-
公开(公告)号：CN116866347A
公开(公告)日：2023-10-10
申请号：CN202310959414.6
申请日：2023-08-01
Applicant: 湖北工业大学 , 武汉烽火技术服务有限公司
IPC: H04L67/10 , H04L41/142 , G06N3/126
Abstract: 本发明提供一种基于Two_Arch2算法的工业物联网节点数优化方法，利用非支配排序方法对Two_Arch2算法中种群CA和DA进行更新，将解集按照其在多目标优化问题中的优劣程度进行分类和排序，并将没有被任何其他个体支配的解放入DA中，在对CA种群进行更新时引入基于偏移的密度估计指标，并且用随机排序法对两个指标进行了平衡，引导种群以较快的速度收敛到真实的帕累托前沿，可用于工业物联网相关技术领域中；本发明采用的更新方法和评价方法能够提高区块链系统吞吐率和降低系统成本，同时降低因节点导致的通讯时延开销，为工业物联网部署时寻找最优节点数，提高系统的可扩展性，能够满足工业物联网部署时的要求。
-
公开(公告)号：CN116992258A
公开(公告)日：2023-11-03
申请号：CN202310974597.9
申请日：2023-08-02
Applicant: 湖北工业大学
IPC: G06F18/2111 , G06F18/2113 , G06F18/214 , G06F16/35 , G06F40/216 , G06F40/284 , G06N3/06
Abstract: 本发明公开了一种基于改进蚁群优化算法的多标签文本特征选择方法，包括以下步骤：步骤1、数据准备，对文本数据集进行预处理；步骤2、环境准备，转换得到的文本向量和标签向量使用岭回归提取特征标签相关性；步骤3、蚁群优化；步骤4、特征选择并输出迭代后的信息素。本发明通过蚁群在有监督和无监督加权图中游走，寻找在这两个监督范式下冗余性都较低的特征，同时通过节点中心性自适应的调整蚁群在不同数据集上迭代过程中所需游走的特征个数，通过参数的自适应提高蚁群的搜索能力，平衡探索与开发的能力。通过以上两个策略提升蚁群的优化能力，使得蚁群能捕获具有判别力的特征，获得最优特征子集。
-
公开(公告)号：CN108768612A
公开(公告)日：2018-11-06
申请号：CN201810563241.5
申请日：2018-06-04
Applicant: 湖北工业大学
IPC: H04L9/00
CPC classification number: H04L9/008
Abstract: 本发明公开了一种外包计算中基于随机酉矩阵的全同态加密方法。本方法既有全同态加密特性，又能应用于非整数域计算，同时具有全数域的诚实性校验特性。相比经典密码学方案只能应用于整数域，本方法可以应用于任何矩阵可以操作的数域，包括实数，复数等；相比现有同类型加密方法，本方案不仅具有全同态特性，而且因为采用了酉矩阵，不会给加密后计算引入病态条件数，从而具有真实的校验特性。本方法适合于任何矩阵加密，因为同态性好，特别适用于计算与加密独立的应用场合，例如外包计算。
-
公开(公告)号：CN105262755A
公开(公告)日：2016-01-20
申请号：CN201510719659.7
申请日：2015-10-29
Applicant: 湖北工业大学
CPC classification number: H04L63/0428 , H04L63/12 , H04L67/1097
Abstract: 本发明公开了一种保护敏感信息泄漏的物联网节点数据安全存储方法，其特征在于，包括数据转换和数据恢复两个步骤，数据转换过程依次包括处理函数构造单元、数据转换单元、验证钥生成单元、数据分发单元；数据恢复过程依次包括节点确认单元、恢复密文生产单元、数据恢复单元、数据验证单元。本发明具备高安全性、完整性以及抗泄露性，数据转换以及数据恢复更为高效，极大程度上保证物联网节点中数据，有效防止节点信息泄露、丢失或者破坏的有益效果。
-
公开(公告)号：CN117579500B
公开(公告)日：2024-05-10
申请号：CN202311042687.0
申请日：2023-08-18
Applicant: 湖北工业大学
IPC: H04L41/147 , H04L41/16
Abstract: 本发明公开了一种网络流量预测方法、装置、设备及介质，涉及计算机网络技术领域，包括以下步骤：步骤1：获取网络流量原始数据，利用滑动窗口技术对采集到的网络流量原始数据进行处理，得到处理后的网络流量数据，并将其划分为训练集和测试集，同时对其进行归一化处理；该杂交育种预测方法、装置、设备及介质，通过设置数据获取模块、数据处理模块、模型构建单元，将改进的杂交育种优化算法与LSTM相结合，利用改进的杂交育种优化算法自动搜索模型的超参数值，从而建立最优的基于LSTM的网络流量预测模型，实现了提升网络流量预测效果，同时降低调整超参数值的时间成本和人力成本的效果。
-
Patent Agency Ranking
公开(公告)号：CN117033965A
公开(公告)日：2023-11-10
申请号：CN202311009307.3
申请日：2023-08-11
