-
公开(公告)号：CN117495719A
公开(公告)日：2024-02-02
申请号：CN202311463991.2
申请日：2023-11-06
申请人： 西安电子科技大学
摘要： 本发明公开一种基于大气光幕与雾浓度分布估计的去雾方法，主体利用大气光幕和雾浓度的分布估计对雾天图像去雾。具体方法包括：首先利用暗通道先验去雾理论对图像进行分析，再利用改进大气光幕的透射率估计方法对透射率进行估计，精确计算大气光幕，进而利用大气光幕求解精确透射率，之后利用改进的四叉树算法在雾浓度分布图上求解大气光值，最后将透射率和大气光值代入大气散射模型求解清晰图像。
-
公开(公告)号：CN116128074A
公开(公告)日：2023-05-16
申请号：CN202310067220.5
申请日：2023-01-16
申请人： 西安电子科技大学
IPC分类号： G06N20/20 , G06F18/241 , G06N3/0464 , G06N3/098
摘要： 本发明公开了一种面向小样本数据的个性化联邦元学习方法，应用于服务器，包括：确定与自身通信连接的各个客户端的分类任务数量，并分配训练任务和测试任务，以使每个客户端基于训练任务和测试任务，利用元学习算法和用户数据对待训练的神经网络进行训练及测试，并在获得第一分类模型后上传第一分类模型的至少部分网络参数；接收各个客户端上传的至少部分网络参数并进行聚合，得到第一类网络参数；将第一类网络参数发送至各个客户端，以使每个客户端对第一分类模型进行更新，得到第二分类模型。针对小样本数据分类的问题，本发明通过聚合各客户端Base层的当前网络参数来聚合不同客户端的异构模型，进而实现个性化联邦学习。
-
公开(公告)号：CN113301017B
公开(公告)日：2022-04-08
申请号：CN202110436624.8
申请日：2021-04-22
摘要： 本发明公开了一种基于联邦学习的攻击检测与防御方法，包括：根据原始模型的模型参数，将原始模型聚类为多个模型集合；确定每个模型集合对应的第一可疑度值；将第一可疑度值超出第一预设阈值的模型集合确定为异常集合，并计算异常集合中每个原始模型的第二可疑度值；将第一可疑度值未超出第一预设阈值的模型集合确定为正常集合，并将正常集合对应的第一可疑度值确定为正常集合中每个原始模型的第二可疑度值；按照预设可疑度计算规则，计算第二可疑度值，以得到第三可疑度值；将第三可疑度值超过第二预设阈值的客户端，从服务器中删除。本发明能够在大规模客户端的应用场景下，针对全部的攻击种类，进行高效率高准确度的检测与防御，且鲁棒性强。
-
公开(公告)号：CN112102939A
公开(公告)日：2020-12-18
申请号：CN202010725702.1
申请日：2020-07-24
申请人： 西安电子科技大学
摘要： 本发明公开心脑血管疾病参考信息预测方法，第一客户端获取目标用户的第一标识数据和第一特征数据组；利用对偶模型预测第一特征数据组在第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发给第二客户端；获得第一特征数据组的第一加密加权值并发给服务端；第二客户端利用接收的加密数据确定目标用户在第二客户端的第二目标特征数据组，获得第二目标特征数据组的第二加密加权值并发给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到表征目标用户心脑血管疾病参考信息的目标标签数据并发给第一客户端；第一客户端为用户汇总端或医院端之一，第二客户端为用户汇总端或医院端之另一。
-
公开(公告)号：CN118036651A
公开(公告)日：2024-05-14
申请号：CN202410154699.0
申请日：2024-02-04
申请人： 西安电子科技大学
摘要： 本发明提供了一种本发明提供的基于图神经网络的纵向联邦学习方法和系统，通过各数据持有者响应于所获取到的数据分布情况，对本地图数据执行预处理操作，得到预处理后的图数据，图数据包括节点ID、节点标签、节点特征和边信息中的一种或者多种；各数据持有者根据数据分布情况构建局部模型，并基于预设的联邦学习规则，采用相应的预处理后的图数据对本地的局部模型进行训练，以训练得到目标模型，能够在不依赖第三方服务器的情况下进行模型训练，解决了图数据的数据孤岛问题，本发明还讨论并建模了数据持有者两方分别持有特征和边的情况，使用纵向联邦学习、GNN图神经网络、差分隐私首次对数据持有者无法单独建模的情况提出解决方案。
-
公开(公告)号：CN113807363B
公开(公告)日：2024-04-19
申请号：CN202111048042.9
申请日：2021-09-08
