一种基于自适应子图的结构感知图对比学习方法

    公开(公告)号:CN115131605A

    公开(公告)日:2022-09-30

    申请号:CN202210665049.3

    申请日:2022-06-14

    摘要: 本发明属于图表示学习领域,提出了一种基于自适应子图的结构感知图对比学习方法,用于图表示学习。该方法包括基于Motif的子图生成算法、图增强算法、基于Motif的子图嵌入算法、基于GNN的图嵌入算法以及子图对比学习框架。本发明可以在无监督场景下,帮助模型更好地捕捉局部语义信息,从而学习到高质量节点嵌入,用于下游图学习任务,如节点分类、链路预测、推荐系统等。本发明基于原始图中的motif信息,构建编码子图,可以有效减轻图增强对原始图语义信息的破坏;提出的基于motif的子图生成与编码策略和传统子图生成方法相比,可以捕捉更丰富的语义信息。

    一种航空发动机气路故障诊断方法

    公开(公告)号:CN111368885B

    公开(公告)日:2021-12-03

    申请号:CN202010112320.1

    申请日:2020-02-24

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 一种基于深度学习和信息融合的航空发动机气路故障诊断方法,属于动力机械故障诊断领域。首先,对数据进行预处理;其次,利用处理后的样本数据将卷积神经网络模型和前馈神经网络分别训练至最佳,继而得到两个模型对样本数据所属类别的判定结果;再次,在证据体的基本概率分布的构造阶段,两种模型的判别结果被视为两个证据体,该阶段将证据体中样本所属各类别评分转换为样本的基本概率分布,同时计算样本不确定度;最后,在证据体的合成与决策阶段,根据D‑S证据理论的合成规则计算两个证据体合成后的概率分布,根据决策规则给出每条样本所属类别。本发明融合了两种深度神经网络从不同角度学习样本数据后给出的决策结果,获得一种精度较高的航发故障诊断模型,同时可以克服非深度学习模型对不同来源的航发大数据判别能力不稳定、鲁棒性低的问题。

    一种分布式文件系统中节点身份认证方法

    公开(公告)号:CN112383521A

    公开(公告)日:2021-02-19

    申请号:CN202011201013.7

    申请日:2020-11-02

    IPC分类号: H04L29/06 H04L9/32 H04L29/08

    摘要: 本发明涉及区块链文件存储技术领域,提供一种分布式文件系统中节点身份认证方法,包括:步骤100,第一节点发送认证请求至第二节点;步骤200,第二节点检索其数据库中是否存在认证请求的标识信息,若数据库中存在所述标识信息,则第二节点生成挑战码,并采用加密策略将挑战码加密后发送至第一节点;步骤300,所述第一节点采用预设的处理机制处理加密后的挑战码,并生成响应报文发送至第二节点;或者,所述第一节点采用预设的处理机制处理加密后的挑战码,并生成反向挑战码和响应报文,并对反向挑战码进行加密,将所述响应报文和加密后的反向挑战码发送至所述第二节点。本发明能够提高网络节点之间通信的安全性。

    基于CNFS协议的自验证可变名称分布式存储方法

    公开(公告)号:CN112291356A

    公开(公告)日:2021-01-29

    申请号:CN202011200979.9

    申请日:2020-11-02

    摘要: 本发明涉及分布式存储技术领域,提供一种基于CNFS协议的自验证可变名称分布式存储方法,包括:步骤100,基于CNFS协议的文件系统,上传用户节点生成CNFS节点信息;步骤200,上传用户节点A分配可变命名空间,由之前生成的节点信息作为地址名称,向域名服务器系统中添加域名,上传文件并将其索引到自己的命名空间上;步骤300,访问用户节点获取文件对象,通过检测签名是否与公钥和上传用户节点信息匹配,从而验证上传用户节点发布对象的真实性;步骤400,访问用户节点解析上传用户节点命名空间下发布的数据哈希值,并向存储节点发起对应数据哈希的下载请求。本发明有效的减少网络负担,并提高系统扩展性。

