-
公开(公告)号：CN113033070A
公开(公告)日：2021-06-25
申请号：CN202011557665.4
申请日：2020-12-23
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06F17/15 , G06F17/16 , G06K9/62 , G06F119/14 , G06F113/14
Abstract: 本发明公开了一种LNG接收站码头管道泄露监测评估方法，由无线传感网络节点定量检测出管道中液化天然气的流量和液化天然气对管道的压力；根据专家经验或领域知识来确定初始置信规则库专家系统；建立具有激活率的置信规则库专家系统，优化初始置信规则库专家系统；通过优化后的置信规则库专家系统评估LNG接收站码头管道泄露情况，得到评估报告。本发明的优点在于巧妙地使用了激活率这一概念，可以在优化过程中修剪从未激活或激活不足的规则。即使有完整的数据集并激活了所有规则，激活率也可用于BRB专家系统的并行优化过程，并且有效的解决了BRB组合爆炸的问题，可以在不破坏专家提供的原始解释性的前提下，充分利用定量数据，提高结果可信度。
-
公开(公告)号：CN109361513B
公开(公告)日：2021-05-28
申请号：CN201811355938.X
申请日：2018-11-15
Applicant: 桂林电子科技大学
IPC: H04L9/08
Abstract: 本发明公开了一种针对Shamir秘密共享的用户权重分配方法，包括构造OBDD结构，借助OBDD完成对秘密共享策略的刻画；提出剪除规则、删除规则、合并规则等化简规则，从有序二叉决策图中分别提取表示授权用户组合集的授权子OBDD和表示非授权用户组合集的非授权子OBDD；根据授权子OBDD和非授权子OBDD分别求取最小授权用户组合集MIN和最大非授权用户组合集MAX，以MIN和MAX为基础求出授权用户组合和非授权用户组合间的权重不等式；通过求解不等式计算出用户权重及秘密分享阈值。本发明方法能够完成对任意形式秘密共享策略的刻画、高效实现任意数量用户间的权重分配，并能够借助于子图重构及结构化简，降低算法的时空复杂度，进一步提高权重分配效率。
-
公开(公告)号：CN112217641A
公开(公告)日：2021-01-12
申请号：CN202011132274.8
申请日：2020-10-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于ADD支持读写功能的密文策略属性基加密方法，首先构造ADD访问结构，然后确定ADD访问结构中的有效路径，最后实现基于ADD的CP‑ABE方案，该方案实现过程共涉及4个实体：授权中心、数据加密方即数据拥有者、数据解密方即数据使用者、云服务器，其中授权中心负责执行Setup算法以及Keygen算法，分别实现系统建立以及用户私钥生成的功能；数据加密方执行Encrypt算法，完成明文加密；数据解密方执行Decrypt算法，实现对密文数据的读、写；云服务器负责密文数据的存储；该方法充分利用ADD在伪布尔函数描述方面的优势实现高效的密文共享及访问控制，并引入PV操作解决多个用户在进行密文数据读、写操作时存在的资源访问冲突问题。
-
公开(公告)号：CN112116137A
公开(公告)日：2020-12-22
申请号：CN202010925380.5
申请日：2020-09-06
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及一种基于混合深度神经网络的学生辍课预测方法。本发明考虑到时间序列数据，进行了细粒度划分，并使用One‑hot编码规则和特征工程相结合，构建行为特征矩阵，有助于提高预测的准确性，并且使用一种新建的卷积神经网络(CNN)，进行局部关系特征提取。考虑到行为之间的序列关系，以及模型本身的影响，最后通过门控循环单元(GRU)网络进行时间序列关系特征提取，通过softmax层进行最后的预测任务，以此提高辍课预测的精确度。本发明使用三层的GRU提取行为矩阵之间存在的潜在具有时序关系的行为特征。
-
公开(公告)号：CN111950687A
公开(公告)日：2020-11-17
申请号：CN202010878636.1
申请日：2020-08-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种结合局部对立学习与社会蜘蛛算法解决最小属性约简的方法，该方法在迭代开始阶段提出一种相似度约束使种群中的个体保持一个较好的状态，在迭代过程中，引入对立学习，设计局部对立学习策略扩大搜索范围，加快收敛速度；进一步的，采用冗余检测机制对全局最优解进行冗余检测，尽可能保证最小属性约简。本发明所述方法在多数情况下可以找到有效最小约简，具有更短的运行时间，同时具有较快的收敛速度；并且随着数据集的增大，也可以表现出较好的性能。
