基于元路径融合和异构网络的神经网络推荐方法及系统

    公开(公告)号:CN115310005A

    公开(公告)日:2022-11-08

    申请号:CN202210976457.0

    申请日:2022-08-15

    IPC分类号: G06F16/9536 G06K9/62 G06N3/04

    摘要: 本发明属于个性化推荐技术领域,公开一种基于元路径融合和异构网络的神经网络推荐方法及系统,该方法首先根据领域知识设计合适的元路径;然后,通过基于元路径和连通矩阵的异构网络嵌入方法,得到用户和项目的嵌入向量;最后,鉴于深度神经网络强大的非线性建模能力,将学习到的不同元路径下的嵌入向量集成到一个双通道MLP结构中进行评分预测。本发明可以根据预定义的元路径有效地从异构信息网络中提取和融合用户偏好和项目属性的有用特征,并在Yelp、豆瓣图书和豆瓣电影三个真实数据集上进行了大量实验,实验结果验证了本发明在评分预测方面的有效性和优越性。

    基于SIR值学习的网络关键节点发现方法及系统

    公开(公告)号:CN113537461A

    公开(公告)日:2021-10-22

    申请号:CN202110740215.7

    申请日:2021-06-30

    摘要: 本发明属于计算机网络数据处理技术领域,特别涉及一种基于SIR值学习的网络关键节点发现方法及系统,针对样本数据,利用网络分析工具构建不同网络类型的无权无向网络并获取相应网络类型的网络数据;依据无权无向网络及网络数据计算网络节点特征,并利用SIR模型计算表征节点传播能力的SIR值,将网络节点特征和SIR值作为训练样本;构建回归模型,并利用训练样本对回归模型进行训练优化;计算目标网络数据的节点特征,并利用训练优化后的回归模型来获取节点对应的SIR值;通过对SIR值进行排序来选取网络关键节点。本发明利用节点结构上的特征预测节点SIR值来发现高影响力节点,降低节点分析中的复杂度,提高网络中关键节点预测效率,具有较好的应用前景。

    一种基于混合粒子群优化和灰狼优化的节点位置预测新方法

    公开(公告)号:CN116249066A

    公开(公告)日:2023-06-09

    申请号:CN202211513694.X

    申请日:2022-11-29

    IPC分类号: H04W4/02 H04W4/38 H04W84/18

    摘要: 本发明公开一种基于混合粒子群优化和灰狼优化的节点位置预测新方法,包括:确定目标无线传感器节点所在的房间或区域,在距离目标无线传感器节点不同位置处,测得接收到的信号强度;使用高斯滤波获取的信号强度进行过滤;将获取的信号强度与距离进行拟合,构建信号强度与距离关系模型并进行评估,选出拟合度最好的模型;使用二分法对待定位房间或区域进行划分,确定并缩小参考节点选取区域;对参考节点部署的位置进行限定;使用加权距离策略选取信号强度较强且稳定的参考节点;基于上述获取的数据,使用混合PSOGWO算法定位并优化目标无线传感器节点的位置。本发明提高了目标节点的定位精度,也提升了定位效率。

    基于SIR值学习的网络关键节点发现方法及系统

    公开(公告)号:CN113537461B

    公开(公告)日:2023-04-18

    申请号:CN202110740215.7

    申请日:2021-06-30

    摘要: 本发明属于计算机网络数据处理技术领域,特别涉及一种基于SIR值学习的网络关键节点发现方法及系统,针对样本数据,利用网络分析工具构建不同网络类型的无权无向网络并获取相应网络类型的网络数据;依据无权无向网络及网络数据计算网络节点特征,并利用SIR模型计算表征节点传播能力的SIR值,将网络节点特征和SIR值作为训练样本;构建回归模型,并利用训练样本对回归模型进行训练优化;计算目标网络数据的节点特征,并利用训练优化后的回归模型来获取节点对应的SIR值;通过对SIR值进行排序来选取网络关键节点。本发明利用节点结构上的特征预测节点SIR值来发现高影响力节点,降低节点分析中的复杂度,提高网络中关键节点预测效率,具有较好的应用前景。

    基于自嵌入水印的G-code文件认证与恢复方法

    公开(公告)号:CN113934989B

    公开(公告)日:2024-04-26

    申请号:CN202111109077.9

    申请日:2021-09-22

    IPC分类号: G06F21/16 G06F21/64

    摘要: 本发明公开一种基于自嵌入水印的G‑code文件认证与恢复方法,包括:将G0和G1命令行划分为代码块并进行置乱;将置乱后的每个代码块划分为两部分,部分I中的X和Y坐标用于生成认证水印和恢复水印,部分II中的X和Y坐标用于承载恢复水印;将X和Y转换为二进制;基于FNV哈希函数生成认证水印,并嵌入至代码块;在映射块内嵌入恢复水印;之后将X和Y坐标转换为十进制表示;当3D打印机接收到一个G‑code文件,首先检查其是否被篡改;如果未检测到篡改,则根据恢复水印恢复由认证水印引起的失真;如果G‑code文件被篡改,则利用恢复水印和相邻代码块的几何信息进行部分恢复。本发明可以提高在3D打印过程中使用G‑code文件的安全性。

    基于自嵌入水印的G-code文件认证与恢复方法

    公开(公告)号:CN113934989A

    公开(公告)日:2022-01-14

    申请号:CN202111109077.9

    申请日:2021-09-22

    IPC分类号: G06F21/16 G06F21/64

    摘要: 本发明公开一种基于自嵌入水印的G‑code文件认证与恢复方法,包括:将G0和G1命令行划分为代码块并进行置乱;将置乱后的每个代码块划分为两部分,部分I中的X和Y坐标用于生成认证水印和恢复水印,部分II中的X和Y坐标用于承载恢复水印;将X和Y转换为二进制;基于FNV哈希函数生成认证水印,并嵌入至代码块;在映射块内嵌入恢复水印;之后将X和Y坐标转换为十进制表示;当3D打印机接收到一个G‑code文件,首先检查其是否被篡改;如果未检测到篡改,则根据恢复水印恢复由认证水印引起的失真;如果G‑code文件被篡改,则利用恢复水印和相邻代码块的几何信息进行部分恢复。本发明可以提高在3D打印过程中使用G‑code文件的安全性。