-
公开(公告)号:CN119541826A
公开(公告)日:2025-02-28
申请号:CN202411539032.9
申请日:2024-10-31
Applicant: 东华大学
IPC: G16H50/20 , A61B5/00 , A61B5/055 , G16H50/70 , G16H30/40 , G06V10/80 , G06V10/82 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/764 , G06T7/00
Abstract: 本发明提出一种基于多模态脑网络特征融合的阿尔茨海默症诊断方法,基于多模态大脑影像、神经网络以及注意力机制,主要的创新点在于:1)MRI、DTI及fMRI三类多模态数据的有效特征组合,能够反映病患样本的全部特征信息。2)针对不同的影像数据,使用具有针对性的特征提取器,三维卷积更适合三维MRI全脑图像的特征学习,Mamba模型更适合fMRI时间序列特征的学习,图卷积网络更适合DTI纤维数量结构脑网络特征的学习。3)创新混合注意力机制融合三类多模态特征,同时使用位置编码以及Transformer结构,提高多模态特征的混合效果与分类准确度,相比于卷积和全连接层结构,能够学习到信息更丰富。
-
公开(公告)号:CN111797916A
公开(公告)日:2020-10-20
申请号:CN202010611405.4
申请日:2020-06-30
Applicant: 东华大学
Abstract: 本发明公开了一种基于深度学习的恒星光谱分类方法,针对目前LAMOST等大规模光谱巡天缺乏快速、准确恒星光谱型分类方法的问题。所述方法包括步骤:获取并预处理光谱数据;获取标注数据并交叉证认;制作标注数据集与无标签数据集;构建深度学习分类模型;应用模型扩充训练数据并二次训练。本发明的数据处理方法可以得到大规模且高质量的训练数据集;所构建的半监督多层感知机模型面对光谱巡天观测的大样本,具有很高的分类准确率。
-
公开(公告)号:CN110580311A
公开(公告)日:2019-12-17
申请号:CN201910540175.4
申请日:2019-06-21
Applicant: 东华大学
IPC: G06F16/953 , G06K9/62
Abstract: 本发明涉及种动态时间感知协同过滤方法。本发明在传统的协同过滤中添加动态时间因子以对数据集进行训练和优化,从而在数据集中引入时间因子,提高推荐结果的时效性,从而提高用户的满意度。在推荐上,本发明采用了top-k算法,以使得测试的推荐结果更有代表性和客观性以及平台无关性。
-
公开(公告)号:CN109842483A
公开(公告)日:2019-06-04
申请号:CN201910203221.1
申请日:2019-03-18
Applicant: 东华大学
Abstract: 本发明提供了一种检测AES-JAMBU抵御差分故障攻击的方法,首先通过AES-JAMBU认证加密算法对明文消息进行处理,在此阶段控制两种不同的实验环境,一种是要令实验环境不受任何干扰,保证算法对明文消息处理的结果正确无误;另一种是在算法对明文消息处理的过程中,使用某些物理手段,对处理过程进行干扰,诱导其产生故障,获得错误的输出。通过计算正确结果和错误结果的差分值,来测评算法对差分故障攻击的抵御能力。然后通过判断所导入的故障的有效性,并确定故障导入的位置,进而恢复出密钥。本发明具有简单、快捷、准确且易于实现等特点,对检测AES-JAMBU认证加密算法抵御差分故障攻击的能力提供了良好的分析依据。
-
公开(公告)号:CN104639310B
公开(公告)日:2017-12-29
申请号:CN201410854761.3
申请日:2014-12-31
Applicant: 东华大学
Abstract: 本发明提供了一种检测SHA‑1算法抵御差分故障攻击的方法,首先利用SHA‑1对某一输入消息进行处理;在处理消息阶段对执行环境实施两种控制,一种是要控制处理过程准确无误地运行,并记录其输出结果为C,另一种则是要保证处理消息相同的前提下,在处理过程中人为地导入故障,诱导其产生错误的输出结果,并记为C*;通过计算C与C*的差分值,来测评SHA‑1对差分故障攻击的抵御能力,如果检测到有故障发生,能够推导出故障发生的位置,并进一步判断出该故障位置的有效性。本发明提供的方法具有简单、快速、准确且易于实现等特点,对检测SHA‑1算法抵御差分故障攻击的能力提供了良好的理论依据。
-
公开(公告)号:CN119480077A
公开(公告)日:2025-02-18
申请号:CN202411565851.0
申请日:2024-11-05
Applicant: 东华大学
