-
公开(公告)号：CN110336837B
公开(公告)日：2020-10-09
申请号：CN201910723361.1
申请日：2019-08-06
Applicant: 福州大学
Abstract: 本发明涉及一种实用性的云端隐私保护外包计算系统（ATOM）及其计算方法，用户可以在单个云端服务器上安全获取外包存储数据以及快速地进行安全的数据处理操作。具体来说，本发明首次提出了下云服务器具备多个可信任单元（TPU）的前提下的ATOM计算系统，然而TPU面临侧通道攻击的危害。在ATOM系统下，本发明设计了两个特殊的快速处理工具包，其允许用户获取进行安全整数计算以及安全浮点型计算以此来抵御TPU的侧通道攻击的危害。另外，本发明的ATOM系统在数据处理以及获取用户私人信息的同时也保证了访问模式不被泄露。
-
公开(公告)号：CN111709214A
公开(公告)日：2020-09-25
申请号：CN202010559962.6
申请日：2020-06-18
Applicant: 福州大学
IPC: G06F30/394 , G06N3/00
Abstract: 本发明涉及一种基于离散粒子群优化的轨道规划方法，包括以下步骤：步骤S1:根据总体布线得到的结果中,同时从全局线网和局部线网中提取线段，并创建轨道;步骤S2：根据得到的轨道，考虑线长成本、重叠成本和障碍成本，并采用改进的离散粒子群优化算法寻找，得到初步的轨道规划方案；步骤S3:采用拆线-重绕技术，进一步优化初步的轨道规划方案，得到最优的轨道规划方案。本发明有效解决总体布线和详细布线之间不匹配的问题。
-
公开(公告)号：CN111242290A
公开(公告)日：2020-06-05
申请号：CN202010062453.2
申请日：2020-01-20
Applicant: 福州大学
Abstract: 本发明涉及一种轻量级隐私保护生成对抗网络系统，实体包括数据提供者DS、服务提供者SP、第一边缘服务器S1以及第二边缘服务器S2，软件包括LP-GAN安全计算框架；所述LP-GAN安全计算框架包括安全生成模型SG以及安全判别模型SD。本发明能够保证用户的数据和模型的双重隐私。
-
公开(公告)号：CN111224998A
公开(公告)日：2020-06-02
申请号：CN202010069439.5
申请日：2020-01-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于极限学习机的僵尸网络识别方法，首先，采集得到各种特征的僵尸网络数据集；采用K折交叉验证方法，将僵尸网络特征数据集划分为训练数据集和验证数据集；接着，将训练数据集和验证数据集输入极限学习机分类器进行训练，得到初始僵尸网络检测模型；然后，将测试数据集输入到僵尸网络模型中，并根据混淆矩阵对测试结果进行统计并计算得到四个指标；步骤S5：若四个指标的平均结果偏低，则对僵尸网络检测模型进行参数调整优化；最后，将待检测的网络流量数据进行数据预处理得到符合模型输入的数据集，并将数据集输入到僵尸网络检测模型中，判定该网络流量中是否包含僵尸网络。本发明可大大提高僵尸网络的检测效率。
-
公开(公告)号：CN111061966A
公开(公告)日：2020-04-24
申请号：CN201911179955.7
申请日：2019-11-27
Applicant: 福州大学
IPC: G06F16/9537 , G06N20/00 , G01S19/19
Abstract: 本发明提出一种基于强化学习算法的失踪目标搜索方法，包括如下步骤：步骤S1、数据预处理：包括时间和空间的离散化；目标移动轨迹的离散化；不同时间空间下搜索难度的标量化；步骤S2、强化学习训练环境构建：构建强化学习训练环境，训练环境信息包含不同时间不同位置出发的对象在不同搜索时刻下的期望搜索代价和不同搜索时刻转移到不同位置的概率；步骤S3、时空搜索模型离线训练：对状态和行为的定义以及模型进行自适应优化；步骤S4、在线时空搜索决策：基于步骤S3已经训练好的时空搜索模型迭代地采用贪婪策略确定时空搜索序列并执行时空搜索。其有效的降低了找到目标在目标时刻所在位置的搜索代价，完成搜索代价约束下的目标搜索任务。
-
Patent Agency Ranking
公开(公告)号：CN107133288B
公开(公告)日：2019-12-17
申请号：CN201710255638.3
申请日：2017-04-19
Applicant: 福州大学
IPC: G06F16/635 , G06F16/9535 , G06F16/9536
