-
公开(公告)号：CN108154185A
公开(公告)日：2018-06-12
申请号：CN201711446923.X
申请日：2017-12-27
Applicant: 武汉理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于负数据库的隐私保护k-means聚类算法，包括：将所需要进行聚类的数据库中X的每一条数据转化为二进制串，并通过K-hidden算法对每一个二进制串生成相应的负数据库；随机生成k个不同的二进制串作为初始聚类中心；对于每一个负数据库计算负数据库到每个聚类中心的欧氏距离，把负数据库划分给欧氏距离最小的聚类中心；对于每一个聚类，重新计算聚类中心；重复迭代直到聚类中心不再发生变化。本发明能够提高已有的基于负数据库的k-means算法聚类精度，并且所提出的欧氏距离估算方法也可以被用到其他的数据挖掘算法来保护数据隐私。
-
公开(公告)号：CN106708714A
公开(公告)日：2017-05-24
申请号：CN201611146319.0
申请日：2016-12-13
Applicant: 武汉理工大学
IPC: G06F11/34
CPC classification number: G06F11/3409
Abstract: 本发明公开了一种计算系统首次被无关触发概率的方法，包括：构建系统的布尔结构表达式；计算系统的最小割集；计算系统中各组件的最小无关触发集合；对系统中组件的寿命模拟全排列，根据系统的最小割集和各组件的最小无关触发集合计算每个排列的系统被首次触发无关的时间；统计系统被首次触发无关时间点的次数，计算系统在各时间点被首次无关触发的概率，得到系统首次被触发无关的时间概率向量。本发明以完全非参数的方法比较不同系统的性能及其组件的关联性，而不涉及组件的寿命分布。可以在无参数的情况下，评估系统运行过程中首次出现无关组件的时间点，从而对比不同结构系统关联性的优劣。
-
公开(公告)号：CN106055908A
公开(公告)日：2016-10-26
申请号：CN201610411332.8
申请日：2016-06-13
Applicant: 武汉理工大学
IPC: G06F19/00
CPC classification number: G06F19/324
Abstract: 本发明公开了一种基于云计算的个人医疗信息推荐方法及系统，包括以下步骤：采集用户的个人健康信息并存储至云端，得到用户的个人云；获取用户输入的查询条件；根据查询条件和个人云中的个人健康信息对云端的所有页面集合P＝{P1，P2，P3，...，Pn}进行聚类；计算第i个簇的信息熵根据第i个簇的信息熵计算第i个簇中的第i+1个页面Pi+1的推荐度CEPR(Pi+1)；根据每个页面的推荐度对所有页面进行排序，将推荐度高的页面推荐给用户。本发明产生的有益效果是：通过采集用户个人健康信息建立“个人云”，提供面向个人的健康信息查询入口，提供更可靠的推荐信息，从而提高疾病判断的准确度，为实现个体疾病预测提供了可能。
-
公开(公告)号：CN120014283A
公开(公告)日：2025-05-16
申请号：CN202510066890.4
申请日：2025-01-16
Applicant: 武汉理工大学
IPC: G06V10/30 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/0464 , G06N3/084 , G06N7/01 , G06V30/164 , G06V30/19 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供了一种基于去噪扩散概率模型的对抗净化方法，包括以下步骤：在去噪扩散概率模型的前向过程中，将噪声按T步逐渐加入到输入的图像中；利用去噪扩散概率模型的反向过程，采用与加入噪声过程的反向步骤相匹配的方法逐步去除噪声，得到净化后的图像。是一种即插即用的对抗净化方法，可以与现有的深度学习模型直接集成。在实际应用中，本发明作为预处理模块，在数据输入阶段对图像进行净化处理，帮助深度学习模型更好地应对对抗攻击。该方案的实现不需要对目标模型结构进行改动，因此在实际部署中具有较高的可操作性。
-
公开(公告)号：CN118689740B
公开(公告)日：2024-12-03
申请号：CN202411157308.7
申请日：2024-08-22
Applicant: 武汉理工大学
IPC: G06F11/30 , G06F40/289 , G06F16/17 , G06N3/092 , G06N3/084
Abstract: 本发明提供了一种基于深度强化学习的实时日志异常检测方法，包括以下步骤：步骤S1：通过正则表达式将日志数据集中每条日志的参数进行替换得到日志文本，并提取数值型参数；步骤S2：将替换后的日志文本转化为语义向量，将数值型参数转化为数值参数向量，将语义向量和数值型参数向量进行拼接得到状态向量；步骤S3：将每条特征向量作为一种状态，所有进行替换后的日志作为动作集合，对深度Q网络进行训练；步骤S4：采用训练后的深度Q网络进行日志异常监测，得到日志异常监测结果。不仅可以提升日志分析的效果和准确性，而且帮助用户更好地理解和管理系统。
-
Patent Agency Ranking
