-
公开(公告)号：CN119295767A
公开(公告)日：2025-01-10
申请号：CN202411481178.2
申请日：2024-10-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于多通道图对比学习的金融数据异常检测方法，属于金融数据异常检测领域。该方法输入一个带有异常的金融信息关系图，对图中每个用户的异常信息和行为进行评估检测出异常用户。首先，多视角判别模块采用了基于完整图的视图级对比方法，有助于全面展现属性网络中的信息；然后，图重构模块充分整合了属性和拓扑信息；最后，在六个常用的图数据集上进行了广泛的实验。方法还采用了AUC指标来衡量异常检测性能。本发明能够有效考虑数据重构的全面性，减轻了邻域信息的不可靠性而不增加复杂性，在金融数据异常检测任务上对比其他方法能够具有更加良好的性能，具有一定的实用价值。
-
公开(公告)号：CN108510574B
公开(公告)日：2021-09-28
申请号：CN201810342814.1
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于样例学习并增强视觉质量的3D图像裁剪方法，包括：计算专业3D立体图像库中每幅图像的GIST特征和HIST特征；输入待裁剪图像和目标尺寸，采用采样方法获得候选裁剪窗口集合；计算每个候选裁剪窗口与图像库中每幅图像的GIST特征和HIST特征的相似性，并获得与其最相似的n幅图像，组合形成学习的样例集合；利用样例评估各候选裁剪窗口的构图和深度信息分布质量，及信息丢失和立体图像视觉舒适规则遵守情况，计算左视图的裁剪窗口；通过学习样例，对右视图的裁剪窗口水平移动获得与学习样例最相似的深度分布，从而获得最终的裁剪结果。该方法有利于获得视觉舒适的裁剪结果，可应用于图像处理及计算机视觉等领域。
-
公开(公告)号：CN109660814B
公开(公告)日：2021-04-27
申请号：CN201910010709.2
申请日：2019-01-07
Applicant: 福州大学
IPC: H04N19/89
Abstract: 本发明涉及一种视频前景删除篡改的检测方法，首先通过计算待测视频的能量因子并构造能量因子曲线，在时间域上准确检测被篡改视频序列的起止位置；其次，通过采用自适应参数的视觉背景提取改进算法来提取篡改视频序列中的每帧篡改痕迹；最后，通过将时域和空域检测结果相结合，获得最终的检测结果。本发明可实现对视频中存在的前景删除篡改方式的有效检测，而且具有检测时间短、检测准确率高、鲁棒性强等特点，能够有效抵抗视频中树叶、草木、水波等扰动的影响，从而为视频区域篡改取证，提供一种有效的检测手段。
-
公开(公告)号：CN111814894B
公开(公告)日：2022-09-09
申请号：CN202010695386.8
申请日：2020-07-17
Applicant: 福州大学
Abstract: 本发明涉及一种快速种子随机游走的多视角半监督分类方法,首先，采用高斯核函数计算输入的多视角数据的每个视角的相似性矩阵和转移概率矩阵；然后，根据用于半监督学习的多视角数据的类别标签建立多视角数据的每个视角的起始分布状态并计算多视角数据的每个视角的第一次转移状态的到达概率矩阵；最后，迭代地计算多视角数据的每个视角的多次转移状态的到达概率矩阵，并对每个视角的所有转移状态的到达概率矩阵进行加权求和得到每个视角的奖励矩阵来生成用于测试的多视角数据的类别标签。本发明仅使用少量的监督信息，就能够对图像、文本、视频等各类型数据进行准确有效的分类，具有一定的实用价值。
-
公开(公告)号：CN111814894A
公开(公告)日：2020-10-23
申请号：CN202010695386.8
申请日：2020-07-17
Applicant: 福州大学
Abstract: 本发明涉及一种快速种子随机游走的多视角半监督分类方法,首先，采用高斯核函数计算输入的多视角数据的每个视角的相似性矩阵和转移概率矩阵；然后，根据用于半监督学习的多视角数据的类别标签建立多视角数据的每个视角的起始分布状态并计算多视角数据的每个视角的第一次转移状态的到达概率矩阵；最后，迭代地计算多视角数据的每个视角的多次转移状态的到达概率矩阵，并对每个视角的所有转移状态的到达概率矩阵进行加权求和得到每个视角的奖励矩阵来生成用于测试的多视角数据的类别标签。本发明仅使用少量的监督信息，就能够对图像、文本、视频等各类型数据进行准确有效的分类，具有一定的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN111723228A
