-
公开(公告)号：CN115291091B
公开(公告)日：2025-01-10
申请号：CN202210987528.7
申请日：2022-08-17
Applicant: 哈尔滨工业大学
IPC: G01R31/316 , G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的模拟电路故障诊断方法。该方法在构建故障样本图时，将样本间的结构特征形成结构间的约束，也就是样本节点间的边；在图神经网络对故障样本图进行处理时，提取结构特征和样本的数据特征对样本进行故障状态分类。故障样本图中的这一结构约束，不仅帮助模型提取到更多的有效特征以进行故障分类，从而提升了模型的故障诊断准确率；同时也起到了样本聚类的效果，在训练集样本比例较低的少样本学习中使模型同样具有较好的训练效果。
-
公开(公告)号：CN109284411A
公开(公告)日：2019-01-29
申请号：CN201810402753.3
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及图像数据处理领域，特别涉及一种基于有监督超图离散化图像二值编码方法。该方法包括以下步骤：S1.假设一个由n幅图像组成训练集，将训练集所有样本通过学习哈希函数映射到汉明空间的二值化哈希码；S2.定义一个线性多分类模型，采用优化函数对离散化变量进行优化，得出第一目标函数；S3.采用超图对数据哈希码之间的距离度量一致性进行约束，得出第二目标函数；S4.整合第一目标函数和第二目标函数，得到完整的目标函数，采用“位循环坐标下降方法”学习哈希码矩阵，并通过迭代运算优化目标函数。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN108510559A
公开(公告)日：2018-09-07
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1. 假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2. 基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3. 基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4. 基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5. 优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN107784663A
公开(公告)日：2018-03-09
申请号：CN201711124878.6
申请日：2017-11-14
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于深度信息的相关滤波跟踪方法及装置，其方法包括：基于深度图的图像分割技术，自适应性量化深度信息，得到深度图像分割结果；利用深度图像分割结果，根据不同场景构建相应的三维空间模型的分层结构；利用分层结构，并结合核相关滤波跟踪算法处理目标尺度变化及检测遮挡。本发明一方面过滤前景和背景信息减少跟踪的干扰因素，结合成熟的图像特征提取技术；另一方面这样的分层结构简化了深度信息的使用方法，使得处理目标尺度变化以及检测遮挡更为容易。结合核相关滤波跟踪算法实现了使用二维表观模型在空间结构下的跟踪方法，能够有效应对遮挡和处理目标尺度变化，提高视觉跟踪效果。
-
公开(公告)号：CN107145792A
公开(公告)日：2017-09-08
申请号：CN201710225047.1
申请日：2017-04-07
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F21/6245 , G06K9/6218 , H04L63/0428 , H04L67/10
Abstract: 本发明提供一种基于密文数据的多用户隐私保护数据聚类方法及系统，属于数据挖掘技术领域。本发明方法包括步骤：两个以上用户发送各自加密后的数据和聚类中心点、陷门信息给服务器；服务器计算密文数据点和聚类中心点的距离，并划分聚类；服务器将每个聚类中不同的用户的数据点分别进行相加，并将数据的总和及个数分别发送给用户；用户将收到的数据总和及个数重新加密后发送给服务器；服务器计算新的聚类中心点，并将新的聚类中心点发送给各个用户；各个用户通过外包隐私保护平均数计算协议共同计算每个聚类中数据点距离聚类中心点的平均值，然后发送给服务器，进行下次迭代。本发明大大提高了聚类效率；实现半诚实模型下的安全计算，同时可以抵抗一定程度上的合谋攻击。
-
Patent Agency Ranking
公开(公告)号：CN107145791A
公开(公告)日：2017-09-08
申请号：CN201710224275.7
申请日：2017-04-07
