-
公开(公告)号：CN118072400A
公开(公告)日：2024-05-24
申请号：CN202410213059.2
申请日：2024-02-27
Applicant: 南京邮电大学
Abstract: 本发明涉及计算机视觉技术领域，尤其涉及一种基于空频时序特征的视频人脸伪造检测方法及系统，包括：从公共的人脸伪造视频数据集中提取部分视频构建基础人脸伪造视频数据；从所述基础人脸伪造视频数据中提取视频帧，对提取的所述视频帧进行人脸提取和图像增强得到新图像数据集；将所述新图像数据集划分训练集、验证集和测试集；构建并训练基于空频时序特征的人脸伪造检测模型；通过人脸伪造检测模型对视频进行检测根据阀值判断视频真伪。本发明通过融合空间特征、频域特征和时间序列特征，能够更准确地区分真实与伪造的人脸视频，尤其是在细节处理上更为精细。
-
公开(公告)号：CN117974602A
公开(公告)日：2024-05-03
申请号：CN202410144836.2
申请日：2024-01-31
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V10/42 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于特征优化与双流SuperPoint的图像伪造检测方法，涉及图像检测技术领域，包括：对待检测图像进行预处理，生成改进版显著图；使用Gabor滤波器对改进版显著图进行特征提取；将改进版显著图切割得到多个切割后的子图后进行循环检测，若其属于原图的显著部分，则将其作为下述模型架构的输入并得到输出结果，若输出结果显示是伪造的，则停止检测，并标记为伪造，若输出结果显示是正常的，则遍历检测所有子图；若循环检测多个切割后的子图为不显著部分，则将其反转，并对反转后的子图再次进行循环检测后输出结果。本发明提高对伪造图片的检测准确率，加快了检测速度。
-
公开(公告)号：CN117974143A
公开(公告)日：2024-05-03
申请号：CN202410140806.4
申请日：2024-01-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于钢铁供应链碳排放的智能合约方法，涉及钢铁供应链碳排放领域，包括对钢铁生产全供应链环节部署智能合约，将智能合约编写并部署各个供应链环节，并存储在区块链网络中；对采集的碳排放数据进行加密录入，并配合时间戳验证分析，同时对各个环节碳排放数据设置阈值，并执行相关操作；同时设置激励机制和提供碳排放交易方式。本发明通过智能合约实现了碳排放数据的自动采集和调整，避免了传统手动方式可能存在的误差和延迟；这使得供应链中的碳排放情况可以及时而准确地被监测，有助于快速发现和解决潜在的碳排放问题；利用特定触发条件，智能合约能够实现对供应链各环节的实时监控，使得在发现碳排放异常时能够及时进行干预。
-
公开(公告)号：CN117909922A
公开(公告)日：2024-04-19
申请号：CN202410120218.4
申请日：2024-01-29
Applicant: 南京邮电大学
IPC: G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0475 , G06N3/048 , G06N3/0499 , G06N3/084 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种多模态数据的深度特征融合与优化方法，包括：获取多模态数据，对多模态数据进行跨模态对齐和一致性预处理，通过迭代训练生成器模型和判别器模型输出得到第一模态数据；通过自注意力层和前馈神经网络层对所述第一多模态数据进行特征提取，在自注意力层引入多头注意力机制，计算得到自注意力权重，在前馈神经网络层对自注意权重线性变换得到多模态特征；对多模态特征利用Capsule神经网络进行模态融合，得到第一多模态特征，利用Capsule神经网络对所述第一多模态特征进行高阶特征提取，以得到第二多模态特征；训练第二多模态特征，并运用改进算法优化自注意力层和Capsule神经网络的模型参数，得到高性能的特征表示，充分利用多模态数据的互补性。
-
公开(公告)号：CN116049573B
公开(公告)日：2023-09-01
申请号：CN202310309818.0
申请日：2023-03-28
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/22 , G06F18/2411
Abstract: 本发明公开了一种改进协同过滤的用户分级推荐方法包括，根据用户属性不同，将用户分类；根据客户分类采取不同的推荐方法。本发明为了改善协同过滤相似度计算仅依靠用户评分信息推荐不准确和用户评分信息少造成数据稀疏以及矩阵分解中缺少隐式反馈的数据不平衡问题。
-
Patent Agency Ranking
公开(公告)号：CN116385037A
公开(公告)日：2023-07-04
申请号：CN202310226593.2
申请日：2023-03-10
Applicant: 南京邮电大学
