-
公开(公告)号：CN111309787B
公开(公告)日：2021-10-19
申请号：CN202010136449.6
申请日：2020-03-02
Applicant: 广州大学
IPC: G06F16/2458 , G06N5/02
Abstract: 本发明公开了一种基于Apriori算法挖掘二维数据间关联规则的方法，通过获取关系型数据库中的二维连续型数据表，对二维连续型数据表进行离散化处理，得到二维离散化数据表，然后通过Apriori算法挖掘出二维离散化数据表中各数据之间的频繁项集，并生成频繁项集的关联规则，同时计算每一条规则的置信度，最后根据亲密度计算公式、每一条规则的置信度以及频繁项集的关联规则，计算得到二层级数据的关联规则，可以挖掘二维数据表属性之间的关联规则，从而确定属性间的亲密关系。
-
公开(公告)号：CN110084143B
公开(公告)日：2021-09-28
申请号：CN201910275206.8
申请日：2019-04-04
Applicant: 广州大学
IPC: G06K9/00
Abstract: 本发明公开了一种用于人脸识别的情绪信息保护方法及系统，所述方法包括：获取人脸图像，并调用人脸识别网络和情绪识别网络分别对人脸图像进行识别得到第一人脸识别结果和第一情绪识别结果；调用多层神经网络对人脸图像计算得到情绪隐藏图像；调用人脸识别网络和情绪识别网络分别对情绪隐藏图像进行识别得到第二人脸识别结果和第二情绪识别结果；判断是否第一人脸识别结果与第二人脸识别结果一致并且第一情绪识别结果与第二情绪识别结果不一致；若否，则对所述多层神经网络进行调整；若是，则输出所述情绪隐藏图像。本发明能够在保证人脸识别准确性的同时对用户的情绪信息进行保护，从而提高了人脸识别技术在特定场景的可靠性。
-
公开(公告)号：CN110084142B
公开(公告)日：2021-09-28
申请号：CN201910275185.X
申请日：2019-04-04
Applicant: 广州大学
IPC: G06K9/00
Abstract: 本发明公开了一种用于人脸识别的年龄隐私保护方法及系统，所述方法包括：获取人脸图像，并调用人脸识别网络和年龄识别网络分别对人脸图像进行识别得到第一人脸识别结果和第一年龄识别结果；调用多层神经网络对人脸图像计算得到年龄隐藏图像；调用人脸识别网络和年龄识别网络分别对年龄隐藏图像进行识别得到第二人脸识别结果和第二年龄识别结果；判断是否第一人脸识别结果与第二人脸识别结果一致并且第一年龄识别结果与第二年龄识别结果的相差值大于预设的阈值；若否，则对多层神经网络进行调整；若是，则输出年龄隐藏图像。本发明能够在保证人脸识别准确性的同时保证用户的年龄信息不被正确识别，从而有效了提高人脸识别技术的可靠性。
-
公开(公告)号：CN113221112A
公开(公告)日：2021-08-06
申请号：CN202110590847.X
申请日：2021-05-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于弱相关集成策略的恶意行为识别方法、系统和介质，该方法包括利用样本集构建基模型；基于XGBoost对恶意代码动态行为特征进行筛选；基于弱相关集成策略对基模型进行相关性检验；根据基模型的准确率确定其集成权重；基于Bagging集成策略对恶意代码进行分类。本发明在恶意代码识别中首先采用了XGBoost算法来确定集成学习基模型的个数，降低了集成学习中基模型的选择问题，还提高了恶意代码识别的准确性。另外，本发明采用了集成学习基模型的弱相关集成策略，弱化了使用集成策略解决恶意代码分类任务时普遍存在的基模型之间的相关性问题，并且构建了基于以准确率为导向的单模型权重确定模型，完成高效、准确的恶意代码识别任务。
-
公开(公告)号：CN111797394B
公开(公告)日：2021-06-08
申请号：CN202010586298.4
申请日：2020-06-24
Applicant: 广州大学
Abstract: 本发明公开了一种基于stacking集成的APT组织识别方法、系统及存储介质，方法包括：使用TF‑IDF算法结合n‑gram从恶意软件样本中提取出行为特征并向量化，形成恶意行为向量特征集；基于恶意行为向量特征集，计算特征之间的相关度和特征与类别之间的卡方值，对行为向量特征集进行两次筛选，获得低纬度的更优特征子集数据；构建多模型融合的Stacking集成学习APT组织识别模型，利用所述APT组织识别模型对新的APT攻击进行识别。本发明中对高维行为向量特征进行特征选择降低了数据集的复杂度；还考虑了数据集中的样本不平衡，采用了多模型集成训练，提高了识别准确度；另外本专利对于恶意样本的APT组织识别模型是经过机器学习训练得到的，提高了新样本的自动化识别效率。
-
Patent Agency Ranking
公开(公告)号：CN112492609B
公开(公告)日：2021-05-18
