-
公开(公告)号：CN114448834A
公开(公告)日：2022-05-06
申请号：CN202210133336.X
申请日：2022-02-11
Applicant: 福建师范大学
IPC: H04L43/0823 , H04L41/12
Abstract: 本发明公开一种基于折叠超立方体的多处理机网络故障节点诊断方法，其包括以下步骤：S1，确定由折叠超立方体网络FQn节点间进行测试生成的症状集ω；S2，由FQn的症状集ω生成其0‑比较子网络ω0(FQn)；S3，通过深度优先搜索获得0‑比较子网络ω0(FQn)的最大连通分支CCLargest；S4，将CCLargest中的所有节点诊断为无故障，并将其加入无故障节点集SFault‑free；S5，诊断折叠超立方体网络FQn中除无故障节点集SFault‑free外剩余的节点，获取最终的无故障节点集SFault‑free和故障节点集SFault。本发明利用折叠超立方体网络FQn的网络拓扑结构性质，在误诊少量节点的情形下极大地增强FQn的故障诊断能力。
-
公开(公告)号：CN110706743A
公开(公告)日：2020-01-17
申请号：CN201910972705.2
申请日：2019-10-14
Applicant: 福建师范大学
IPC: G16B20/00
Abstract: 一种平衡采样与图检索的蛋白质互作网络模体检测方法，包括以下步骤:1.采用蒙特卡罗-马尔科夫链方法的交换算法交换算法构建与真实蛋白质互作网络具有相同度分布的随机网络模型；2.在真实蛋白质互作网络与随机网络模型中进行k规模子图查找，通过平衡采样查找算法能查找出尽可能多的k规模子图；3.根据已查找出的子图构建图检索存储结构，采用对称条件和同构结点映射存储所有k规模子图；4.确定网络模体。统计存储结构中所有k规模子图出现的频率，并通过网络模体统计意义评价确定该子图是否为网络模体。
-
公开(公告)号：CN119418912B
公开(公告)日：2025-04-04
申请号：CN202510012095.7
申请日：2025-01-06
Applicant: 福建师范大学
IPC: G16H50/20 , G16H50/70 , G06N3/042 , G06N3/0455 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了基于图自监督迁移学习的跨域疾病预测方法，方法为：处理功能磁共振成像数据和临床表型数据；由受试者的功能磁共振成像数据建模构成脑特征结构拓扑图；对脑特征结构拓扑图的节点采样得到子图并选择亲密度得分最高的#imgabs0#个子图；将目标子图的节点特征映射到低维向量空间得到节点嵌入矩阵；节点嵌入矩阵转化为重建矩阵，计算原始特征向量与重建特征向量的欧几里得距离得到生成学习评分；在目标节点与相邻子图之间构建比较关系并计算对比学习评分；生成学习评分和对比学习评分加权和得到疾病类别的预测概率值；待迁移的数据输入至预测模型得到对应疾病类别的预测结果。本发明提高跨域疾病预测准确性与效率。
-
公开(公告)号：CN119520168A
公开(公告)日：2025-02-25
申请号：CN202510077535.7
申请日：2025-01-17
Applicant: 福建师范大学 , 中国热带农业科学院热带生物技术研究所
Abstract: 本发明公开了一种用于恶意客户端识别和投毒攻击恢复的联邦学习方法，包括步骤：将联邦学习中的全局模型更新数据进行预处理，使用柯西平均值定理预测每个客户端的模型更新，填补异构模型中缺失的通道，并计算每个客户端的可疑分数，使用多重指标合作识别恶意客户端；在检测到恶意客户端后，通过选择性存储的历史信息和自适应模型回滚策略，确定合适的模型回滚点；服务器校准客户端更新，从被污染的模型中恢复出一个准确的全局模型。本发明在保护数据隐私、增强模型安全性的同时减少存储和计算资源的需求。
-
公开(公告)号：CN117596180A
公开(公告)日：2024-02-23
申请号：CN202311433009.7
申请日：2023-10-31
Applicant: 福建师范大学
IPC: H04L43/0805 , H04L41/12 , G06F18/23213
Abstract: 本发明公开一种正则关联图注意力网络驱动的网络故障诊断方法，其包括以下步骤：基于半监督k‑means++聚类算法将网络中的所有节点进行聚类，获得k个分组；依据聚类分组分别将同一个组的节点连接为一个独立的折叠超立方体，基于折叠超立方体构建关联图；利用图注意网络GAT对每个节点与对应的所有邻居节点进行特征聚合获得节点特征；基于节点特征通过Softmax层分类器将节点分类为无故障节点或对应的故障类型节点，完成故障诊断。本发明所提供的一种正则关联图注意力网络驱动的故障诊断方法更有效率，具有较好的应用和推广作用。
-
Patent Agency Ranking
公开(公告)号：CN114448834B
公开(公告)日：2023-07-07
申请号：CN202210133336.X
申请日：2022-02-11