公开(公告)日：2020-09-29
申请号：CN202010578280.X
申请日：2020-06-23
Applicant: 福州大学
Abstract: 本发明涉及一种高效的流形嵌入多视角半监督分类方法。包括如下步骤：S1：采用高斯核函数计算多视角数据对应各个视角的相似性矩阵；S2：根据假设目标函数，通过偏导数计算得到预测类标签指示矩阵的更新公式；S3：根据假设目标函数，通过拉格朗日乘子法计算得到多视角权重向量的更新公式；S4：根据S2和S3得到的预测类标签指示矩阵的更新公式和多视角权重向量的更新公式，交替迭代更新目标函数中的变量预测类标签指示矩阵和多视角权重向量，直到目标损失函数收敛；S5：根据预测类标签指示矩阵各列的最大值得到各个样本的预测类标签。本发明方法基于流行假设，仅使用少量监督信息，能很好的发掘隐藏在数据中的低维流形结构关系，能够对图像、文本、音频等各类型数据进行有效的分类。
-
公开(公告)号：CN113160089A
公开(公告)日：2021-07-23
申请号：CN202110508093.9
申请日：2021-05-10
Applicant: 福州大学
Abstract: 本发明提出一种基于局部密度损失的图像去噪方法，其特征在于：首先，采用全连接神经网络模型对图像像素值缺失的矩阵进行矩阵补全；然后，通过反向传播和梯度下降更新参数，将高斯影响函数进行求导得出高斯密度损失函数，且将高斯密度损失函数用于衡量模型预测的好坏。本发明能够有效地完成矩阵补全，引入局部密度损失函数进行模型预测好坏的衡量，在图像去噪任务上对比其他方法能够具有更加良好的性能，具有较高的实用价值。
-
公开(公告)号：CN109740546A
公开(公告)日：2019-05-10
申请号：CN201910014466.X
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种篡改区域经过几何变换的伪造视频检测方法，主要包括采用改进型MI-SIFT算法提取特征点、采用最近邻与次近邻欧氏距离的比值来确定特征匹配点、利用区域篡改固有特点来消除误匹配点、采用时空上下文目标跟踪算法来进一步确定后续帧篡改区域等步骤方法。本发明可实现对视频中经过平移、旋转、伸缩和镜像等各种几何变换的区域复制-粘贴篡改方式的有效检测，并且检测的准确率和时间效率显著提高，从而为视频区域篡改取证，提供一种有效的检测手段。
-
公开(公告)号：CN112258410A
公开(公告)日：2021-01-22
申请号：CN202011136928.4
申请日：2020-10-22
Applicant: 福州大学
Abstract: 本发明涉及一种可微分的低秩学习网络图像修复方法。将一个含有噪声的不完整的图像矩阵作为神经网络的输入，并输出重构后的图像。通过将近端梯度映射方法转换为带约束的优化问题，本发明方法提出了一种可以进行低秩矩阵重构的神经网络，该神经网络由多个可微分且可复用的模块堆叠组成，每一个模块都可以解决一个关于低秩优化的子问题。本发明方法的每一个模块输出一个优化得到的子矩阵，并对这些子矩阵连乘以得到重构后的图像矩阵。本发明成功利用了神经网络来解决图像低秩修复问题，并避免了传统方法在迭代过程中进行的奇异值分解过程，从而节省大量的计算时间，同时本发明依然能够在图像修复上有良好的性能，具有一定的实用价值。
-
公开(公告)号：CN108510574A
公开(公告)日：2018-09-07
申请号：CN201810342814.1
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于样例学习并增强视觉质量的3D图像裁剪方法，包括：计算专业3D立体图像库中每幅图像的GIST特征和HIST特征；输入待裁剪图像和目标尺寸，采用采样方法获得候选裁剪窗口集合；计算每个候选裁剪窗口与图像库中每幅图像的GIST特征和HIST特征的相似性，并获得与其最相似的n幅图像，组合形成学习的样例集合；利用样例评估各候选裁剪窗口的构图和深度信息分布质量，及信息丢失和立体图像视觉舒适规则遵守情况，计算左视图的裁剪窗口；通过学习样例，对右视图的裁剪窗口水平移动获得与学习样例最相似的深度分布，从而获得最终的裁剪结果。该方法有利于获得视觉舒适的裁剪结果，可应用于图像处理及计算机视觉等领域。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
