-
公开(公告)号：CN113518063A
公开(公告)日：2021-10-19
申请号：CN202110224609.7
申请日：2021-03-01
Applicant: 广东工业大学
Abstract: 本发明提出一种基于数据增强和BiLSTM的网络入侵检测方法及系统，解决了现有网络入侵检测方法存在对少数类攻击样本入侵检测识别准确率低的问题，首先采集网络入侵检测流量数据，然后进行初步的特征提取，组成训练数据集，确认数据量少的攻击类型数据样本后进行数据增强，然后构建BiLSTM神经网络模型并进行迭代学习训练，模型自动提取更高层次的特征信息，能更好的处理高维非线性网络流量特征，克服传统浅层机器学习依赖手动提取特征所带来的人为上的局限性，而且数据增强操作可解决训练数据集中类分布不均衡的难题，使模型在保持较高的整体检测率和较低的误报率的前提下，提高了少数类攻击样本的识别准确率。
-
公开(公告)号：CN113160880A
公开(公告)日：2021-07-23
申请号：CN202110295353.9
申请日：2021-03-19
Applicant: 广东工业大学
Abstract: 本发明提供一种基于高阶接近性和矩阵补全算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：计算lncRNA相似矩阵LS和疾病相似矩阵DS的高阶接近矩阵；S2：获取疾病‑lncRNA邻接矩阵DL，所述疾病‑lncRNA邻接矩阵用于描述lncRNA‑疾病关联关系；S3：构建一个异构性的疾病‑lncRNA关联矩阵，所述疾病‑lncRNA关联矩阵整合了疾病‑lncRNA邻接矩阵DL、lncRNA相似矩阵LS的高阶接近矩阵和疾病相似矩阵DS的高阶接近矩阵；S4：采用矩阵补全法，在所述疾病‑lncRNA关联矩阵中预测lncRNA‑疾病的关联。本发明引入高阶接近性来重构lncRNA和疾病的相似度矩阵，建立一个更好的度量标准来精确描述药物或疾病之间的相似关系，采用构建异构矩阵来利用lncRNA和疾病的相似度信息来辅助预测，实现了更加准确的lncRNA‑疾病的关联预测。
-
公开(公告)号：CN113140327A
公开(公告)日：2021-07-20
申请号：CN202110407996.8
申请日：2021-04-15
Applicant: 广东工业大学
IPC: G16H70/40
Abstract: 本发明针对现有药物重新定位技术的局限性，提出了一种药物‑疾病关联预测方法及系统，方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性；同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式，从而获得更加全面的相似特征信息，能够充分反映药物与疾病的关系；并采用二分图扩散方法来计算药物‑疾病关联的预测分数，获得了优良的预测性能。
-
公开(公告)号：CN112163191A
公开(公告)日：2021-01-01
申请号：CN202010970449.6
申请日：2020-09-15
Applicant: 广东工业大学
Abstract: 本发明公开一种基于国密区块链的教育资源共享方法及系统，通过运用SM3密码杂凑算法对教育资源进行杂凑运算以生成摘要数据，以及运用SM9国密非对称签名算法对摘要数据进行签名，并且运用SM9国密非对称加密算法对教育资源进行加密，从而能够支持国密算法，进而可以适应国内监管要求，满足国产化的特定加密要求，同时，基于去中心化的区块链架构，保证了教育资源的不可篡改性和真实性，以联盟区块链的共享模式，形成可靠高效的共享数据准入制度，提高了教育资源被盗取贩卖的难度和教育资源的质量，更加贴合当前教育资源中共享双方的利益需求。
-
公开(公告)号：CN119444893A
公开(公告)日：2025-02-14
申请号：CN202411449869.4
申请日：2024-10-17
Applicant: 广东工业大学
IPC: G06T11/00 , G06T7/00 , G06T7/13 , G06N3/0455 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开的属于医学影像与深度学习技术领域，具体为基于轮廓引导路径正则化的非配对跨模态医学图像转换方法，包括具体步骤如下：构建从源域到目标域的转换路径；应用路径正则化方法，旨在平滑路径过渡，确保图像转换过程中的稳定性；基于轮廓引导的路径正则化技术，使模型能够聚焦于关键解剖区域，进一步提升生成CT图像的结构一致性和准确性，本发明通过减少额外的训练步骤，能够显著缩短训练时间。本发明意在简化无监督训练范式，同时克服传统基于GAN的单步生成方法在捕捉医学图像复杂解剖结构方面的不足。在兼顾训练和采样时间的同时，克服生成医学图像质量受限问题。
-
Patent Agency Ranking
公开(公告)号：CN119048527A
公开(公告)日：2024-11-29
申请号：CN202411159980.X
申请日：2024-08-22
Applicant: 广东工业大学