IPC: G06Q30/0201 , G06Q30/0203 , G06Q30/0251 , G06F18/25 , G06F40/289 , G06F16/215 , G06F18/241
Abstract: 本发明公开了一种基于改进LDA的特征融合的用户画像构建方法及系统，涉及数据挖掘技术领域，包括：获取产品消费者用户数据并进行数据的预处理；提取用户的基础属性数据，根据用户的基础属性数据提取用户行为和兴趣特征；融合基础属性、行为和兴趣构建最终用户画像，分析画像，提供广告推荐维度。本发明提供的基于改进LDA的特征融合的用户画像构建方法通过改进概率主题模型，将消费者基本属性、行为数据和兴趣数据进行特征交叉融合。本发明不仅提高了用户画像构建的完整性和精准度，加深了商家对其消费者购买行为的理解，使其对产品进行针对行的优化；而且有助于商家制定精准的定向人群广告推荐策略，提高广告推荐准确度和转化效益。
-
公开(公告)号：CN115858947B
公开(公告)日：2023-05-16
申请号：CN202310176142.2
申请日：2023-02-28
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种基于用户评级的结构体推荐方法包括：收集用户对项目的评分历史记录得出二进制评分矩阵，采用概率方法衡量用户评分的有效性，并添加隐性评级完善有效的评级概况；针对用户评级模块添加时间可靠性以及时间相似性元素，预测最初评级并引入时间权重函数；计算对象拥有属性的隶属度，根据隶属度构建用户偏好背景矩阵；选定阈值，依据用户偏好背景矩阵抽取各类用户的属性，得到用户偏好结构体；实现用户偏好群体的标签定义，设置约束条件；预测目标用户来对未评分项目打分。通过结构体概念构建用户偏好画像并将时间信度和置信度纳入推荐过程，解决了用户的偏好可能会随着时间的推移而变化的问题，从而达到提高推荐精度的作用。
-
公开(公告)号：CN116032661A
公开(公告)日：2023-04-28
申请号：CN202310287885.7
申请日：2023-03-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种并行可监管的身份隐私保护方法包括，通过网络节点构建信用值网络，构建信用权值选举算法，选择满足要求的网络节点组成混合容器；设计多轮排序加密抽签机制选举监管节点，根据生成的信用权值对待选举节点进行多轮排序；监管中心节点对混合容器初始化，交易发送方为接收方生成可监管的隐匿地址；构建基于信用阈值的环签名方案；提出群组协作性承诺，加入分散化的盲因子；对混合容器进行解锁，通过观察算法监听区块链网络中的容器，经验证算法验证容器后打包交易上链。本方法通过多轮排序加密抽签机制，基于节点资产和信用值秘密选举监管节点，生成追踪性密钥镜像保障交易可监管性与交易双方身份的可追踪性。
-
公开(公告)号：CN115905617A
公开(公告)日：2023-04-04
申请号：CN202310187456.2
申请日：2023-03-02
Applicant: 南京邮电大学
IPC: G06F16/735 , H04N21/44 , H04N21/466 , H04N21/475 , G06F16/78 , G06F16/9536 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于深度神经网络与双正则化的视频评分预测方法，重构用户‑视频评分矩阵，引入融有用户活跃度的视频关联正则项和可靠的最近邻正则项，构建了融合融有用户活跃度的视频关联正则项和可靠的最近邻正则项的矩阵分解推荐模型，将潜在特征输入深度神经网络中得到深度神经网络模型的结果，并将深度神经网络模型的结果与矩阵分解的结构结合得到最终的预测评分，提高了预测评分的精度；并利用LDA模型挖掘用户视频评论中相关信息，生成用户类型潜在特征矩阵和视频类型潜在特征矩阵，并将两者结合得到隐藏的信息矩阵，再将隐藏的信息矩阵与原始用户视频评分矩阵相结合生成新的用户‑视频评分矩阵，缓解了冷启动和数据稀疏性问题。
-
公开(公告)号：CN115115389A
公开(公告)日：2022-09-27
申请号：CN202210236263.7
申请日：2022-03-11
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于价值细分和集成预测的快递客户流失预测方法，包括客户价值细分模块、流失预测以及预警模块、个性化挽留模块，所述客户价值细分模块用于客户价值测算以及客户分类；所述流失预测以及预警模块包括网点客户流失量预测模块和单个客户流失率预测模块，用于做出客户是否流失以及流失率的预测；所述预警及个性化挽留模块用于针对客户流失的影响指标体系和客户的价值重要程度，对不同价值客户提供个性化挽留方案。本发明既能够对客户进行精准化分类，还能够高精度预测出客户是否流失、流失概率以及网点客户流失量，并根据预测结果提出个性化流失预警。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.032 seconds)
