公开(公告)号：CN118747510A

公开(公告)日：2024-10-08

申请号：CN202410723273.2

申请日：2024-06-05

Applicant: 北京工业大学

Inventor： 王秀娟 ,  王可可 ,  陈康淼 ,  王钲翔

IPC: G06N3/0442 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/09 ,  G06N3/126 ,  G06N3/008

Abstract: 本发明提供了一种基于图神经网络的多阶段自训练社交机器人检测方法。本发明首先利用全连接神经网络以及LSTM分别对社交媒体上用户的基本信息以及其用户发表的推文信息进行处理，并利用双向长短期记忆网络融合不同类型的用户信息作为用户的属性特征。为了对用户属性以及用户之间的拓扑关系进行处理，本发明利用少量标记数据对改进的RGCN进行训练，并利用训练好的RGCN获得未标记数据的预测，结合不确定性感知和深度聚类机制为未标记数据赋予伪标签。最后利用扩充的标记数据集继续对检测模型进行训练，重复该过程，直到模型性能不再变化。在Twibot‑20数据集上的准确率达到0.9259，证明了在缺乏足够标记数据的情况下有效。

公开(公告)号：CN117152486A

公开(公告)日：2023-12-01

申请号：CN202310921519.2

申请日：2023-07-26

Applicant: 北京工业大学

Inventor： 王秀娟 ,  郑康锋 ,  李启鹏 ,  王钲翔

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/30 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/094

Abstract: 一种基于可解释性的图像对抗样本检测方法属于计算机视觉领域。本发明针对图像对抗样本的可解释性研究不足导致的现有图像对抗样本检测方法较为抽象的问题，分别提出了图像特征鲁棒性的解释方法和基于自适应降噪的图像对抗样本检测方法的研究。首先区分图像中哪些区域的特征为鲁棒性特征，哪些为非鲁棒性特征，然后根据不同区域的特征进行自适应降噪处理，最后以降噪前后图像分类结果的差异作为度量训练分类器，实现对图像对抗样本的检测。

公开(公告)号：CN108932669A

公开(公告)日：2018-12-04

申请号：CN201810675122.9

申请日：2018-06-27

Applicant: 北京工业大学

Inventor： 王秀娟 ,  唐昊阳 ,  陶元睿

IPC: G06Q50/00 ,  G06F17/30 ,  G06N99/00

Abstract: 本发明公开一种基于监督式层次分析法的异常账户检测方法，包括：步骤1、对所采集的用户数据进行特征提取，并将提取的特征按照预定的规则构建成用户画像，同时为每个特征提出其异常评判分数的计算方法；步骤2、通过机器学习对特征进行排序，利用监督式层次分析法(SAHP，Supervised Analytic Hierarchy Process)，得出每个特征的权值，结合特征的异常评判分数，即可得到该用户每条消息所反映出的异常情况；步骤3、根据不同需求，选取不同水平的分数，作为评判账号是否被劫持的异常得分阈值，进而得出异常检测结果。

公开(公告)号：CN117152712A

公开(公告)日：2023-12-01

申请号：CN202310926337.4

申请日：2023-07-26

Applicant: 北京工业大学

Inventor： 王秀娟 ,  郑康锋 ,  田乙圻 ,  王可可

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084

Abstract: 一种基于双向Res2Net的对称交通标志检测方法属于计算机视觉领域，数据集进行筛选并划分训练集和测试集；2、将划分好的数据集进行预处理；3、将预处理过的数据作为Backbone部分的输入，进行特征提取；将经过特征提取的特征使用FPN+PAN的结构进行特征融合；5、将融合之后的特征输入Detect层得到输出结果，并得到损失；6、将训练集输入C2Net‑YOLOv5模型进行训练；将训练后的C2Net‑YOLOv5模型对测试集进行检测；本发明解决主干网络提取的小目标特征信息不够充分、模型提取特征不足的问题。

