基于信任机制的区块链DPoS共识方法

    公开(公告)号:CN109639837B

    公开(公告)日:2021-04-06

    申请号:CN201910096783.0

    申请日:2019-01-31

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于信任机制的区块链DPoS共识方法,该方法首先为区块链系统中的节点引入信任度和信任能级的概念,信任能级为Error的节点无法参与代理节点竞选,然后通过信任权利机制选举出代理节点;接着采用可验证随机函数在代理节点中抽选出记账节点;最后在区块链网络运行过程中,对节点行为进行信任奖惩,对降到Error能级的记账节点采取中断剔除策略。本发明通过对节点信任能级的跟踪以及节点的信任奖惩,降低恶意节点成为记账节点的概率,提高普通节点的参与积极度,保证整个共识方法的可靠性,并且以信任度作为股权证明,不需要额外的代币分发。

    一种基于深度学习的视频目标检测方法与装置

    公开(公告)号:CN111832393A

    公开(公告)日:2020-10-27

    申请号:CN202010471931.5

    申请日:2020-05-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度学习的视频目标检测方法与装置。本发明在提取帧图像特征后,利用改进的SeqtoSeq模型提取视频中的时序信息,并利用该信息提高帧图像的特征质量,在一定程度上解决目标运动模糊、视频散焦、目标姿态奇异以及遮挡等帧图像恶化现象导致的检测精度降低问题。然后,对视频中的目标关系进行建模,从目标视觉特征、位置特征和时序特征三方面挖掘视频中目标之间潜在语义关系,并通过目标关系对候选框特征进行重新编码,以此丰富候选框的特征表示。本发明不仅能够提高视频目标检测的检测精度,同时还具有优良的鲁棒性。

    一种基于UCL语义标引的视频推荐方法与装置

    公开(公告)号:CN109871464A

    公开(公告)日:2019-06-11

    申请号:CN201910042426.6

    申请日:2019-01-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于UCL语义标引的视频推荐方法与装置。首先,本发明基于SSD神经网络模型,过滤最后一层生成的无用提案框,并且拼接中间层生成的人脸特征,对视频进行目标检测与人脸识别,提高视频信息提取的速度与精度。接着,采用UCL国家标准对视频进行语义标引,并基于检测目标的重合度,对视频进行自动分段,实现视频的规范化、细粒度标引。最后,构建知识库存储UCL之间的关系,并基于知识库提出两阶段智能化个性化推荐策略,解决传统推荐冷启动、运算复杂等问题,提高推荐系统的性能。本发明既能提高视频信息抽取的速度和精度,又能灵活、准确地进行视频个性化推荐。

    一种面向实时新闻内容的流式话题演化跟踪方法

    公开(公告)号:CN108509517A

    公开(公告)日:2018-09-07

    申请号:CN201810195967.8

    申请日:2018-03-09

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向实时新闻内容的流式话题演化跟踪方法,首先把实时采集的新闻内容,按时间段进行分批,对每一批新闻内容采用LDA方法挖掘初步话题结果;接着,在这一批新闻内容内部进行命名实体识别,并计算话题与实体间关联,以此更新实体库中的实体链接关系;然后,通过话题内部词项聚类,得到话题-话题内类簇对应关系,并将话题结果存入话题库;最后,计算话题及其内部类簇的热度信息,并根据热度信息对LDA话题挖掘参数进行动态更新,供下一批新闻内容的话题演化跟踪使用。本发明可挖掘实时新闻内容中的话题特征以及话题内词项的类簇特征,充分利用话题间以及话题内不同类簇间的差异性,对LDA话题挖掘参数进行动态更新。

    基于播存网络的雾计算架构内容协同分发方法及应用系统

    公开(公告)号:CN107682416A

    公开(公告)日:2018-02-09

    申请号:CN201710851632.2

    申请日:2017-09-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于播存网络的雾计算架构内容协同分发方法及应用系统。本发明利用播存网络来提升传统雾计算架构的内容主动推送能力和减少其对互联网带宽的消耗,采用软件定义网络SDN的集中控制思想,提出兼顾广播内容和Web缓存内容的多粒度协同存储机制;在此基础上,通过控制器来集中维护和控制域内所有结点,并为域内雾服务器制定高效的内容转发策略;最后,通过控制器来实现域内多结点的内容协同分发。本发明可以有效增强雾计算架构的内容主动推送能力,减少用户请求时延,提升用户体验。

    一种基于位移梯度分解的异位数字体积相关方法

    公开(公告)号:CN103900506B

    公开(公告)日:2016-08-17

    申请号:CN201410124388.6

    申请日:2014-03-28

    Applicant: 东南大学

    Inventor: 万克树 杨鹏

    Abstract: 本发明公开了一种基于位移梯度分解的异位数字体积相关方法,具体包括七个实施步骤。本发明的异位数字体积相关方法基于位移梯度分解,其不仅克服了原位数字体积相关方法中原位在线实验的困难,并且还具有高的准确度和精确度;相对于原位加载实验,本发明方法没有增加额外的实验操作和计算量,相对于基于图像配准的异位数字体积相关方法,本发明方法不需要额外的标记物和图像配准步骤,因此其更容易实现;本发明的异位数字体积相关方法极大的拓展了数字体积相关方法的应用空间,为数字体积相关方法在实验力学中的广泛应用起到了重要的推动作用,可将数字体积相关方法推广到各种复杂的加载变形研究中进行应用。

    一种基于深度学习的方面级情感分类方法

    公开(公告)号:CN114692604B

    公开(公告)日:2025-02-21

    申请号:CN202210398830.9

    申请日:2022-04-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度学习的方面级情感分类方法,具体如下,构筑方面级情感分类数据集;将数据集中的方面级特征嵌入到语义空间中;使用基于对抗BERT的编码器进行特征编码;基于线性变换的方面级句子特征压缩层对编码后的结果进行线性变换,使其满足胶囊网络计算的需要;基于胶囊网络的方面级句子特征提取层对压缩后的矩阵进一步的特征提取,捕获方面词与其对应上下文的语义关系;融标签正则化机制的情感分类层依据模型学习到的内容对文本进行方面级情感分类,可用于社交媒体文本的方面级情感分类,本发明基于对句子的方面级特征进行充分地学习,结合对抗训练机制将数据集的效果发挥到最大化,在复杂的场景下仍能表现出良好的效果,具有准确率高、鲁棒性好的特点。

    一种基于知识图谱的答案获取方法

    公开(公告)号:CN114896377B

    公开(公告)日:2024-11-08

    申请号:CN202210360978.3

    申请日:2022-04-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于知识图谱的答案获取方法,具体如下:从问题与候选答案中提取相关的关键词信息;在知识图谱中提取从问题当中的关键词到选项当中关键词的路径;将路径输入路径证据聚合器PEF和图证据聚合器GEF当中,分别得到相关的路径证据信息和图证据信息;将题目与选项组合成状态向量并输入文本证据聚合器TEF当中,利用TEF当中的预训练语言模型捕捉文本之间的语义关联,获得知识图谱之外的特征;将以上获得的三种不同来源的证据融合成特征向量并最后得到选择分数。充分利用题目给定的信息,在捕获题目当中单词语义关系的同时,还能利用知识图谱获得相关的证据信息进行答案选择,将结构化和非结构化的证据相结合,推荐准确率高,可解释性好。

Patent Agency Ranking