Applicant: 湖北工业大学 , 西宁市大数据服务管理局
IPC: G06F18/2113 , G06F18/214 , G06N3/006 , G16B40/00
Abstract: 本发明公开了生物疫苗数据特征选择方法、装置、设备及介质，涉及生物疫苗研发数据挖掘技术领域，方法包括步骤1：对高维生物疫苗数据集进行预处理，使用卡方检验计算每个特征与标签之间的相关性，并按照相关性进行排序，保留指定比例的排序靠前的特征；步骤2：将预处理后的生物疫苗数据集划分为训练集和测试集；该生物疫苗数据特征选择方法、装置、设备及介质，通过设置算法模型模块、算法迭代模块、算法输出模块，使用自适应的参数更新策略用于取代粒子群优化算法的固定参数，使粒子能在更合理的范围内搜索，还采用了一种向搜索过程中前三位最优粒子学习的领导学习策略，为粒子搜索提供了更丰富的种群多样性。
-
公开(公告)号：CN105812128B
公开(公告)日：2018-11-13
申请号：CN201610132478.9
申请日：2016-03-09
Applicant: 湖北工业大学
Abstract: 本发明公开了一种智能电网抗恶意数据挖掘攻击的数据聚合系统及方法，系统包括控制中心CC、网关GW、家域网HAN；假设系统内有n个用户，家域网HAN由部署在某个用户家中的智能电表、智能设备组成，用于实时采集该用户的用电信息；网关GW通过WiFi与n个家域网HAN进行双向通信，家域网HAN利用WiFi将加密后的用户电量发送给网关GW；网关GW通过有线网络与控制中心CC进行双向通信，网关GW利用有线网络将聚合电量发送给控制中心CC。方法包括系统参数和验证密钥的生成、实体注册、数据加密及用户报告的生成、具有抗恶意数据挖掘攻击的用户电量聚合、聚合密文的验证和解密5部分；本发明能够保证在恶意数据挖掘攻击下用户隐私不被泄露。
-
公开(公告)号：CN104767763B
公开(公告)日：2017-10-24
申请号：CN201510210054.5
申请日：2015-04-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种智能电网中隐私保护的区域用户电量聚合系统与方法，系统具有二级网关结构，具体包括控制中心CC、区域网关AGW、社域网关RAGW、家域网HAN；方法包括六个部分：系统初始化，用户报告生成，具有隐私保护的细粒度用电量聚合（是指聚合某个社区的用户电量），具有隐私保护的粗粒度用电量聚合（是指聚合多个社区的用户电量），响应的生成，响应的接收。本发明在确保用户隐私不被泄露的情况下实现了对智能电网用电需求的灵活监控和灵活响应，具有很高的实用性；提出了抗伪造的批验证方法，提高了方案的效率。
-
公开(公告)号：CN118627541B
公开(公告)日：2024-12-24
申请号：CN202410790144.5
申请日：2024-06-19
Applicant: 湖北工业大学
IPC: G06N3/0442 , G06N3/0985 , G06N3/006 , G06Q10/04 , G06Q50/06 , G06Q50/26 , H02J3/00
Abstract: 本发明公开了一种智慧工业园区电力负荷预测方法，涉及电力负荷预测技术领域，包括以下步骤：S1：对智慧工业园区内的实时电力负荷数据和历史电力负荷数据进行获取，并对获取的电力负荷数据进行预处理，以消除获取的原始电力负荷数据对后续进行电力负荷预测的影响，便于后续进行使用，并基于处理后的历史电力负荷数据构建电力负荷数据集。本发明提出了一种智慧工业园区电力负荷预测方法，通过采用MSCOA优化LSTM网络超参数，使预测模型更加适应不确定性智慧工业园区电力负荷数据的特点，长鼻浣熊算法的特点是具有全局搜索能力和多样性维护策略，优化后的LSTM模型，可以更好地拟合负荷数据的复杂模式和变化趋势，从而提高预测的准确性。
-
公开(公告)号：CN118861514A
公开(公告)日：2024-10-29
申请号：CN202410863045.5
申请日：2024-06-29
Applicant: 湖北工业大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/084 , G06N3/006 , G06F17/10
Abstract: 本发明提供一种基于杂种优势理论工业制造数据特征选择方法及系统，涉及机器学习领域，包括以下步骤：数据准备，进行预处理；设置算法相关参数，利用反向学习初始化种群；计算平衡因子，决定白鲸进入探索阶段或开发阶段，更新个体位置信息；计算鲸落概率，调节运动轨迹；当前的迭代次数达到预定迭代条件时，则进行最优邻域搜索；计算所有白鲸的目标函数值，进行非支配排序，选择第一非支配前沿的个体更新外部存档；输出非支配解集。本发明将特征选择建模为多目标优化问题，以数据分类性能和特征子集所占比例为目标函数，利用基于杂种优势理论改进的白鲸优化算法，获得一组最优特征子集来满足机器学习分类器的要求。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.069 seconds)
