-
公开(公告)号：CN116894263A
公开(公告)日：2023-10-17
申请号：CN202310703296.2
申请日：2023-06-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于公平性的面向多元隐私数据的预测方法及系统；首先确定给定的逻辑回归的多元数据集的预测任务和敏感属性；使用函数机制的思想，将逻辑回归损失函数使用切比雪夫多项式展开为多项式的形式；使用决策树算法选择出对敏感属性影响最大的属性；使用贝叶斯网络选择出若干个对敏感属性影响最大的一组属性；在展开的多项式函数的系数上加入带有公平性约束惩罚项的拉普拉斯噪声；使用已满足公平性和差分隐私保证的损失函数进行对数据集的预测任务；本发明通过使用切比雪夫多项式、决策树算法和贝叶斯网络，以及带有公平性约束惩罚项的拉普拉斯噪声，来保护多元数据集的隐私和公平性，并确保预测任务可以顺利完成。
-
公开(公告)号：CN114529077A
公开(公告)日：2022-05-24
申请号：CN202210137611.5
申请日：2022-02-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于会话内异构行为的点击率预测方法，获得用户信息数据集、项目信息数据集和用户行为序列数据集，分别对三种数据集进行预处理，并分为训练集和测试集；构建基于会话内异构行为的点击率预测模型；训练构建的基于会话内异构行为的点击率预测模型；将待推荐用户的个人信息、待推荐项目信息和待推荐用户行为序列输入到训练后的基于会话内异构行为的点击率预测模型，计算用户对目标项目的点击率，根据点击率将项目进行排序，并将排序后的项目列表推荐给用户；本发明同时考虑了用户与项目之间的多种异构行为对用户兴趣的影响，利用注意力机制计算不同类型的行为对兴趣的影响权重，更加精准地提取用户的兴趣。
-
公开(公告)号：CN114519145A
公开(公告)日：2022-05-20
申请号：CN202210160090.5
申请日：2022-02-22
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明提出了一种基于图神经网络挖掘用户长短期兴趣的序列推荐方法,获得用户个人信息和用户交互序列数据集，将数据集进行预处理并分为训练集和测试集；构建基于图神经网络挖掘用户长短期兴趣的序列推荐模型；对所述基于图神经网络挖掘用户长短期兴趣的序列推荐模型进行训练；将待推荐用户的个人信息和交互序列输入到训练后的基于图神经网络挖掘用户长短期兴趣的序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户；本发明解决序列推荐场景中没有办法有效捕获用户长短期兴趣，并难以分辨噪声的问题。
-
公开(公告)号：CN114238755A
公开(公告)日：2022-03-25
申请号：CN202111456522.9
申请日：2021-12-01
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明提出基于多关系发现的个性化推荐方法，本发明使用图神经网络等技术构建基于多关系发现的个性化推荐模型，利用用户个人信息和交互序列数据，构建用户社交关系图、用户交互关系图、基于个人信息的用户潜在关系图和基于交互序列的用户潜在关系图，模型训练过程中不断更新潜在关系图，充分考虑和挖掘用户间的多种关系，大大提高了个性化推荐性能。
-
公开(公告)号：CN108776763B
公开(公告)日：2022-02-11
申请号：CN201810589946.4
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于属性相关的差分隐私保护方法，属于信息安全技术领域。本发明采取投影转换的思想，提出了新的面向属性相关的隐私保护方法。该方法不仅考虑了属性之间存在相关性的情况，而且利用这种相关关系减少噪声的加入。即利用最大信息系数衡量各敏感属性相关关系，构建最大信息系数矩阵；从而构造投影算子，获得投影矩阵，该结构的使用使得维度降低，在提供相同的隐私保证的情况下，所需噪声数减少。
-
Patent Agency Ranking
公开(公告)号：CN112906941A
公开(公告)日：2021-06-04
申请号：CN202110083073.1