Applicant: 福建师范大学
IPC: H04L43/0823 , H04L41/12
Abstract: 本发明公开一种基于折叠超立方体的多处理机网络故障节点诊断方法，其包括以下步骤：S1，确定由折叠超立方体网络FQn节点间进行测试生成的症状集ω；S2，由FQn的症状集ω生成其0‑比较子网络ω0(FQn)；S3，通过深度优先搜索获得0‑比较子网络ω0(FQn)的最大连通分支CCLargest；S4，将CCLargest中的所有节点诊断为无故障，并将其加入无故障节点集SFault‑free；S5，诊断折叠超立方体网络FQn中除无故障节点集SFault‑free外剩余的节点，获取最终的无故障节点集SFault‑free和故障节点集SFault。本发明利用折叠超立方体网络FQn的网络拓扑结构性质，在误诊少量节点的情形下极大地增强FQn的故障诊断能力。
-
公开(公告)号：CN109905883B
公开(公告)日：2021-11-09
申请号：CN201910249858.4
申请日：2019-03-29
Applicant: 福建师范大学
Abstract: 本发明涉及一种连通无线传感器网络的方法及终端，属于无线通讯领域。本发明通过预设多个无线传感器；所述多个无线传感器部署在不同的位置；分组所述多个无线传感器，得到多个无线传感器组；具体为：以所述多个无线传感器为顶点生成点集；三角剖分所述点集，得到三角形集合；所述三角形集合中每一三角形的顶点为所述无线传感器；所述无线传感器分组与所述三角形集合中的三角形一一对应；获取每一所述无线传感器组的费马点，得到多个费马点；根据所述多个费马点获取中继器的部署位置，以使通过部署中继器连通无线传感器网络。实现了减少连通无线传感器网络所需的中继器资源。
-
公开(公告)号：CN109905883A
公开(公告)日：2019-06-18
申请号：CN201910249858.4
申请日：2019-03-29
Applicant: 福建师范大学
Abstract: 本发明涉及一种连通无线传感器网络的方法及终端，属于无线通讯领域。本发明通过预设多个无线传感器；所述多个无线传感器部署在不同的位置；分组所述多个无线传感器，得到多个无线传感器组；具体为：以所述多个无线传感器为顶点生成点集；三角剖分所述点集，得到三角形集合；所述三角形集合中每一三角形的顶点为所述无线传感器；所述无线传感器分组与所述三角形集合中的三角形一一对应；获取每一所述无线传感器组的费马点，得到多个费马点；根据所述多个费马点获取中继器的部署位置，以使通过部署中继器连通无线传感器网络。实现了减少连通无线传感器网络所需的中继器资源。
-
公开(公告)号：CN106295395A
公开(公告)日：2017-01-04
申请号：CN201610597003.7
申请日：2016-07-27
Applicant: 福建师范大学
IPC: G06F21/62
CPC classification number: G06F21/6245
Abstract: 本发明公开基于图划分的不确定轨迹隐私保护方法，其包括步骤（1）数据预处理：对原始轨迹数据集进行预处理，使得不确定轨迹之间在时间维度上有交集，且每条不确定轨迹都有同样的采样点个数；步骤（2）关联度构建：对预处理之后的轨迹数据提取时间特征、方向特征和距离特征，计算不同的不确定轨迹之间的关联度；步骤3）无向图构建：将轨迹数据集映射成一个无向图，该无向图中每个节点代表一条轨迹，节点之间边的权值代表两条相应不确定轨迹之间的关联度；步骤（4）无向图划分：利用贪婪算法对无向图进行划分，形成若干个含有k条不确定轨迹的聚类。本发明可让用户根据隐私保护要求，均衡数据信息损失和隐私水平。
-
公开(公告)号：CN119724522A
公开(公告)日：2025-03-28
申请号：CN202510221222.4
申请日：2025-02-27
Applicant: 福建师范大学
IPC: G16H40/20 , G06F18/10 , G06F18/214 , G06F18/24 , G06N3/0455 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种通过知识蒸馏的对抗网络分析医疗评价的方法及系统，其中，该方法将情绪标注后的医疗评价数据输入由生成对抗网络与transformer模型的MASH模块进行结合所得到的改进型的生成对抗网络中，以生成训练样本，通过该训练样本对教师模型进行初始化，通过知识蒸馏将初始化后的教师模型中学习到的知识分别提炼至由GRU模型、BERT模型和第一卷积层结合得到第一学生模型和由LSTM网络、BERT模型和第二卷积层结合得到第二学生模型，以最小的提炼损失为目标对第一学生模型和第二学生模型进行训练，基于训练后的第一学生模型和第二学生模型得到医疗评价数据的分析结果。由此，本发明在减少对大量高质量数据和大量时间的需求下，实现对医疗评价数据的分析。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.024 seconds)