Abstract: 本发明涉及一种音乐信息网络中个性化推荐方法，先从音乐信息网络中获取信息子网和信息子网的网络模式，并获取与信息子网相关的社交关系，然后在信息子网中计算社交关系影响下的歌曲、歌手、作词者和流派等节点群体影响力；接着，从音乐信息网络中抽取用户的信息子网，并计算该用户对歌曲的偏好基因；最后在信息子网中结合节点群体影响力和用户对歌曲的偏好基因进行随机游走，得到面向用户的信息子网节点影响力排名，从而得到用户的歌曲推荐列表。本发明提出的该方法考虑到了用户群体和用户偏好对歌曲的影响，从而使得最后的个性化推荐结果更为合理。
-
公开(公告)号：CN106599254B
公开(公告)日：2019-11-12
申请号：CN201611189560.1
申请日：2016-12-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于贪心策略的群智感知参与者选择方法，包括以下步骤：步骤S1：通过原始数据库，获取每个用户在各个周期所覆盖的目标点的集合；步骤S2：利用贪心策略选取一个用户集，保证目标点在第一个覆盖周期满足覆盖要求；步骤S3：用步骤S2中得到的用户集来对下一个覆盖周期进行覆盖，记录各点的覆盖次数情况；步骤S4：对步骤S3中未满足覆盖次数要求的点，继续用贪心策略选取用户，加入到原来的用户集，直到所有点都满足覆盖次数要求；步骤S5：重复步骤S3和S4中的步骤，直到最后一个覆盖周期也满足覆盖要求。该方法在给定用户地点签到信息数据集的基础上，有效求解出比较理想的用户集合，在给定代价的情况下完成有时空限制的群智感知任务。
-
公开(公告)号：CN110020651A
公开(公告)日：2019-07-16
申请号：CN201910316301.8
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习网络的车牌检测定位方法。针对传统的车牌检测方法可扩展性差，复杂场景检测率低，泛化能力差，车牌检测效果不佳造成的车牌识别率下降等问题提出了一种基于深度学习网络的车牌检测定位方法。为了获得复杂图像中车牌精确定位，该方法首先收集并标记已标注的车辆样本数据集和车牌样本数据集；其次分别构建两个卷积神经网络，第一卷积神经网络用于训练车牌检测粗定位模型，第二卷积神经网络用于训练车牌检测角点回归模型；再次将待检测图片通过车牌检测粗定位模型获得候选存在车牌图片；最后将候选图片通过车牌检测角点回归模型进行检测，获取精确存在车牌的图片并且标记出车牌的角点信息。本发明简单灵活，具有较强的实际应用性。
-
公开(公告)号：CN109981368A
公开(公告)日：2019-07-05
申请号：CN201910246357.0
申请日：2019-03-29
Applicant: 福州大学
IPC: H04L12/24 , H04L12/751
Abstract: 本发明涉及一种基于节点间相互作用力的重叠社区发现方法，首先读取网络数据集，生成网络图G并获取网络中节点的邻域信息；接着结合网络中节点邻域信息，计算出网络中相连节点间的相互作用力；然后基于节点间的Jaccard系数，找出网络中的核心节点，进而建立核心种子集合coreSeeds；接着从核心种子集合coreSeeds或者网络尚未扩展的节点中选择一个节点为当前待扩展节点；然后将当前社区的邻居节点作为候选节点，计算其中每个节点与当前社区的适应度，并选择出能够使当前适应度提升最大的节点加入当前社区；最终输出最终的社区划分结果。本发明可以高效、准确地对复杂网络的重叠结构进行划分。
-
公开(公告)号：CN109635882A
公开(公告)日：2019-04-16
申请号：CN201910062293.9
申请日：2019-01-23
Applicant: 福州大学
CPC classification number: G06K9/629 , G06K9/6256 , G06N3/0454 , G06N3/0481
Abstract: 本发明涉及一种基于多尺度卷积特征提取和融合的显著物体检测方法，首先进行数据增强，同时对彩色图像以及对应的人工标注图进行处理，增加训练数据集的数据量；接着提取多尺度特征，并进行通道压缩来优化网络的计算效率；然后融合多尺度的特征，得到预测的显著图；最后通过求解最小化交叉熵损失，学习到模型的最优参数；最终利用训练好的模型网络来预测图像中的显著物体。本发明能显著提高显著物体检测精度。
-
-
-
-
-
-
-
-
-
Search Results
417
records
(took 0.027 seconds)
