-
公开(公告)号：CN109165527A
公开(公告)日：2019-01-08
申请号：CN201810984952.X
申请日：2018-08-28
Applicant: 东北大学
Abstract: 本发明提供一种支持个性化隐私的轨迹敏感数据保护方法，涉及数据分析处理技术领域。该方法包括：提取原始数据集D中用户设定需要保护的敏感位置列表SPlist；采用Google Map API对用户设定的敏感位置列表SPlist中的任意敏感位置SPb进行反向地址解析，得到敏感序列SSb；根据类簇集合Clus构建假轨迹片段；以假轨迹片段T*替换原始数据集D中轨迹片段T，输出经过隐私保护的数据集D*。本发明提供的一种支持个性化隐私的轨迹敏感数据保护方法，充分考虑到移动对象的移动速度、采样点数量和路段相似性，还对敏感位置进行了语义聚类划分，并且对于敏感位置的替换是随机的，攻击者确定真实敏感位置的概率也相对低了很多，保证了敏感位置的安全性。
-
公开(公告)号：CN119167125A
公开(公告)日：2024-12-20
申请号：CN202410933380.8
申请日：2024-07-12
Applicant: 东北大学
IPC: G06F18/23213 , G06F18/22 , G06F18/15 , G06F18/2136
Abstract: 本发明提供一种基于SimRank及稀疏表示的谱聚类方法，涉及图数据挖掘和聚类分析技术领域，本方法首先对有向图的图数据进行预处理；包括对邻接矩阵A按列求和，得到每个节点的入度，用图入度矩阵In表示，以及对邻接矩阵A按行求和，得到每个节点的出度，用图出度矩阵Out表示；最后选取代表点；对所有节点按照出度排序，从有向图节点集合N中选择出度最大的p个点作为代表点，若两个节点出度相同，选择入度较小的点；最后计算相似度矩阵Wk，求解相似度矩阵WWk的特征向量矩阵V；对特征向量矩阵V进行k‑means聚类。
-
公开(公告)号：CN114138995B
公开(公告)日：2024-07-16
申请号：CN202111492333.7
申请日：2021-12-08
Applicant: 东北大学
IPC: G06F16/58 , G06F16/38 , G06N3/0464 , G06N3/094 , G06V10/52 , G06V10/80 , G06V10/82 , G06F18/25 , G06F18/213
Abstract: 本发明提供一种基于对抗学习的小样本跨模态检索方法，涉及跨模态检索技术领域。本发明解决了现有的跨模态检索方法中对小样本数据检索精度低的不足，以及没有充分解决不同模态数据之间的异构性和语义鸿沟问题，首先对样本进行特征提取，图像模态是对图像进行三个尺度的多尺度特征融合，文本模态通过MLP处理BoW词袋向量，有效地挖掘了图像与文本模态之间的语义关联和语义信息。这个方法可以用于小样本的跨模态检索，但同样适用于常规的跨模态检索中。
-
公开(公告)号：CN118069925A
公开(公告)日：2024-05-24
申请号：CN202311749051.X
申请日：2023-12-19
Applicant: 东北大学
IPC: G06F16/9535 , G06N3/0455 , G06N3/045 , G06N3/0985 , G06N3/0895
Abstract: 本发明设计一种基于识别和修正不可靠实例的序列推荐系统及方法，所述推荐系统，包括序列编码模块、反事实采样模块和序列推荐模块；首先使用序列编码模块对给定用户交互序列中项目进行独热编码和位置嵌入，得到项目的隐藏编码矩阵；同时为用户交互序列每个实例构造候选项集合；其次利用反事实采样模块中不可靠实例检测模块识别隐藏编码矩阵中潜在的不可靠实例，判断每个物品向量是否需要校正；然后判断结果，利用包含上下文信息的候选项目集合内的候选项对潜在的不可靠实例进行修正，得到修正的实例集合；最后基于原始序列中实例与修正后的实例来训练推荐器，利用训练好的推荐器对给定用户交互序列，预测用户下一个会交互的物品。
-
公开(公告)号：CN112784969B
公开(公告)日：2024-05-14
申请号：CN202110136925.9
申请日：2021-02-01
Applicant: 东北大学
IPC: G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/82
Abstract: 本发明公开了一种基于抽样的卷积神经网络加速学习方法，属于卷积神经网络技术领域。该方法在前向传播阶段只抽样获取部分卷积核向量与输入数据做乘积，其余的向量忽略不计算。反向传播阶段也只对前向传播时参与计算的卷积核向量进行更新。因此该方法和计算完整的矩阵乘法的现有卷积网络学习方法相比，能够有效减少前向传播和反向传播过程中的计算量；同时由于每次只计算并更新网络中较有意义的权重，也能加速网络的收敛过程。本发明的基于抽样的卷积神经网络加速学习方法，不需要调整实际应用中的卷积网络的宏观结构，也不影响卷积网络的局部特征提取特性，且相比基于硬件的卷积加速方法更易应用更节省成本。
-
Patent Agency Ranking
公开(公告)号：CN112819162B
公开(公告)日：2024-02-27