    一种基于深度学习和信息融合的航空发动机气路故障诊断方法

    公开(公告)号:CN111368885A

    公开(公告)日:2020-07-03

    申请号:CN202010112320.1

    申请日:2020-02-24

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 一种基于深度学习和信息融合的航空发动机气路故障诊断方法,属于动力机械故障诊断领域。首先,对数据进行预处理;其次,利用处理后的样本数据将卷积神经网络模型和前馈神经网络分别训练至最佳,继而得到两个模型对样本数据所属类别的判定结果;再次,在证据体的基本概率分布的构造阶段,两种模型的判别结果被视为两个证据体,该阶段将证据体中样本所属各类别评分转换为样本的基本概率分布,同时计算样本不确定度;最后,在证据体的合成与决策阶段,根据D-S证据理论的合成规则计算两个证据体合成后的概率分布,根据决策规则给出每条样本所属类别。本发明融合了两种深度神经网络从不同角度学习样本数据后给出的决策结果,获得一种精度较高的航发故障诊断模型,同时可以克服非深度学习模型对不同来源的航发大数据判别能力不稳定、鲁棒性低的问题。

    特征提取方法、装置、计算机设备及存储介质

    公开(公告)号:CN110378423A

    公开(公告)日:2019-10-25

    申请号:CN201910663371.0

    申请日:2019-07-22

    IPC分类号: G06K9/62

    摘要: 本申请涉及一种特征提取方法、装置、计算机设备及存储介质,该方法包括:获取目标对象的多模态的原始特征数据;对各模态的原始特征数据进行映射降维,分解得到由变量表示的共享特征数据和各模态的由变量表示的私有特征数据;根据所述共享特征数据和各所述私有特征数据,重构各模态的特征数据;确定各模态的所述原始特征数据和重构的特征数据之间的差异;通过调整由变量表示的共享特征数据的值和由变量表示的私有特征数据的值,使所述差异最小化;获取所述差异最小化时的共享特征数据的值,得到所述目标对象的最终融合的共享特征。本申请的方案,能够提高特征提取的准确性。

    一种基于子空间混合超图学习的交叉模态检索方法

    公开(公告)号:CN106886601B

    公开(公告)日:2018-09-04

    申请号:CN201710116758.5

    申请日:2017-03-02

    IPC分类号: G06F17/30

    摘要: 一种基于子空间混合超图学习的交叉模态检索方法,基于典型相关性分析的交叉模态公共子空间学习;通过公共子空间的映射来计算模态内部和模态之间的相似度;通过不同模态内部和模态之间的相似度计算混合关系矩阵;通过对关系矩阵的提炼构建混合超图模型;最后采用超图学习进行交叉模态检索和样例排序。本发明实例针对交叉模态的异构差异性,以及样本之间的高阶关系,将超图模型结合交叉模态公共子空间学习,应用到交叉模态检索中,使模型能够同时考虑模态间的相似度和模态内部的相似度,同时兼顾多个样本之间的高阶关系,提高最终的交叉模态检索的查准率和查全率。本发明有效地提高了交叉模态检索的性能,能大大提高交叉模态检索的准确率和召回率。

    一种面向物联网应用的太阳能跟踪系统

    公开(公告)号:CN103399580B

    公开(公告)日:2016-01-13

    申请号:CN201310260808.9

    申请日:2013-06-26

    IPC分类号: G05D3/12

    摘要: 一种面向物联网应用的太阳能跟踪系统,属于移动通讯技术领域。由远程服务器、物联网成员和安装在所有物联网成员上的机械系统、太阳能发电板和安装于太阳能发电板上的电路系统组成。机械系统使太阳能发电板在三维空间旋转;电路系统伺服机械系统并且提供外部传感器即插即用功能。本发明有益效果是,充分利用光能,机械系统的水平旋转装置和垂直旋转装置的设计采用带有自锁功能的涡轮和蜗杆结构,抗击强风的能力强。