申请日：2021-01-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向动态相关空气质量时间序列的预测方法及系统，其中，该方法包括：获取网格气象数据，利用图像卷积法对其进行处理得到污染物时间序列；采用多特征聚类法根据上述数据的不同特征与多种空气污染物之间的相关性对特征分组；根据ARIMA模型对污染物时间序列进行拟合，获得残差序列和一部分预测值，并将其放入特征组中，根据不同特征组的数据是否为序列形式将其输入到不同的编码器中，然后将结果融合后输入解码器中进行预测得到另一部分预测值；利用CNN对历史空气质量数据进行卷积得到空气质量时间序列，并使用ARIMA模型处理得到第三部分预测值，通过softmax函数将上述三部分预测值加权求和，得到最终预测结果。
-
公开(公告)号：CN112085163A
公开(公告)日：2020-12-15
申请号：CN202010870423.4
申请日：2020-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于注意力增强图卷积神经网络AGC和门控循环单元GRU的空气质量预测方法，所述方法具体包括：首先选取待预测的污染物并获取用于空气质量预测的数据集进行预处理，对预处理后的数据集按比例划分训练集和测试集；其次构建AGC‑GRU模型，并将训练集输入到AGC‑GRU模型并采用反向传播算法进行训练，得到最优模型参数；最后将测试集输入训练后的AGC‑GRU模型中进行预测，得出所选择污染物的预测值。本发明可以同时考虑并提取相关数据集的时序特征和空间特征，达到准确预测的目的。
-
公开(公告)号：CN110990227A
公开(公告)日：2020-04-10
申请号：CN201911228522.6
申请日：2019-12-04
Applicant: 哈尔滨工程大学
IPC: G06F11/30 , G06F30/28 , G06F111/10
Abstract: 本发明公开了一种数值水池应用特征性能采集和监控系统及其运行方法。所述系统包括数值水池应用特征性能采集和监控系统(100)、应用性能基准线管理模块(101)和应用性能分析报告模块(102)，所述应用性能基准线管理模块(101)和应用性能分析报告模块(102)均将信号传输至数值水池应用特征性能采集和监控系统(100)。本发明统计除监测每次虚拟试验的性能数据之外，同时采集每个作业的执行次数和累计耗费时间，它主要反映的是不同过程运行的时间、各种不同类型的通信花费的时间及执行次数和各处理器节点运行的时间等。
-
公开(公告)号：CN110659513A
公开(公告)日：2020-01-07
申请号：CN201910933708.5
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G06F21/62
Abstract: 本发明公开了一种面向多敏感属性数据发布的匿名隐私保护方法。步骤1：计算原始数据表中各属性间的相关性，定义属性类别；步骤2：根据属性间的相关性，将所有属性进行分组；步骤3：将每个分组按照属性间相关性大小，由高到低排序；步骤4：计算每组内，敏感属性值出现频率，判断属性值是否需要保护；步骤5：将需要保护的敏感属性值及其关联属性与无需保护的敏感属性值进行交换；步骤6：对相关属性进行频繁项集挖掘；步骤7：使用聚类技术生成匿名等价组，匿名等价组内每个敏感属性满足L多样性。本发明通过降低匿名率，关联属性共同置换，在保证隐私保护强度的同时，提高数据的可用性。
-
公开(公告)号：CN110598953A
公开(公告)日：2019-12-20
申请号：CN201910900378.X
申请日：2019-09-23
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06N3/04 , G06N3/08 , G06F16/951
Abstract: 本发明是一种时空相关的空气质量预测方法。本发明将城市划分成大小相同的网格，每个网格受相邻区域网格影响，按照网格内是否有空气监测站分为预测区域和估计区域；获取影响空气质量数据相关时序数据，对时序数据采用循环神经网络和空间深度学习进行特征提取，进行时序模型训练。获取影响空气质量数据相关非时序数据，对非时序数据采用卷积神经网络进行特征提取，进行空间模型训练；将时序模型训练和空间训练模型进行协同训练，得到预测模型；利用训练好的协同训练模型进行预测区域的训练，得到预测区域空气质量数据；利用训练好的协同训练模型进行估计网格区域的训练，得到估计区域空气质量数据。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.052 seconds)