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于轻量化残差网络的图像分类方法，主要解决现有图像分类方法的网络模型参数数量过多，图像特征信息利用不充分的问题，其实现方案是：获取训练样本集和测试样本集；对传统的残差单元进行更改，建立五个不同的轻量化单元块，并将其与全连接层、分类器依次级联，构成的轻量化残差网络图像分类模型；利用训练样本集采用反向传播算法对构建的图像分类模型进行训练；将测试样本集输入到训练好的轻量化残差网络图像分类模型中，得到分类结果。本发明不仅在图像分类任务中能够得到较高的图像分类准确率，而且减少了网络模型参数量，提高了网络的运行速度，可用于人脸、交通场景、医学图像的识别，图像检索和相册自动归类。
-
公开(公告)号：CN112085159A
公开(公告)日：2020-12-15
申请号：CN202010724476.5
申请日：2020-07-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种用户标签数据预测系统和方法，第一客户端获取目标用户的第一标识数据和第一特征数据组，针对每个第二客户端，预测第一特征数据组在该第二客户端的第二预测特征数据组，将第一标识数据和第二预测特征数据组的加密数据发送给该第二客户端；利用训练得到的联邦学习模型参数，获得第一特征数据组的第一加密加权值并发送给服务端；每个第二客户端利用接收到的加密数据，确定目标用户在该第二客户端的第二目标特征数据组，利用训练得到的联邦学习模型参数，获得第二目标特征数据组的第二加密加权值并发送给服务端；服务端对接收到的第一加密加权值和第二加密加权值求和，对求和结果解密得到目标用户的目标标签数据并返回给第一客户端。
-
公开(公告)号：CN117522814A
公开(公告)日：2024-02-06
申请号：CN202311487046.6
申请日：2023-11-09
申请人： 西安电子科技大学
摘要： 本发明涉及一种高光谱图像的异常检测方法，本发明基于多特征联合的背景重构减法对高光谱图像进行异常检测。具体方法包括：首先使用空间特征和光谱特征联合改进的双窗口三边滤波方法对图像进行背景重构；其次对于分析图像中异常目标的分布特性，在传统显著性检测方法的基础上提出基于全局上下文感知的显著性特征提取方法来提取出图像的显著性特征图；然后将图像的显著性特征图与三边滤波后重构背景图作差平方后得到异常目标初始检测图；最后利用光谱相关系数来获取图像的光谱权值图，并将其与初始异常检测图进行融合来获得最终的异常检测结果。
-
公开(公告)号：CN116227547A
公开(公告)日：2023-06-06
申请号：CN202310066929.3
申请日：2023-01-17
申请人： 西安电子科技大学
IPC分类号： G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种基于自适应差分隐私的联邦学习模型优化方法，包括：获取多个客户机的本地数据，并对预选的相应神经网络进行训练，得到每个本地模型的模型参数；对每个本地模型中的每一层网络进行独立评估，并根据评估结果对每一层网络的模型参数自适应地设置差分隐私噪声预算；同时，基于卷积核的绝对权值对每一层网络的层内结构进行评估，并根据评估结果对层内卷积核的模型参数自适应地添加差分隐私噪声预算；将所有客户机本地模型的模型参数上传至服务器，并对模型参数进行聚合；重复上述操作，直至神经网络模型收敛或到达指定聚合轮数，得到训练好的联邦学习模型。该方法可以在保证隐私保护级别的同时，最大程度的保证结果的准确性。
-
公开(公告)号：CN113807362A
公开(公告)日：2021-12-17
申请号：CN202111031606.8
申请日：2021-09-03
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于层间语义信息融合深度卷积网络的图像分类方法，主要解决现有图像分类算法无法同时兼顾复杂图像分类准确度和对图像中小目标敏感性的问题，其实现方案是：获取训练集和测试集；构建包括多级特征提取模块、金字塔池化结构、语义融合结构及输出层的层间语义信息融合深度卷积网络；采用训练集利用梯度下降法对构建的网络进行迭代训练；将测试集输入到训练好的网络模型中，得到图像的分类结果。本发明通过构建金字塔池化结构与语义融合结构，通过将中层弱语义信息特征与深层强语义信息特征相融合，在兼顾复杂图像分类精度的同时，提高了对小目标的敏感性，提高了图像分类的精度，可用于视频监控、智能交通、医疗保健及人机交互。
-
-
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.037 秒)
