-
公开(公告)号：CN117273544A
公开(公告)日：2023-12-22
申请号：CN202311356628.0
申请日：2023-10-19
Applicant: 哈尔滨理工大学
IPC: G06Q10/0639 , G06Q10/0631 , G06F18/23 , G06F16/9536 , G06Q50/00
Abstract: 社会参与式群智感知作为新兴的研究领域，如何在稀疏用户背景下招募值得信赖和活跃度强的高价值用户具有极大挑战，而用户的社会自组织性和中心效应提供了新的研究思路。针对这个问题，本发明提出了一种群智感知稀疏用户角色提取与可信参与式分析方法。首先基于用户的重叠社交关系分解挖掘用户的多重身份信息，筛选出高质量的感知用户；其次，基于角色导向的网络表示学习建模用户的角色信息并建立角色层次模型，评估用户的社交功能和角色价值；最后，本发明首次提出时序社交中心性概念，用于综合用户社会和网络结构特征评估用户的整体价值，有效保证在稀疏用户池下的任务分配效率及任务覆盖率。
-
公开(公告)号：CN115510482A
公开(公告)日：2022-12-23
申请号：CN202211176894.0
申请日：2022-09-26
Applicant: 哈尔滨理工大学
Abstract: 在群智感知中，现有的关于隐私保护的研究主要是将数据上传到感知平台，通过服务器来进行模型训练。这将会延长通信时间，还会造成个人信息泄露。针对以上的不足，本发明采用联邦学习方法，它不需要共享感知数据，在本地对感知用户提交的数据进行存储、训练形成本地模型。其次利用差分隐私加入高斯噪声来扰动感知用户上传的本地模型，防止信息泄露。将处理后的本地模型上传到感知平台进行聚合。最后采用自适应差分隐私机制，实时调整剪裁值，减少噪声和参数剪裁所造成的误差，降低通信代价。采用差分隐私与联邦学习结合的方法来研究群智感知中的隐私保护问题，不仅提高了隐私保护效率，还具有较低的时间和计算开销。
-
公开(公告)号：CN115018820A
公开(公告)日：2022-09-06
申请号：CN202210796046.3
申请日：2022-07-08
Applicant: 哈尔滨理工大学
Abstract: 基于纹理加强的乳腺癌多分类方法，本发明涉及组织病理图像分类技术中，乳腺癌组织病理图像的多分类问题。组织病理图像分类技术通过图像处理技术提取出具有辨别性的类别特征进行癌症类型分类，在癌症诊断方面有着广泛的应用。然而由于乳腺癌的组织形象十分复杂和类型甚多，部分恶性亚型在临床和病理中表现出异质性差别小，导致在乳腺癌组织病理图像多分类中不易提取这些类别中具有区分性特征。为改善这一问题，本发明提出了一种基于纹理加强的乳腺癌多分类方法。实验表明，该方法能有效地提取不同乳腺癌亚型的具有辨别性的特征，减少分类误差，提高乳腺癌病理图像多分类精度。本发明应用于乳腺癌组织病理图像的多分类。
-
公开(公告)号：CN114971047A
公开(公告)日：2022-08-30
申请号：CN202210626610.7
申请日：2022-06-04
Applicant: 哈尔滨理工大学
Abstract: 现有移动群智感知中如何在保证感知质量、降低成本的前提下，快速地将感知任务分配给最优执行用户的任务分配问题是研究的重点。为了解决这一问题，本文提出了一种基于麻雀搜索算法的选择感知用户的CSSA优化方法。该方法首先对感知用户进行建模，提出用户适应度的概念，将用户的基础信息依次归为位置、电量、设备和信誉四个方面，依次计算适应度。其次，依据这些适应度值综合考虑感知用户的优先级，依据用户优先级对用户进行分类，采用智能优化算法模拟用户完成任务的过程，最后选出适合感知任务的最优用户。通过本文提出的算法与其他优化算法在相同环境下的对比实验，结果表明在求解任务分配问题时具有更高的性能。
-
公开(公告)号：CN110478193B
公开(公告)日：2022-05-17
申请号：CN201910850621.1
申请日：2019-09-10
Applicant: 哈尔滨理工大学
IPC: A61H1/02
Abstract: 本发明提供了一种新型基于差速传动的三自由度腕部康复机器人，包括：侧屈与侧偏运动模块、旋转运动模块和电机转速控制模块，侧屈与侧偏运动模块使用双电机差速传动用于帮助患者实现腕关节掌侧屈、背侧屈，尺侧偏和桡侧偏运动；旋转运动模块用于帮助患者腕关节的旋转和对手臂的支撑；电机转速控制模块用于控制整个机器人的侧偏模式、侧屈模式和旋转模式，使其完成训练腕关节活动的功能。本发明辅助患者进行腕部的掌屈/背屈、内翻/外翻、内收/外展三个运动自由度的运动训练，具有贴合腕部运动轨迹，结构紧凑、尺寸小、重量低，便于家庭使用，提高康复训练效率的特点。
-
Patent Agency Ranking
公开(公告)号：CN113507704A
公开(公告)日：2021-10-15
申请号：CN202110779725.5
申请日：2021-07-09
