-
公开(公告)号：CN115310003A
公开(公告)日：2022-11-08
申请号：CN202210871528.0
申请日：2022-07-22
申请人： 扬州大学
IPC分类号： G06F16/9536 , G06N7/00 , G06Q50/00
摘要： 本发明涉及信息源检测技术领域，尤其涉及一种竞争性谣言传播模型下基于最大后验估计的源定位方法，在考虑到众多现实因素的情况下，能更有效地解决单源的源定位问题，为以后最大后验概率运用于单源问题的研究提供了相应基础。该技术可以提高识别社交网络中影响力传播的源节点方面的效率，扩展了该技术在源定位问题领域的应用范围和实用性。有助于解决电脑病毒、流行病传播源的定位，污染源的定位及舆情谣言的定位。
-
公开(公告)号：CN115018662A
公开(公告)日：2022-09-06
申请号：CN202210658016.6
申请日：2022-06-10
申请人： 扬州大学
摘要： 本发明涉及社交网络源定位技术领域，具体涉及一种基于深度学习的多源定位方法，结合自编码网络(Auto‑Encoder,AE)进行节点特征的集成，并利用深度学习对于大量数据的优势提高了算法整体的运行效率，本发明结合时间与图中距离的相对关系，得出一种节点特征提取的方式，综合考虑节点的传播路径可能性以及时间条件，对节点特征有更为详尽的描述，保留了感染子图中大多数传播信息和性质。该方法能够使得在仅仅只获取到一部分感染信息，抽取少量观测节点时，算法就能达到相对较好的精度和较小的误差，大大降低投入成本和计算复杂度。
-
公开(公告)号：CN108804870B
公开(公告)日：2021-11-19
申请号：CN201810499870.6
申请日：2018-05-23
申请人： 扬州大学
IPC分类号： G16B15/20
摘要： 本发明的目的是提供一种基于Markov随机游走的关键蛋白质识别方法，属于生物信息技术领域。基于Markov随机游走的关键蛋白质识别方法：使用Markov随机游走的思想，对每一个顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据一定的概率让得分在网络中随机游走并在传递中进行修改；最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明融合生物属性和拓扑特性提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
公开(公告)号：CN108804870A
公开(公告)日：2018-11-13
申请号：CN201810499870.6
申请日：2018-05-23
申请人： 扬州大学
IPC分类号： G06F19/16
摘要： 本发明的目的是提供一种基于Markov随机游走的关键蛋白质识别方法，属于生物信息技术领域。基于Markov随机游走的关键蛋白质识别方法：使用Markov随机游走的思想，对每一个顶点赋予表示其重要程度的得分，所有顶点的得分构成一个n列的向量，给出得分的初始值，根据一定的概率让得分在网络中随机游走并在传递中进行修改；最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明融合生物属性和拓扑特性提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
公开(公告)号：CN108073552A
公开(公告)日：2018-05-25
申请号：CN201711439468.0
申请日：2017-12-22
申请人： 扬州大学
摘要： 本发明涉及独立级联模型下基于最大似然的影响力最大化方法。本发明在复杂网络中确定种子节点，构造基于抽样的缩略图以及顶点分层，计算构造的缩略图中所有顶点的最大似然概率值，对所有的最大似然概率值进行排序，筛选出k个节点。本发明克服了Degree方法在识别有影响力节点方面缺乏准确性，CascadeDiscount方法计算复杂，内存消耗大且运行时间也比较长等缺陷。本发明提出一种构造缩略图的方法从而将复杂网络进行分解，按照条件筛选出包含k个节点的种子节点集合S，避免之前算法中寻找最短路径等其他条件，从而减少了许多不必要的计算，使得预测结果更加的准确，可靠性更高。
-
公开(公告)号：CN117763560A
公开(公告)日：2024-03-26
申请号：CN202311689060.4
申请日：2023-12-08
申请人： 扬州大学