公开(公告)号：CN118689740A
公开(公告)日：2024-09-24
申请号：CN202411157308.7
申请日：2024-08-22
Applicant: 武汉理工大学
IPC: G06F11/30 , G06F40/289 , G06F16/17 , G06N3/092 , G06N3/084
Abstract: 本发明提供了一种基于深度强化学习的实时日志异常检测方法，包括以下步骤：步骤S1：通过正则表达式将日志数据集中每条日志的参数进行替换得到日志文本，并提取数值型参数；步骤S2：将替换后的日志文本转化为语义向量，将数值型参数转化为数值参数向量，将语义向量和数值型参数向量进行拼接得到状态向量；步骤S3：将每条特征向量作为一种状态，所有进行替换后的日志作为动作集合，对深度Q网络进行训练；步骤S4：采用训练后的深度Q网络进行日志异常监测，得到日志异常监测结果。不仅可以提升日志分析的效果和准确性，而且帮助用户更好地理解和管理系统。
-
公开(公告)号：CN118609141A
公开(公告)日：2024-09-06
申请号：CN202410759312.4
申请日：2024-06-13
Applicant: 武汉理工大学
IPC: G06V30/22 , G06N3/0495 , G06N3/092 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于轻量化网络模型的甲骨文测定方法，通过提取现有甲骨文字库文件中的字形文件，得到甲骨文字体图片库；利用甲骨文字体图片库，基于轻量化网络训练得到初级深度强化学习模型，并识别甲骨文字形图片；将现有甲骨文字典、词典进行对应，得到甲骨文字词关键信息建立甲骨文字词数据库，并将由深度强化学习模型的识别甲骨文字形图片，放入甲骨文字词数据库得到完整甲骨文信息。本发明能提升甲骨文系统性查找的速度，弥补了查找空缺，为甲骨文的科学研究提供了有效助力。
-
公开(公告)号：CN115002471B
公开(公告)日：2024-08-09
申请号：CN202210593207.9
申请日：2022-05-27
Applicant: 武汉理工大学
IPC: H04N19/30 , H04N19/124 , H04N19/172 , H04N19/192 , H04N19/42 , H04N19/593
Abstract: 本发明提供了一种基于鲁棒自适应DAC码的分布式视频编码及解码方法和系统。方法分为编码端和解码端，编码端将输入视频分为关键帧和WZ帧，关键帧采用帧内编码；WZ帧经过变换、量化得到比特面，再对比特面进行置乱以提高解码的鲁棒性，接着采用自适应信源概率DAC算法对其进行编码。解码端对关键帧采用帧内解码，已解码的关键帧经过运动补偿插帧生成边信息，边信息再经过置乱以辅助WZ帧解码；WZ帧采用相同的自适应方法估计信源概率，并从DAC解码树中选择与边信息最匹配的路径作为解码输出，最后将输出按置乱顺序逆序还原并重构完成全部解码过程。该方法在降低DAC编码开销的同时，提升了解码的鲁棒性，对基于DAC的分布式视频编码性能有一定提高。
-
公开(公告)号：CN110390147B
公开(公告)日：2023-05-23
申请号：CN201910602956.1
申请日：2019-07-05
Applicant: 武汉理工大学
IPC: G06F30/20 , G06Q10/0639 , G06Q10/10 , G06F119/02
Abstract: 本发明公开了一种多阶段任务系统可靠性分析方法，包括以下步骤：S1、根据对多阶段任务系统中各组件于各阶段的最小无关触发事件MIT进行定义，找到组件在各个阶段从无关变为相关的触发条件；S2、根据系统类型及使用场景，选择合适的无关触发策略，包括阶段覆盖策略和任务覆盖策略；S3、在相应的无关触发策略下，分析得到组件在各个阶段发生覆盖、非覆盖失效以及未失效时的一般化的逻辑表达式；S4、根据组件阶段内和阶段间的逻辑关系得到整个任务发生失效的逻辑表达式；S5、根据整个任务发生失效的逻辑表达式，利用不相交乘积和SDP技术，计算多阶段任务系统中考虑组件的无关覆盖时的可靠性。本发明加入了对无关组件的覆盖。
-
公开(公告)号：CN111881048B
公开(公告)日：2022-06-03
申请号：CN202010758279.5
申请日：2020-07-31
Applicant: 武汉理工大学
Abstract: 本发明公开了一种跨项目软件老化预测方法，首先对源项目和目标项目中的数据进行预处理，之后采用联合分布域适应减小边缘分布和条件分布差异，然后采用欠采样法和改进的子类判别分析法缓解类不平衡问题，最后使用机器学习分类器(逻辑回归等)进行预测。本发明考虑了软件老化缺陷数据集源项目和目标项目间的条件分布差异，并进一步采用改进的子类判别分析法等缓解极其严重的类不平衡问题。它解决了传统跨项目软件老化缺陷预测方法精度以及健壮性不高的问题，有助于开发者在开发测试阶段发现软件老化相关缺陷并移除，避免软件老化问题带来的损失。本发明已在真实软件上验证过其可行性，并可推广至其他软件来预测软件老化相关缺陷。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.053 seconds)