Applicant: 哈尔滨理工大学
IPC: H04W12/02
Abstract: 针对当前群智感知网络中集中式位置隐私保护方法给用户带来的隐私安全泄露问题，提出了基于区块链智能合约的隐私保护方法。首先，采用可信分布式环境区块链代替第三方服务器，为避免泄露个人信息，用户在区块链上注册一个匿名身份。此外，为解决在分布式结构下，用户之间存在相互欺骗行为导致的用户位置隐私泄露问题，在智能合约上设计了基于双重属性决策的虚拟位置算法。其中，该算法通过计算周边位置，获取每个位置与用户位置之间的距离值以及每个位置的历史查询概率值，然后对其设置不同的阈值，进行循环筛选，进而得到一个有效保护用户位置的匿名集。最后，通过仿真实验验证该方法可以提升保护用户位置隐私的效率。
-
公开(公告)号：CN112926501A
公开(公告)日：2021-06-08
申请号：CN202110305468.1
申请日：2021-03-23
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于YOLOv5网络结构的交通标志检测算法，属于目标检测和交通标志检测技术领域，本发明旨在缓解传统交通标志检测算法在实际应用中的复杂背景之下的误检和漏检问题。针对此问题，本文利用YOLOv5目标检测算法，在检测交通标志的过程中，引入多层GhostBottleneck网络，并通过引入模块注意力机制来聚焦和增强有效特征，并抑制干扰特征，提高复杂背景下交通标志的检测能力。在著名的公开的德国GTSDB数据集上对模型进行评估，取得了良好的检测效果，并具有良好的鲁棒性。
-
公开(公告)号：CN119691444A
公开(公告)日：2025-03-25
申请号：CN202411604489.3
申请日：2024-11-12
Applicant: 哈尔滨理工大学
IPC: G06F18/214 , G06F18/24 , G06N3/0475 , G06N3/094
Abstract: 在移动群智感知平台，请求者发布任务分配给参与者执行，任务包括真实任务和虚假任务。其中高容量虚假任务由深度学习手段模仿真实任务生成，因此很难被检测。对此本发明提出了一种基于对抗性训练的群智感知高容量虚假任务检测方法，旨在采用高容量虚假任务训练一个有针对性的检测模型，以提高群智感知针对高容量虚假任务的识别能力。首先，采用“距离因子”和转置操作优化多头自注意力机制，优化后的注意力机制称为特征距离注意力机制；然后，构建检测器，检测模型由特征距离注意力机制和多头自注意力机制，以及卷积等模块组成；最后，采用合法任务和生成的高容量虚假任务训练检测模型，得到的检测器可以针对高容量虚假任务进行检测。
-
公开(公告)号：CN116841741A
公开(公告)日：2023-10-03
申请号：CN202310800310.0
申请日：2023-06-30
Applicant: 哈尔滨理工大学
Abstract: 任务推荐是目前移动群智感知研究的热点和难点，现有的任务分配方法存在无法应对动态环境下感知任务和感知用户的变化，以及没有考虑用户的持续感知时间等问题。针对以上的不足，本发明通过引入“自省”、“自配置”和“自调节”概念，将其应用于构建MCS知识图谱的完整周期。“自省”对系统内外部环境变化产生实时响应。“自配置”筛选出高质量感知用户，并将MCS知识图谱进行路径过滤，保证感知用户的可靠性。“自调节”根据过滤后的路径，计算节点的邻居权重矩阵以更新节点嵌入，挖掘节点之间的潜在联系。本发明提出的方法通过节点关系自演化推理，生成了与感知用户偏好更匹配的任务推荐，提高了感知用户参与任务的积极性，保障了感知数据质量。
-
公开(公告)号：CN116719991A
公开(公告)日：2023-09-08
申请号：CN202310596142.8
申请日：2023-05-24
Applicant: 哈尔滨理工大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/25 , G06F18/22 , G06F18/214 , G06N3/0442
Abstract: 现有移动群智感知中基于用户画像进行任务推荐的方法考虑到了挖掘用户历史数据来构建用户画像，但忽略了历史数据的多样性以及不同模态之间的相关性。针对这个问题，本发明提出了一种基于多模态用户画像的移动群智感知任务推荐方法。首先，通过挖掘用户历史任务集提取用户在多模态下的动态特征表示，结合用户静态特征构建用户画像；然后利用相似度函数计算关系网络中用户画像相似度并改善关系网络；最后借助欧氏距离将所有用户与任务映射到同一空间，配合精准欧氏局部敏感哈希进行降维与任务推荐。本发明从多模态角度考虑用户画像的构建，更全面、准确地构建用户画像，结合度量学习与局部敏感哈希方法，生成与感知用户更匹配的任务推荐方法。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.029 seconds)
