2019-07-12
申请号：CN201910256445.9
申请日：2019-03-29
Applicant: 广州大学
Abstract: 本发明实施例公开了一种传感云环境下的数据源质量评估方法，包括：获取传感云存储数据源的当前和历史监测数据，所述传感云是云计算和无线传感器网络的结合体，用于收集来自多个传感器节点或传感器子网络的监测数据并加以处理；基于空间关联性和时间关联性整合数据源的监测数据并确定数据真值；基于所述数据真值生成数据源的初始质量评估向量，并根据质量规则调整所述数据源的初始质量评估向量；根据调整后的所述数据源的初始质量评估向量计算所述数据源的最终质量评估结果。采用本发明，可以多角度描述数据源质量，对数据源质量的刻画更为全面。
-
公开(公告)号：CN109726968A
公开(公告)日：2019-05-07
申请号：CN201910055909.X
申请日：2019-01-21
Applicant: 广州大学
IPC: G06Q10/08
Abstract: 本发明公开了一种基于智能仓库的商品上架方法、终端设备及存储介质，所述方法包括获取历史订单数据，并根据设定的提取规则从所述历史订单数据中提取所有在同一订单出现的商品对；根据设定的共现频次阈值筛选所述商品对，并采用骨干度算法计算商品对之间的骨干度；根据设定的骨干度阈值筛选用于构建商品关系图的商品对，采用商品关系图公式构建商品关系图；根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表。本发明能够充分利用历史订单建立商品的全局关联关系图，并基于社区发现算法发现商品之间的关联，提高仓库的分拣效率。
-
公开(公告)号：CN116361476B
公开(公告)日：2024-05-17
申请号：CN202211455256.2
申请日：2022-11-21
Applicant: 电子科技大学 , 电子科技大学(深圳)高等研究院 , 广州大学
IPC: G06F16/36 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种基于插值法的知识图谱负样本合成方法，包括以下步骤：S1：候选集筛选：从负样本中筛选负样本集合cand_il，作为mixup操作的候选集；S2：mixup样本合成：选择cand_il中的负样本进行合成得到cand_im，再将cand_im中的负样本和正样本#imgabs0#进行二次mixup合成；S3：训练更新：将得到的负样本集合cand_il、cand_im、cand_ik再筛选得到cand_is，并将其用于模型训练和更新强负样本集合#imgabs1#本发明易于实现，运算速度快，不增加原始嵌入模型的复杂度；能增强虚拟负样本的多样性，提升知识图谱嵌入模型的性能，易于叠加到已有的知识图谱嵌入模型中。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.025 seconds)
