-
公开(公告)号：CN114821088B
公开(公告)日：2024-10-18
申请号：CN202210493651.3
申请日：2022-05-07
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/084
摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。
-
公开(公告)号：CN113742781B
公开(公告)日：2024-04-05
申请号：CN202111123601.8
申请日：2021-09-24
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06F21/62 , G06F18/23 , G06F18/2135
摘要： 本发明属于信息安全技术领域，公开了一种K匿名聚类隐私保护方法、系统、计算机设备、终端，K匿名聚类隐私保护方法包括：使用主成分分析方法完成数据的降维且确定敏感属性、准标识符属性和标识属性；对降维后的数据使用灰度关联分析方法计算敏感属性与准标识符属性的关联度；根据敏感属性与准标识符关联度确定准标识符的泛化层次结构；使用手肘法确定数据集适合的聚类簇数量；根据阈值a判断对数据直接进行聚类操作还是将该数据集与其他数据值合并进行聚类；对数据集进行聚类处理；根据准标识属性的泛化结构对聚类的数据进行K匿名处理。本发明能够降低医疗数据的维度，避免聚类过程中陷入局部最优值，降低K匿名过程中的信息损失率，保护隐私数据的安全。
-
公开(公告)号：CN113905391A
公开(公告)日：2022-01-07
申请号：CN202111135948.4
申请日：2021-09-27
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
摘要： 本发明属于网络管理技术领域，公开了一种集成学习网络流量预测方法、系统、设备、终端、介质，所述集成学习网络流量预测方法包括：进行基于时间与空间的网络流量预测模型的构建；确定基于多层感知机的集成学习网络流量预测模型框架结构；进行基于多层感知机集成学习的网络流量时空建模，通过基于多层感知机的集成学习网络流量预测模型得出预测结果。本发明提供的基于多层感知机集成学习网络流量数据预测应用研究：1)用卷积神经网络与GRU门控单元对网络流量数据进行空间与时间的建模；2)提出一种基于多层感知机的集成学习网络流量预测模型；3)首次将时空建模引入网络流量预测领域。本发明预测结果精准度高，适应复杂因素影响，且控制更加准确。
-
公开(公告)号：CN113905391B
公开(公告)日：2023-05-23
申请号：CN202111135948.4
申请日：2021-09-27
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： H04W16/22 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/047 , G06N3/08
摘要： 本发明属于网络管理技术领域，公开了一种集成学习网络流量预测方法、系统、设备、终端、介质，所述集成学习网络流量预测方法包括：进行基于时间与空间的网络流量预测模型的构建；确定基于多层感知机的集成学习网络流量预测模型框架结构；进行基于多层感知机集成学习的网络流量时空建模，通过基于多层感知机的集成学习网络流量预测模型得出预测结果。本发明提供的基于多层感知机集成学习网络流量数据预测应用研究：1)用卷积神经网络与GRU门控单元对网络流量数据进行空间与时间的建模；2)提出一种基于多层感知机的集成学习网络流量预测模型；3)首次将时空建模引入网络流量预测领域。本发明预测结果精准度高，适应复杂因素影响，且控制更加准确。
-
公开(公告)号：CN115344621A
公开(公告)日：2022-11-15
申请号：CN202210797654.6
申请日：2022-07-06
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06F16/2458 , G06K9/62 , G06N3/04 , G06F16/9537
摘要： 本发明涉及异常检测技术领域，特别是涉及一种基于解缠绕网络的多变量时间序列异常检测方法及系统，方法包括：获取初始多变量时间序列数据，并对多变量时间序列数据进行规范化处理，得到预处理多变量时间序列数据；获取预处理多变量时间序列数据的全局依赖关系、局部动态依赖关系和时间依赖关系，进一步得到融合关系；基于融合关系得到预测多变量时间序列数据；基于预测多变量时间序列数据和预处理多变量时间序列数据得到是否异常。本发明能够很好地检测出多变量时间序列中的异常波动，大幅度提高了针对多变量时间序列的异常检测能力。
