-
公开(公告)号：CN117150416A
公开(公告)日：2023-12-01
申请号：CN202311401950.0
申请日：2023-10-27
申请人： 烟台大学
IPC分类号： G06F18/2433 , H04L9/40 , H04L67/12 , G06F18/213 , G06F18/214 , G06F18/2323 , G06F18/25 , G06F21/62 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/0895 , G06N3/098
摘要： 本发明属于工业互联网数据安全技术领域，提供了一种工业互联网异常节点的检测方法、系统、介质及设备，工业互联网中不同的数据持有者先将所拥有的本地节点数据转化为图型数据，在进行本地模型训练之前，数据持有者先使用谱聚类算法将本地数据进行一定的聚类操作，将相同类别的节点数据聚类到同一簇中，然后将聚类后的结果进行本地模型训练，得到局部聚合特征。将训练好的局部特征上传到可信任的第三方服务器进行全局特征的聚合，通过注意力机制，针对不同数据持有者上传的局部特征分配不同的权重，将聚合好的全局特征下发到各个数据持有者手中进行新一轮的训练，以此将异常的节点从正常的节点中分类出来，同时获得异常节点的不同风险等级。
-
公开(公告)号：CN118365646B
公开(公告)日：2024-10-01
申请号：CN202410796193.X
申请日：2024-06-20
申请人： 烟台大学
IPC分类号： G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/042 , G06N3/0464
摘要： 本发明涉及缺陷检测技术领域，尤其是涉及一种基于生成对抗网络的异型衬套缺陷检测方法及系统。所述方法，包括获取包含异型衬套外表面的图像数据，并利用图像数据生成点云数据；对生成的点云数据进行预处理，包括利用欧式聚类算法对点云数据进行去噪处理；利用预处理后的点云数据构建对抗网络模型，包括构建生成器、判别器和损失函数；基于构建完成的对抗网络模型进行模型训练，包括对生成器和判别器进行训练；利用预处理后的点云数据和对抗网络模型进行模型的缺陷检测；根据缺陷检测结果进行缺陷记录。本发明通过引入注意力机制的生成对抗网络能够更好地关注和利用点云数据中的重要信息，提高缺陷检测的准确性和效率。
-
公开(公告)号：CN118365646A
公开(公告)日：2024-07-19
申请号：CN202410796193.X
申请日：2024-06-20
申请人： 烟台大学
IPC分类号： G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/042 , G06N3/0464
摘要： 本发明涉及缺陷检测技术领域，尤其是涉及一种基于生成对抗网络的异型衬套缺陷检测方法及系统。所述方法，包括获取包含异型衬套外表面的图像数据，并利用图像数据生成点云数据；对生成的点云数据进行预处理，包括利用欧式聚类算法对点云数据进行去噪处理；利用预处理后的点云数据构建对抗网络模型，包括构建生成器、判别器和损失函数；基于构建完成的对抗网络模型进行模型训练，包括对生成器和判别器进行训练；利用预处理后的点云数据和对抗网络模型进行模型的缺陷检测；根据缺陷检测结果进行缺陷记录。本发明通过引入注意力机制的生成对抗网络能够更好地关注和利用点云数据中的重要信息，提高缺陷检测的准确性和效率。
-
公开(公告)号：CN117150416B
公开(公告)日：2024-03-08
申请号：CN202311401950.0
申请日：2023-10-27
申请人： 烟台大学
IPC分类号： G06F18/2433 , H04L9/40 , H04L67/12 , G06F18/213 , G06F18/214 , G06F18/2323 , G06F18/25 , G06F21/62 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/0895 , G06N3/098
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