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F21/6245 , G06K9/6223 , H04L63/0428 , H04L67/10
Abstract: 本发明提供一种具有隐私保护的K‑means聚类方法及系统，属于数据挖掘技术领域。本发明包括如下步骤：数据拥有者A和B加密各自的数据和随机选择的质心点，上传至服务器；服务器通过安全乘法协议和安全距离计算协议在密文数据中计算数据点到质心点的欧氏距离，并将数据点归类；服务器、数据拥有者A和B通过安全电路协议共同在密文数据中重新计算新的质心点；数据拥有者A或B通过安全比较协议判断新的质心点与原质心点的距离，如果小于阈值，结束分类，数据拥有者A和B请求服务器将分类好的数据分别发送给数据拥有者A和B，否则，重新上传新的质心点，进行下一轮迭代。本发明在保证数据隐私安全的同时保证了数据挖掘结果的正确性；支持数据存储外包和数据计算外包，在保证正确性的同时，执行效率也大幅度提升；支持三个参与方中最多一方为恶意方的安全计算。
-
公开(公告)号：CN103530618A
公开(公告)日：2014-01-22
申请号：CN201310501357.3
申请日：2013-10-23
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于角膜反射的非接触式视线追踪方法，步骤1：人眼定位；步骤2：计算光斑坐标；步骤3：瞳孔精确定位；步骤4：空间映射：根据计算出的屏幕上四个光斑和瞳孔中心坐标，利用射影几何中的交比不变原理进行空间坐标的映射。本发明提出的技术方案不需要配戴其它设备，大大降低了对使用者的限制；提出一种新的瞳孔边缘拟合方案，循环拟合剔除假点，最终得到精确的瞳孔中心，提高了映射的精度。本发明与现有的相关研究相比，在精度上有了较大的提升。
-
公开(公告)号：CN114844621B
公开(公告)日：2023-04-07
申请号：CN202210365746.7
申请日：2022-04-08
Applicant: 哈尔滨工业大学(深圳) , 暨南大学
Abstract: 本发明公开了一种基于多密钥全同态加密的多用户隐私保护机器学习方法及装置，方法包括：由公共字符串CRS进行多密钥全同态加密算法的初始化、生成安全参数λ及生成公共参数集mkparams；服务器S整合各个数据提供方上传的单密钥密文数据Encski(di)得到多密钥密文数据集Encsk(D)；服务器S在多密钥密文数据集Encsk(D)的基础上将普通机器学习算法中的线性运算替换为全同态加法和全同态乘法，对多密钥密文数据集Encsk(D)进行机器学习建模训练；服务器S将多密钥加密的模型密文Encsk(model)下发给各个数据提供方DPi和解密方DE；解密多密钥模型密文Encsk(model)，从而得到由各个数据提供方DPi的数据D训练得到的模型model＝Decsk(Encsk(model))。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成隐私计算任务。
-
公开(公告)号：CN115291091A
公开(公告)日：2022-11-04
申请号：CN202210987528.7
申请日：2022-08-17
Applicant: 哈尔滨工业大学
IPC: G01R31/316 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的模拟电路故障诊断方法。该方法在构建故障样本图时，将样本间的结构特征形成结构间的约束，也就是样本节点间的边；在图神经网络对故障样本图进行处理时，提取结构特征和样本的数据特征对样本进行故障状态分类。故障样本图中的这一结构约束，不仅帮助模型提取到更多的有效特征以进行故障分类，从而提升了模型的故障诊断准确率；同时也起到了样本聚类的效果，在训练集样本比例较低的少样本学习中使模型同样具有较好的训练效果。
-
公开(公告)号：CN109284411B
公开(公告)日：2022-03-18
申请号：CN201810402753.3
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F16/53 , G06K9/62 , G06V10/74 , G06V10/764
Abstract: 本发明涉及图像数据处理领域，特别涉及一种基于有监督超图离散化图像二值编码方法。该方法包括以下步骤：S1.假设一个由n幅图像组成训练集，将训练集所有样本通过学习哈希函数映射到汉明空间的二值化哈希码；S2.定义一个线性多分类模型，采用优化函数对离散化变量进行优化，得出第一目标函数；S3.采用超图对数据哈希码之间的距离度量一致性进行约束，得出第二目标函数；S4.整合第一目标函数和第二目标函数，得到完整的目标函数，采用“位循环坐标下降方法”学习哈希码矩阵，并通过迭代运算优化目标函数。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.032 seconds)