摘要： 本发明公开了一种基于双视图因果推理的可解释漏洞检测方法及系统，所述漏洞检测方法包括以下步骤：S1、获取代码样本，所述代码样本包括训练样本和待检测样本，将所述训练样本依次经过数据增强、静态分析、构建代码属性图、特征抽取后得到训练数据集；将所述待检测样本依次经过静态分析、构建代码属性图、特征抽取后得到待检测数据集；S2、基于混合对比学习法处理所述训练数据集，建立漏洞检测模型；将所述待检测数据集输入所述漏洞检测模型，输出漏洞代码；S3、对所述漏洞代码进行因果推理，输出漏洞检测解释。本发明具有鲁棒性高、准确性高、简洁性强的特点。
-
公开(公告)号：CN109686402B
公开(公告)日：2023-11-03
申请号：CN201811597170.7
申请日：2018-12-26
申请人： 扬州大学
摘要： 基于动态加权相互作用网络中关键蛋白质识别方法使用准则，计算蛋白质活动时间点和蛋白质活动概率，构建动态PPI网络，然后，根据蛋白质活动概率，计算蛋白质间相互作用权重，构建动态加权PPI网络。在建立好的动态加权PPI网络上，根据蛋白质网络的拓扑特性和生物属性，计算相互作用蛋白质对间的边缘聚类系数、基因本体相似度和皮尔逊相关系数。之后，得到一个重要性分数，最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明提高了关键蛋白质识别的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN115719096A
公开(公告)日：2023-02-28
申请号：CN202210612640.2
申请日：2022-05-31
申请人： 扬州大学
摘要： 本发明涉及谣言抑制技术领域，具体涉及一种基于社区挖掘的谣言抑制最大化方法，首先利用独立路径计算节点之间的标签传播概率，获得标签传播概率矩阵，从而获得初始社区的划分。通过计算社区中心的距离，进行社区合并，最终得到满足稠密度值的社区。结合边聚集系数之和边上的带宽，本发明提出了SoECC‑BW来衡量节点的重要性。为各个社区分配传播真相的节点预算，最终选取前k个SoECC‑BW值最高的节点传播真相，来抑制谣言的扩散。该技术在解决谣言抑制的问题上较其他算法具有更高的效率，可以更快的识别社交网络中影响力大的节点传播真相，扩展了该技术在谣言抑制问题领域的应用范围和实用性。
-
公开(公告)号：CN113868546A
公开(公告)日：2021-12-31
申请号：CN202110997385.3
申请日：2021-08-27
申请人： 扬州大学
IPC分类号： G06F16/9536 , G06F16/951 , G06F17/11 , G06F17/16 , G06F17/18 , G06Q50/00
摘要： 本说明书一个或多个实施例提供一种独立级联模型下基于极大似然的源定位方法，通过根据种子节点集在IC模型上扩散，形成感染网络，利用独立路径计算传播概率，再计算影响范围最小的似然函数利用贪心策略选取种子集合，最终得到输出感染源，相比于传统的源定位方法大部分都只能解决单影响源定位问题，并且利用简单的IC模型来解决复杂的多源定位问题的工作甚少。本方法在只考虑概率因素的情况下，就能同时解决单源和多源的源定位问题，为以后似然概率运用于多源问题的研究提供了相应基础。该技术可以提高识别社交网络中影响力传播的源节点方面的效率，扩展了该技术在源定位问题领域的应用范围和实用性。
-
公开(公告)号：CN113553541A
公开(公告)日：2021-10-26
申请号：CN202110623693.X
申请日：2021-06-04
申请人： 扬州大学
摘要： 本说明书一个或多个实施例提供一种独立级联模型下基于独立路径分析的源定位方法，研究了不同源在不同时刻发出的影响力的传播情况，基于相同时间差的受感染节点有更大机率是被同一个源所感染这一前提，我们根据不同的独立路径进行分析判断，根据同一时间出现最多的对应独立路径上的观测者集合来定位可能的源，提高了定位的准确性，相比传统的源定位方法，大部分都是默认源感染的出发点是同一时刻，忽略了不同源节点在不同时刻开始发出影响力的可能，并且在生成独立路径后，对每个源节点的探索过程都是基于这条独立路径来单独分析的，该技术可以提高识别社交网络中影响力传播的源节点方面的效率，扩展了该技术在源定位问题领域的应用范围和实用性。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.028 秒)