申请号：CN202110142051.8
申请日：2021-02-02
Applicant: 东北大学
IPC: G06N5/022 , G06N3/0442 , G06N3/08
Abstract: 本发明公开一种知识图谱三元组的质检方法，属于知识图谱技术领域。获取知识图谱三元组数据集并进行预处理；从预处理知识图谱三元组数据集中提取噪声三元组和正确三元组进行标注后构成训练数据集；构建有向图以及有向子图；利用TransE求解预处理知识图谱三元组数据集内每个实体和关系的嵌入向量，得到每一三元组的知识表示向量；根据知识表示向量和有向子图求解数据集中每一三元组的实体级特征和训练数据集中每一三元组的全局特征、路径级特征及语义级特征；利用训练数据集中每一三元组的实体级特征、全局特征、路径级特征及语义级特征对二分类器进行训练；应用训练好的二分类器得到每一给定三元组的置信度，合理和准确地评估三元组置信度。
-
公开(公告)号：CN117235112A
公开(公告)日：2023-12-15
申请号：CN202311165331.6
申请日：2023-09-11
Applicant: 东北大学
IPC: G06F16/2453 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种支持数据库复杂LIKE查询的选择度估计方法，涉及数据库技术领域。首先构建复杂LIKE查询负载，基于复杂LIKE查询负载，构建训练数据集和测试数据集，融合查询类型信息；标识通配符的特殊性；基于神经语言模型对选择度信息进行编码；使用前馈神经网络对选择度信息进行解码；返回选择度估计结果。本发明将LIKE查询谓词的查询子串按字符划分成一个序列，借用人工智能中自然语言处理部分方法的思想学习字符序列中蕴含的选择度信息。可以对更多复杂查询类型的LIKE查询进行选择度估计，并且对不同的查询类型不需使用不同的策略分别处理。同时也不需存储额外的数据结构，只需要存储一个经过训练的学习模型即可达到上述效果，降低了对存储空间的需求。
-
公开(公告)号：CN112435103B
公开(公告)日：2023-11-24
申请号：CN202011507787.2
申请日：2020-12-18
Applicant: 东北大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/36 , G06F16/9536
Abstract: 本发明提供一种事后多样性解释的智能推荐方法及系统，根据用户历史交易记录收集包含商品解释说明信息的样本数据，构建样本集，并对样本集中的每条样本数据进行预处理，然后将无可解释的推荐模型作为黑盒模型，将n种可解释算法作为黑盒模型的基线模型，利用预处理后的样本数据对模型进行训练，根据生成的KL散度值筛选出最优匹配基线模型，本发明给出了一种精确度与可解释性同时兼顾的推荐方法，为没有可解释的算法提供了高精度的事后可解释，同时赋予推荐结果多样的解释，提高了用户对推荐算法的忠诚度与满意度。
-
公开(公告)号：CN116993769A
公开(公告)日：2023-11-03
申请号：CN202310962668.3
申请日：2023-07-31
Applicant: 东北大学
IPC: G06T7/194 , G06T7/90 , G06T5/50 , G06T3/00 , G06T5/00 , G06T7/11 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/048
Abstract: 本发明提供一种基于深度学习的人像和谐化视频合成方法，涉及视频制作技术领域。包括：根据现有的图像和谐化数据集生成用于人像和谐化研究的Human4数据集；对现有图像和谐化模型进行改进搭建人像和谐化模型PHGAN，提出皮肤一致性损失函数用于解决现有模型和谐化后人像肤色失真问题；引入多用卷积核用于降低PHGAN的参数量和计算量，提出环境天气分离思想用于解决特殊天气下前景与背景环境不能相融问题；最后以轻量化的人像和谐化模型LPHGAN为核心，优化人像和谐化流程，实现了基于深度学习的人像和谐化视频合成方法。该方法可实时抠像合成、一键式人像和谐化，节省人工后期制作等成本，在广告制作、影视制作等领域具有实际应用价值。
-
公开(公告)号：CN112463763B
公开(公告)日：2023-09-29
申请号：CN202011299781.0
申请日：2020-11-19
Applicant: 东北大学
IPC: G06F16/21 , G06F16/215 , G06F16/28 , G06F18/243
Abstract: 本发明提供一种基于RF算法的MySQL数据库参数筛选方法，涉及数据库技术领域。本发明通过计算每个参数的重要性，同时对参数的默认值进行判定，若判定当前参数的默认值效果较好，则不对该参数进行调优，将它从序列中删掉，然后根据特征贡献度对剩下的参数进行排序，选择top K的参数进行数据库参数调优。不仅大大提高了参数调优的效率，还节省了人力、物力和时间的花销。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.022 seconds)