-
Patent Agency Ranking
公开(公告)号：CN111461394A
公开(公告)日：2020-07-28
申请号：CN202010110903.0
申请日：2020-02-24
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种基于深度矩阵分解的学生成绩预测方法。其特征是：将本科生某一门专业课程每个章节的测试成绩、每个章节的课堂作业成绩、课程最终成绩作为输入数据，通过矩阵分解法将输入数据分解成学生特征、项目特征，然后通过前向传播的全连接神经网络进行学习，将简单的特征组合成更加复杂的特征。本发明设计了一个带有注意力机制的全连接神经网络，通过构建学生、项目的特征向量，得到学生潜在特征向量和项目潜在特征向量，最后计算余弦相似度得到预测成绩，以此提高预测结果的准确度和可解释性。
-
公开(公告)号：CN111291940A
公开(公告)日：2020-06-16
申请号：CN202010133647.7
申请日：2020-03-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Attention深度学习模型的学生辍课预测方法，包括对行为记录进行编码和时间窗口化分处理，生成多个时间片行为向量矩阵；基于CNN网络改进的卷积层对多个时间片行为向量矩阵进行处理得到多个具有局部关联关系的特征向量矩阵；基于BI-GRU模型对多个具有局部关联关系的特征向量矩阵进行时序特性的特征提取，生成多个具有时间序列关系的行为特征向量矩阵；基于Attention机制对各时刻隐层特征赋予不同的权值，将不同时刻的隐层状态与权重进行加权求和，生成行为特征表示向量，并输入分类层，通过Sigmoid函数进行预测，得到预测结果。通过考虑到学生学习行为之间的关系和不同行为特征对于辍课预测的影响程度实现预测，提高辍课预测的精准度。
-
公开(公告)号：CN107358471B
公开(公告)日：2020-05-22
申请号：CN201710581785.X
申请日：2017-07-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于游览行为的旅游资源推荐方法及系统，通过在各景点安装蓝牙位置标签设备为游客智能终端提供景点标示，智能终端以此准确获得该游客在景区的详细游览轨迹；利用游客携带的智能终端获取其游览行为数据，并通过计算各游客的游览行为数据获得其对各旅游资源的喜爱度评价，并由此生成动态推荐结果。该方法获取的评价数据及推荐结果能够精确到景区内的各个景点，且结果由游客游览行为计算得到，因此具有客观、全面的优点。此外，该方法还能够针对旅游资源具有随时节变化，游览价值动态变化的特点。通过对不同时间段游客的游览行为的统计，得到不同时间段内景区及景点的动态推荐结果。
-
公开(公告)号：CN110659411A
公开(公告)日：2020-01-07
申请号：CN201910773079.4
申请日：2019-08-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于神经注意力自编码器的个性化推荐方法，包括：利用自编码器编码用户对项目的二元评分，生成项目的评分特征表示；通过词注意力模块生成项目的描述特征表示；利用神经门控模块融合项目的评分特征表示和描述特征表示，得到项目的表示向量；通过项目表示生成模块计算得到候选项目表示向量和用户历史访问项目的表示向量，将候选项目的表示向量和用户历史访问项目的表示向量输入注意力网络,生成用户的表示向量；将用户表示向量和候选项目的表示向量进行内积操作，得到用户访问候选项目的预测概率；将计算出的不同候选项目的预测概率从大到小排列，取排名前K的候选项目作为该用户的个性化推荐列表。
-
公开(公告)号：CN110022542A
公开(公告)日：2019-07-16
申请号：CN201910434025.5
申请日：2019-05-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种改进型基于条件隐私保护的匿名认证方法，其特征在于，包括如下步骤：1）系统的初始化：2）车辆登记；3）RSU登记；4）短时密钥生成；5）匿名证书的生成；6）消息签名；7）匿名证书及消息的认证；8）条件追踪。这种方法实现了OBU和RSU之间的相互认证，而且车辆匿名证书中的身份信息是变化的，攻击者无法对车辆的身份信息进行监控和跟踪，还可以快速的查找出恶意车辆的真实身份信息，以及判定出非法车辆的无效性，同时具有身份认证、匿名性、不可链接性、隐私保护性和可追溯性，并且提高了认证效率。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.051 seconds)