IPC: G06T7/10 , G06T7/30 , G06T7/00 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开的属于医学图像处理技术领域，具体为一种基于深度学习的医学图像配准与分割联合训练方法，本发明的医学图像配准和分割联合算法在医学图像配准过程中结合了医学图像分割任务，利用半监督分割网络SegNet生成的伪分割标签提供辅助的解剖结构信息，约束弱监督配准网络RegNet生成更符合真实解剖结构的变形场。反过来，弱监督配准网络RegNet也可以为半监督分割网络SegNet提供形变伪标签用以监督训练。同时，为了减少配准误差和分割误差对彼此性能的影响，弱监督配准网络RegNet使用了微分同胚配准算法，生成的形变场更加平滑。
-
公开(公告)号：CN118747327A
公开(公告)日：2024-10-08
申请号：CN202410891927.2
申请日：2024-07-04
Applicant: 广东工业大学
IPC: G06F18/243 , G06F18/24 , G06F18/23 , G06N3/042 , G06N3/0464 , G06F18/214 , G16B40/00 , G06F18/22 , G16C20/70 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于图表征和样本学习的微生物‑药物关联预测方法，包括构建基于矩阵分解和引导聚类算法的预分类模型，并利用预分类模型从微生物‑药物关联二分图中筛选可靠负样本；利用微生物‑药物异质图和可靠负样本构建训练集和测试集，用训练集训练基于图卷积网络和图注意力网络的编码模型，利用训练好的编码模型获取训练集和测试集的最终图节点的表征；建立带偏置的随机森林分类模型，用训练集的图节点表征拟合带偏置的随机森林分类模型，将测试集的图节点表征输入带偏置的随机森林分类模型后，获取预测分数。本发明能够解决现有微生物‑药物关联预测模型存在假阴性和筛选负样本的方法可能导致过拟合等问题。
-
公开(公告)号：CN118553312A
公开(公告)日：2024-08-27
申请号：CN202410578811.3
申请日：2024-05-11
Applicant: 广东工业大学
Abstract: 本发明提供一种基于多重邻近性融合的lncRNA与药物抗性关联预测方法，包括构建lncRNA‑药物抗性关联数据集；利用k‑mers和RDKit对关联数据集进行处理；将lncRNA和药物的高级特征进行拼接处理；构建lncRNA‑药物抗性异构网络；通过元路径对lncRNA‑药物抗性异构网络进行全局结构邻近性量化，得到重构的异构网络；对lncRNA‑药物抗性异构网络进行局部结构邻近性的量化；预测lncRNA‑药物抗性潜在关联。本发明从挖掘数据的各项特性出发，利用相关方法工具量化提取数据的多重邻近性，最后融合各项特性以有效提高预测效果；本发明预测准确率高，AUC值为0.913，AUPR值为0.921。
-
公开(公告)号：CN113518063B
公开(公告)日：2022-11-22
申请号：CN202110224609.7
申请日：2021-03-01
Applicant: 广东工业大学
Abstract: 本发明提出一种基于数据增强和BiLSTM的网络入侵检测方法及系统，解决了现有网络入侵检测方法存在对少数类攻击样本入侵检测识别准确率低的问题，首先采集网络入侵检测流量数据，然后进行初步的特征提取，组成训练数据集，确认数据量少的攻击类型数据样本后进行数据增强，然后构建BiLSTM神经网络模型并进行迭代学习训练，模型自动提取更高层次的特征信息，能更好的处理高维非线性网络流量特征，克服传统浅层机器学习依赖手动提取特征所带来的人为上的局限性，而且数据增强操作可解决训练数据集中类分布不均衡的难题，使模型在保持较高的整体检测率和较低的误报率的前提下，提高了少数类攻击样本的识别准确率。
-
公开(公告)号：CN108833108B
公开(公告)日：2021-08-13
申请号：CN201810508053.2
申请日：2018-05-24
Applicant: 广东工业大学
IPC: H04L9/32 , H04L29/06 , H04L12/801 , H04L29/08
Abstract: 本发明公开了一种基于内容中心网络的签名验证方法、装置及介质，该方法的步骤包括：依次获取待验证的内容数据包，并以预设的初始概率判定内容数据包中的签名信息的合规性；每当判定有第一预设值数量的非合规签名信息时，均控制初始概率增加第一概率值以作为新的初始概率；每当判定有第二预设值数量的合规签名信息时，均控制初始概率减少第二概率值以作为新的初始概率；每当网络流量的流量值发生变化时，均生成相应的制约系数，并通过对制约系数与初始概率进行乘积运算生成新的初始概率。本方法提高了对网络中非合规数据包的规避效果，并且能够避免网络拥塞。此外，本发明该提供一种基于内容中心网络的签名验证装置及介质，有益效果同上所述。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