-
公开(公告)号：CN115099766A
公开(公告)日：2022-09-23
申请号：CN202210512066.3
申请日：2022-05-11
申请人： 武汉卓尔信息科技有限公司 , 湖北工业大学
摘要： 本发明实施例提供一种基于深度学习的绿色数据中心智能管理系统，通过系统化的能耗审计能够提供数据中心能耗的实时概况和模型，明确了解数据中心的总体能耗以及能耗的具体分布状况；从资源整合和任务调度的角度针对面向绿色云计算的节能关键技术展开深入研究，在保证系统QoS的前提下，使系统的各个环节运行有序化，有效、合理地降低云数据中心的能耗，建立数据清洗和分类机制，建立面向运维多维异构数据的高效时序存储架构，围绕数据中心多维异构数据自动化采集与数据处理技术、研究运维信息离散化现象，探索多维异构数据的自动化采集，实现异常识别与自动优化机理，有效识别故障原因及定位，实现降能增效。
-
公开(公告)号：CN114968556A
公开(公告)日：2022-08-30
申请号：CN202210449494.6
申请日：2022-04-26
申请人： 武汉卓尔信息科技有限公司 , 湖北工业大学
摘要： 本发明提供一种数据中心能耗管理方法及系统，该方法包括：获取数据中心历史访问流量数据，基于历史访问流量数据对长短记忆网络进行训练，得到流量预测模型；统计历史访问流量对应的服务器类型及数量，并统计用户平均等待时延；构建工作环境对应服务器性能的影响模型；基于所述流量预测模型预测不同时段对应的访问流量，在满足平均等待时延小于预定阈值的限定条件下，分配不同时段对应数量的服务器，并以最小能耗为目标，通过所述影响模型设置对应的制冷设备；基于实际用户平均等待时延及工作环境采样，对服务器数量及制冷设备进行反馈调节。通过该方案可以在保障用户正常使用体验的前提下，降低数据中心的能耗。
-
公开(公告)号：CN114821088A
公开(公告)日：2022-07-29
申请号：CN202210493651.3
申请日：2022-05-07
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。
-
公开(公告)号：CN113742781A
公开(公告)日：2021-12-03
申请号：CN202111123601.8
申请日：2021-09-24
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
摘要： 本发明属于信息安全技术领域，公开了一种K匿名聚类隐私保护方法、系统、计算机设备、终端，K匿名聚类隐私保护方法包括：使用主成分分析方法完成数据的降维且确定敏感属性、准标识符属性和标识属性；对降维后的数据使用灰度关联分析方法计算敏感属性与准标识符属性的关联度；根据敏感属性与准标识符关联度确定准标识符的泛化层次结构；使用手肘法确定数据集适合的聚类簇数量；根据阈值a判断对数据直接进行聚类操作还是将该数据集与其他数据值合并进行聚类；对数据集进行聚类处理；根据准标识属性的泛化结构对聚类的数据进行K匿名处理。本发明能够降低医疗数据的维度，避免聚类过程中陷入局部最优值，降低K匿名过程中的信息损失率，保护隐私数据的安全。
-
公开(公告)号：CN111899193B
公开(公告)日：2024-06-14
申请号：CN202010753913.6
申请日：2020-07-30
申请人： 湖北工业大学
IPC分类号： G06T5/90 , G06T5/70 , G06T5/60 , G06T9/00 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
摘要： 本发明属于图像增强技术领域，公开了一种基于低照度图像增强算法的刑侦摄影系统及方法，摄影端利用摄影设备进行图像数据获取与对象捕捉，并将获取的图像数据传送至增强端；增强端利用构建的基于增强网络模块生成对抗网络的低照度图像增强模型对传输的低照度图像进行增强，并运用对抗网络算法进行图像识别，为未进行过识别的种类贴上标签；同时提取存储后台中已完成识别的类似标签进行辅助识别；将完成识别增强的图片传输至摄影端以及存储后台分别进行输出与存储。本发明低照度图像增强效果最好、增强效率高、应成体系的系统可应用于各种复杂场景、选取了最适用于刑侦摄影的算法技术。
-
-
-
-
-
-
-
-
-
搜索结果
229 条记录 (耗时 0.052 秒)