IPC: G16H50/20 , A61B5/00 , A61B5/372 , G16H50/30 , G06F18/213 , G06F18/2433 , G06F18/25 , G06N3/0464 , G06N3/049
Abstract: 本发明的技术方案是公开了一种基于脑电数据通道选择和KAN卷积脉冲神经网络的癫痫诊断系统,其特征在于,包括:数据处理模块、通道特征提取模块、自适应通道选择模块、特征分类模块。本发明通过引入KAN卷积、通道选择和脉冲神经网络,提供了有效的解决方案。引入的注意力机制允许模型动态关注最相关的EEG通道和信号特征,进而实现个性化的通道选择。通过该机制,模型可以为不同个体分配不同的权重,仅选择与癫痫发作最相关的关键信号,避免冗余通道的计算负担,同时提升分类精度。最后将人工神经网络转成脉冲神经网络,其采用事件驱动的计算方式,有效降低了能耗,特别适合在便携式设备上应用。
-
公开(公告)号:CN109272011B
公开(公告)日:2021-08-20
申请号:CN201810860019.1
申请日:2018-07-31
Applicant: 东华大学
Inventor: 燕彩蓉 , 徐淑华 , 周灵杰 , 阿卜杜杰力力·热合麦提
IPC: G06K9/62
Abstract: 本发明提出了一种面向服装图像分类的多任务深度表示学习方法,其主要内容包括:面向服装图像分类的多任务学习框架、服装图像的深度表示学习模型、带距离约束的目标函数优化算法,其过程为,多任务学习框架支持从不同的角度对服装图像进行分类,根据服装基本信息和服装所属季节信息设计满足不同任务的深度表示学习模型,在模型训练时利用度量学习的优势引入带距离约束的目标函数实现对嵌入空间的优化。本发明旨在精确地表示服装图像,提高分类准确性,同时也为服装检索、服装搭配推荐和流行趋势预测等任务提供基础。
-
公开(公告)号:CN106686533B
公开(公告)日:2020-05-26
申请号:CN201710011775.2
申请日:2017-01-06
Applicant: 东华大学
IPC: H04W4/38
Abstract: 本发明涉及一种基于增强学习算法的无线体域网数据传输方法,该方法针对无线体域网的特点,采用一种混合式的数据传输方法,具体包括:根据节点能量水平不同、数据业务不同的和工作量不同这一异构性特点,将节点划分为不同的等级;根据马尔可夫信道模型计算节点与汇聚节点的信道状态,以此判断数据传输时是否需要中继节点;若信道状态良好,则将节点的数据直接发送给汇聚节点,否则,在节点等级划分的基础上,利用增强学习算法寻找节点至汇聚节点的最优路径,并在数据传输的过程中不断地优化路径选择。本发明可以保障将无线体域网中涉及的生理数据高效且可靠地传输至汇聚节点,可以应用于多个领域,保障监控中心所收数据的准确性。
-
公开(公告)号:CN110414917A
公开(公告)日:2019-11-05
申请号:CN201910540174.X
申请日:2019-06-21
Applicant: 东华大学
IPC: G06Q10/10 , G06F16/36 , G06F16/245
Abstract: 本发明针对目前国内主流招聘网站缺少一些简历与岗位相似度匹配等功能的问题,提出了一种基于人才画像的招聘推荐方法,其内容主要包括:根据相关领域构建知识图谱;提取岗位要求信息得出推荐权重,由招聘者审核权重;基于人才简历及其Web日志进行特征提取与数据挖掘,绘制人才画像;将人才画像与权重匹配打分,择优进入笔试名单列表;用人才笔试结果完善人才画像,并将人才画像与岗位要求再次匹配,最后根据人才画像与岗位的相似度匹配结果择优进入面试名单列表。本发明能够有效解决目前国内主流招聘网站缺少筛选简历时缺少简历与岗位相似度匹配功能的问题,它能够更快的帮助招聘者判断简历与岗位的匹配度,并能够帮助求职者快速找到合适的岗位。
-
公开(公告)号:CN104836668A
公开(公告)日:2015-08-12
申请号:CN201510225625.2
申请日:2015-05-06
Applicant: 东华大学
Abstract: 本发明公开了一种MD5哈希函数抵御差分故障攻击的检测方法,通过此方法可以判断MD5哈希函数是否受到差分故障攻击。主要步骤包括:1)随机生成输入消息X,MD5哈希函数处理X得到正确的输出消息Y;2)MD5哈希函数再次处理消息X,并在处理过程中导入随机故障,得到错误的输出消息Y*;3)基于X的正确输出Y和错误输出Y*,计算输出差分值ΔY;4)根据ΔY即可判断MD5哈希函数是否受到差分故障攻击,并可推断出故障导入的具体位置。基于本发明,可以快速准确地判断MD5哈希函数是否受到差分故障攻击,并可推断出故障导入的具体位置,为MD5哈希函数的安全性提供了有力的保障。
-
-
-
-
-
-
-
-
-