-
公开(公告)号:CN117077806A
公开(公告)日:2023-11-17
申请号:CN202310909714.3
申请日:2023-07-24
Applicant: 辽宁大学
IPC: G06N20/00 , G06N3/098 , G06F21/62 , H04L9/40 , H04L67/104
Abstract: 一种基于随机选举验证区块链的差分隐私化联邦学习方法。设计方法如下:首先利用了区块链的去中心化,构建了一个基于身份认证区块链的联邦学习系统,其次引用了一种随机选择机制来确定验证领导节点,确保了验证节点出块的公平性,并通过验证节点异常检测机制来防卫恶意节点的攻击保证全局模型准确率,最后通过差分隐私保护本地模型的安全,并根据节点对模型的贡献程度设计了一种激励机制来激励节点训练高质量模型,从而提高全局模型的准确性。本发明所提方法在数据安全,模型准确性等方面具有明显优势。
-
公开(公告)号:CN115935216A
公开(公告)日:2023-04-07
申请号:CN202310023658.3
申请日:2023-01-09
Applicant: 辽宁大学
IPC: G06F18/23213 , G06Q50/02 , G06N3/126 , G06Q10/0635 , G06F18/22
Abstract: 一种面向矿山微震事件预警时间序列的动态矩阵聚类方法。设计方法如下:首先,构建近邻评价体系,根据评价值优劣衡量微震事件的代表性,通过近邻评分的后向差分计算策略构建RDS候选集;其次,提出基于组合优化的RDS选取方法,从候选集上快速得到RDS最优解;最后,动态构建RDS与数据集的距离矩阵,提出基于K‑means的矩阵聚类方法,通过对微震事件波形的聚类,可实现事件的无监督识别,从而定位出冲击地压的发生区域,为煤矿的开采提供安全风险预警。本发明所提方法在聚类可靠性、聚类效率等方面具有明显优势。
-