公开(公告)号：CN120045893A

公开(公告)日：2025-05-27

申请号：CN202411940979.0

申请日：2024-12-26

Applicant: 北京工业大学

Inventor： 孙成鹏 ,  王秀娟 ,  陈柳兵

IPC: G06F18/21 ,  G06F18/213 ,  G06F18/241 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/088 ,  G06N3/09

Abstract: 一种基于ChannelMix和双向时空特征融合的脑电情绪识别方法属于人工智能与机器学习领域，研究了一种无监督域适应的脑电情绪识别方法。首先，利用多阶段的双向时空特征融合模块，充分挖掘脑电信号的时空互补信息，从而提取到丰富的时空表示；然后通过域判别器迫使时空特征融合模块提取到域不变特征；接着，通过软伪标签模块为目标域样本生成伪标签并将其作为额外的监督信号，从而提高目标域的判别性；之后，通过ChannelMix模块，能够有效地建立中间域，通过将源域和目标域向中间域对齐，从而减小源域与目标域的差异；最后，基于ChannelMix的数据增强方法进一步提高泛化性能。本发明提高情绪识别准确率。

公开(公告)号：CN119088959A

公开(公告)日：2024-12-06

申请号：CN202411044466.1

申请日：2024-08-01

Applicant: 北京工业大学

Inventor： 王秀娟 ,  王钲翔 ,  陈康淼 ,  王可可

IPC: G06F16/35 ,  G06F40/151 ,  G06F40/30 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06Q50/00

Abstract: 一种结合表情符号信息的社交机器人识别方法属于社会工程学领域。本文对推文中的表情进行处理，并重新结合输入到深度学习框架中。框架由图模型和全连接层组成，用于捕捉账户中的各种可用数据。对于推文本文的方法可以更好的分析推文的语义和其他隐含特征，更好的利用推文中的表情这一特征，捕捉表情蕴含的情感与语义，并捕捉推文之间的语义相似性，最终理解账户描述的语义。通过将这些信息传递给全连接层，本文的模型可以进行最终的预测。

公开(公告)号：CN119691537A

公开(公告)日：2025-03-25

申请号：CN202411265889.6

申请日：2024-09-11

Applicant: 北京工业大学

Inventor： 张延恺 ,  袁梓锐 ,  石浩辰 ,  张浩然 ,  王秀娟

IPC: G06F18/241 ,  G06F18/2415 ,  G06F18/2411 ,  G06F18/243 ,  G06F18/27 ,  G06Q50/00 ,  G06N20/20

Abstract: 一种基于意外流行集成策略的虚假评论检测方法，属于计算机科学领域。本发明主要为意外流行集成策略与网络虚假评论的检测，通过结合意外流行算法与置信度成功构建能够准确检测大部分网络虚假评论的集成学习算法。首先使用Bert预处理模型对文本进行预处理，并去除停用词，再通过构建已知常见的二元分类器，为每个分类器训练回归模型对每个样本进行预测，同时结合预测结果和分类置信度计算样本的先验和后验概率，并结合意外流行算法思想得到最终预测结果。本发明通过结合意外流行算法思想可以有效弥补多数表决的缺陷，可以更加有效识别社交网络上的虚假评论内容。

公开(公告)号：CN113065428A

公开(公告)日：2021-07-02

申请号：CN202110299333.9

申请日：2021-03-21

Applicant: 北京工业大学

Inventor： 王秀娟 ,  闫艺宣 ,  马晓玥 ,  霍佳琪 ,  薛颖 ,  王博洋 ,  孙凯丽 ,  孙毓泽

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 基于特征选择的自动驾驶目标识别方法属于目标识别技术领域，本发明围绕基于差分相关信息熵的特征选择和提取展开，通过较好的特征选择和提取方法，方便分类器将目标区分开，实现计算机对不同目标的识别，为自动驾驶车辆在道路上对运动物体识别提供一种新思路。