申请号：CN202011421301.3
申请日：2020-12-07
Applicant: 广州大学
Abstract: 本发明涉及公开了基于Wi－Fi信号波动的IoT设备安全自动配对方法，包括：控制待配对设备与信任链中的原有安全设备同时向Wi－Fi设备发射规定格式的Wi－Fi数据包；所述Wi－Fi设备对所述Wi－Fi数据包进行预处理，获得Wi－Fi信号的信道状态信息；对所述Wi－Fi信号的信道状态信息进行降噪和滤波处理；并对处理后的Wi－Fi信号的信道状态信息进行特征提取，并生成相应的特征密钥；判断待配对设备的特征密钥和原有安全设备的特征密钥是否相同，若是，则自动进行配对所述待配对设备；若否，则不允许配对所述待配对设备。通过本发明，用户不需要输入密码等参与配对的行为，只需将IoT设备带入房间即可自动配对，更加适合于未来万物互联的IoT场景。
-
公开(公告)号：CN112637781A
公开(公告)日：2021-04-09
申请号：CN202011318016.9
申请日：2020-11-23
Applicant: 广州大学
Abstract: 本发明涉及一种基于基站轨迹的用户通行方式判别方法，包括：获取待判别用户通行基站的轨迹信息；根据轨迹信息提取特征，特征包括通过基站的耗时、进出基站时间区间范围、经过基站的人数、用户基于滑动窗口的“基站振荡”、基站聚类特征、基站连续时间内的统计特征、基站密度、基站自身通行方式统计特征；将提取的特征输入预先训练好的LightGBM模型，LightGBM模型输出待判别用户的通行方式。本发明从少量的基站基本信息中挖掘出了大量的新的重要特征，采用了集成学习中的LightGBM算法，能够根据挖掘的特征准确地从大量轨迹数据中学习到用户在基站中的运动规律，准确且高效的判判别用户的运动方式。
-
公开(公告)号：CN112600630A
公开(公告)日：2021-04-02
申请号：CN202011420917.9
申请日：2020-12-07
Applicant: 广州大学
IPC: H04B17/309 , H04W24/08 , G06N20/00
Abstract: 本发明公开了一种基于Wi－Fi信号的动作识别方法，包括：获取Wi－Fi信号发射器发射的Wi－Fi信号，并对所述Wi－Fi信号进行预处理操作，得到所述Wi－Fi信号的信道状态信息；将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；并对所述幅度比值和相位差值进行滤波，将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取；其中，所述特征提取包括：提取不同时间段内时域信息和频域信息；将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测，判断识别出用户的动作。通过本发明，使用者不需要额外佩戴用于体感识别的硬件设备，只需在Wi－Fi环境中即可实现动作识别，让用户拥有更好的动作识别体验。
-
公开(公告)号：CN112595734A
公开(公告)日：2021-04-02
申请号：CN202011420920.0
申请日：2020-12-07
IPC: G01N23/00 , H04B17/309
Abstract: 本发明公开了一种基于Wi－Fi信号的液体识别方法，包括：获取Wi－Fi信号发射器发射的Wi－Fi信号，并对所述Wi－Fi信号进行预处理操作，得到所述Wi－Fi信号的信道状态信息；将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；将所述稳定的幅度比值和相位差值输入预先构建的数据库进行比对，判断出是否存在相同的数据，若是，则将液体识别的结果发送给用户终端；若否，则将所述稳定的幅度比值和相位差通过分类器，得到和所述幅度比值和相位差数据相似度最高的数据作为液体识别结果输出，并发送给用户终端。通过本发明，能够在在满足日常的液体识别需求的同时，降低液体的成本。
-
公开(公告)号：CN112508356A
公开(公告)日：2021-03-16
申请号：CN202011317789.5
申请日：2020-11-23
Applicant: 广州大学
Abstract: 本发明公开了一种基于强化学习模型的共享汽车平衡方法，包括：S1，接收用户的待用车请求或者待还车请求；S2，将待用车请求或者待还车请求输入预先建立好的强化学习模型，强化学习模型输出各个站点的用车奖励金或者还车奖励金；S3，用户遍历包含他自身的预设网格区域，在提供奖励金最多的站点进行取车或者还车。本发明能主动平衡共享汽车系统，由此可以大量减少人工调度成本，更好地平衡各站点的车辆分布，增加用户的用车体验，提到商家的服务率。
-
-
-
-
-
-
-
-
-
Search Results
305
records
(took 0.027 seconds)
