-
-
公开(公告)号:CN114117306B
公开(公告)日:2022-07-15
申请号:CN202111443344.6
申请日:2021-11-30
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/958 , G06F16/9535 , G06F21/62 , G06N3/00
Abstract: 本发明公开了一种基于本地化差分隐私保护的多目标推荐方法,其步骤包括:1、从网站上获取访问用户对项目的评分信息得到评分矩阵;2、将评分矩阵映射成01矩阵;3、使用随即响应机制扰动01矩阵;4、对扰动后的01矩阵使用概率传播算法得到权值矩阵;5、根据权值矩阵初始化种群;6、迭代的对种群进行交叉、变异和更新;7、根据迭代后的种群生成多个推荐结果。本发明能有效地保护用户隐私,同时维持推荐准确性和多样性之间的平衡。
-
公开(公告)号:CN118294411A
公开(公告)日:2024-07-05
申请号:CN202410449828.9
申请日:2024-04-15
Applicant: 江淮前沿技术协同创新中心 , 安徽大学
Abstract: 本发明公开了一种基于光谱技术的N2O4气体测量系统及方法,系统中光源单元的出射光经光束调节单元传输至气体采样单元,气体采样单元输出透射光强信号至数据采集处理单元,光源单元与光束调节单元之间布置关断单元,气体采样单元包括光学腔、第一平凹镜和第二平凹镜,所述平凹镜凹面镀有高反射率膜,所述光学腔上开设有供空气和氮气进入的气口,且所述光学腔连接有温度调节单元和压力调节单元;光源单元输出中红外连续激光和可见红光。
-
公开(公告)号:CN113640250B
公开(公告)日:2023-06-27
申请号:CN202110899839.3
申请日:2021-08-06
Applicant: 安徽大学
IPC: G01N21/39 , G01N21/3504
Abstract: 本发明公开了一种大气HONO同位素测量系统,包括:由中红外激光器、中红外激光器控制器、氦氖激光器、氦氖激光器控制器组成的激光器及其控制单元;由分束片,第一反射镜、第二反射镜、第三反射镜、第四反射镜;标准具;第一透镜和第二透镜组成的光路调整单元;由多次反射吸收池、吸收池温度控制器、气体进气口、气体出气口组成的气体采样控制单元;由皮拉尼真空计、压力显示器、真空泵组成的气体压力控制单元;由第一中红外探测器、第二中红外探测器、高速数据采集卡、数据传输设备及数据处理设备组成的数据处理单元。本发明能在短时间内实现对大气HONO同位素的高灵敏连续检测,避免其他气体的干扰。
-
公开(公告)号:CN114117306A
公开(公告)日:2022-03-01
申请号:CN202111443344.6
申请日:2021-11-30
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/958 , G06F16/9535 , G06F21/62 , G06N3/00
Abstract: 本发明公开了一种基于本地化差分隐私保护的多目标推荐方法,其步骤包括:1、从网站上获取访问用户对项目的评分信息得到评分矩阵;2、将评分矩阵映射成01矩阵;3、使用随即响应机制扰动01矩阵;4、对扰动后的01矩阵使用概率传播算法得到权值矩阵;5、根据权值矩阵初始化种群;6、迭代的对种群进行交叉、变异和更新;7、根据迭代后的种群生成多个推荐结果。本发明能有效地保护用户隐私,同时维持推荐准确性和多样性之间的平衡。
-
公开(公告)号:CN117726494A
公开(公告)日:2024-03-19
申请号:CN202311752035.6
申请日:2023-12-19
Applicant: 安徽大学绿色产业创新研究院
IPC: G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于Vision Transformer网络的图像隐藏方法,其步骤包括:1、训练集处理;2、隐藏器网络和提取器网络训练;3、构建损失函数;4、得到训练后的图像隐藏器和提取器,用于实现对输入图像的隐藏和提取。本发明可以确保在数据传输、存储或共享过程中隐私信息不被未授权者获取,在网络通信或数据交换中保障敏感信息的安全性;也可以用于图像的版权保护或身份验证,使得图像具有独特的标识,以防止盗版或非授权使用。
-
公开(公告)号:CN117726411A
公开(公告)日:2024-03-19
申请号:CN202311779143.2
申请日:2023-12-22
Applicant: 安徽大学
IPC: G06Q30/0601 , G06N20/00 , G06F21/62
Abstract: 本发明公开了一种差分隐私保护下基于联邦学习和多臂赌博机的商品推荐方法,其步骤包括:1、中央服务器及各个终端初始化参数;2、对所有候选商品进行推荐并获得对应用户评分奖励反馈;3、以上一步奖励结果为初始参数,选择用户评分最高的商品(局部最优)进行推荐并获得对应用户评分;4、将之前所获得的奖励反馈进行聚合;5、对聚合结果加入噪声进行扰动,并将扰动后的参数上传至中央服务器;6、中央服务器根据上传的数据确定淘汰集;7、删除淘汰集内的候选商品后进行迭代,直至得到最终的推荐商品。本发明能够在分布式环境下有效解决商品推荐系统中的冷启动问题,同时保护用户隐私信息。
-
公开(公告)号:CN116664232A
公开(公告)日:2023-08-29
申请号:CN202310599950.X
申请日:2023-05-25
Applicant: 安徽大学绿色产业创新研究院
IPC: G06Q30/0601 , G06F18/23 , G06N20/00
Abstract: 本发明公开了一种基于上下文老虎机的联邦个性化商品推荐方法,包括:1、各本地服务器收集其用户的行为数据,初始化各本地服务器参数;2、各本地服务器根据上下文老虎机算法选择最优臂,接收反馈并更新参数;3、中心服务器接收并聚合来自本地服务器的数据,并对本地服务器进行聚类;4、中心服务器和本地服务器进行协同训练,调整参数;5、重复步骤3‑4,直到达到预设的停止条件,从而得到基于上下文老虎机的联邦个性化推荐模型,用于对不同本地服务器潜在的异构用户作出推荐。本发明能为同一簇的用户推荐相似商品,并根据用户反馈和历史数据不断调整推荐策略,能适应不断变化的推荐环境要求,从而能提高推荐效果和用户满意度。
-
-
-
-
-
-
-