-
公开(公告)号：CN116996870A
公开(公告)日：2023-11-03
申请号：CN202310415797.0
申请日：2023-04-18
Applicant: 湖南科技大学
IPC: H04W12/033 , H04W12/041 , H04W12/0433 , H04W12/06 , H04W12/122 , H04L9/08
Abstract: 本发明公开了一种可追踪和可撤销的去中心化CP‑ABE隐私保护方法及系统，该方法在初始化阶段，将用户的个人标识符存放到二叉树的叶子节点中，在追溯和撤销阶段，该方法利用二叉树的叶子节点值来跟踪恶意用户，并通过更新部分密文来撤销恶意用户的授权。此外，本发明技术方案还支持大属性匹配，采用去中心化的多权威隐私保护模型对用户信息进行细粒度匹配，解决了单点失效和性能瓶颈问题。为防止用户隐私被第三方服务器所获取，该方法在进行细粒度匹配时消除了用户的属性值，达到了部分隐藏访问策略的目的。经安全性分析和实验表明，本发明技术方案在随机预言模型下满足静态性安全的要求，在恶意用户的撤销方面具有良好的性能表现。
-
公开(公告)号：CN115952533A
公开(公告)日：2023-04-11
申请号：CN202211444999.X
申请日：2022-11-18
Applicant: 湖南科技大学
IPC: G06F21/62 , G06F18/214
Abstract: 本发明公开了一种基于差分隐私的个性化联邦学习、识别方法及系统，该方法在非独立同分布数据下，利用Moreau envelope分解联邦学习的优化问题，并行优化各客户端数据对其进行个性化采样训练，有效提高模型性能，减少模型异构造成性能下降的影响；在客户端上传本地模型参数和服务器下发全局参数时，基于局部差分隐私和全局差分隐私，使模型参数在上行和下行信道中能满足差分隐私，并合理分配噪声大小以减小噪声扰动对模型准确率的影响；本发明所述方法在实现隐私保护的前提下，确保了模型准确率。
-
公开(公告)号：CN115841457A
公开(公告)日：2023-03-24
申请号：CN202211403502.X
申请日：2022-11-10
Applicant: 湖南科技大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合多视图信息的三维医学图像分割方法，主要包括：(1)对于待检测三维医学图像，分别从矢状面、冠状面和横切面三个视图方向重构二维切片图像；(2)采用基于空洞空间金字塔卷积的U型2D卷积网络对不同视图方向的二维切片进行分割；(3)采用一种轻量级的3D卷积网络对不同视图方向的分割结果进行融合，得到精确的三维分割结果。本发明可有效克服2D网络无法提取三维空间特征、3D网络内存开销大的问题，可在轻量化网络的情况下，获得精确的分割结果。
-
公开(公告)号：CN101570170B
公开(公告)日：2011-03-23
申请号：CN200910043639.7
申请日：2009-06-09
Applicant: 湖南科技大学
IPC: B60R21/013
Abstract: 一种智能车载倾覆检测远程求救装置，采用在汽车上安装倾角传感器和温度传感器，分别与控制芯片电连接，控制芯片与晶振电路连接，控制芯片由SPI总线与主控器连接，主控器分别经导线连接键盘，经放大电路连接蜂鸣器，经显示屏接口连接LED显示屏，主控器分别电连接GPS模块、GPRS模块和存储电路，能够在汽车爬坡度大于30°小于45°时显示预警信号，大于45°自动报警，又能使用GPS模块测量经纬度，确定事故发生地点，用GPRS模块与救援中心联系的智能车载倾覆检测远程求救装置的方案；克服了目前只能通过生还者手机求救和组织人员搜救寻找事发地点，耽误了受伤者的治疗时间，使死亡人数增加的缺陷，适用于各种汽车的事故防范和事故求救。
-
公开(公告)号：CN117994521B
公开(公告)日：2025-05-23
申请号：CN202410223412.5
申请日：2024-02-28
Applicant: 湖南科技大学
IPC: G06V10/26 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于双尺度混合网络的腹部CT图像多器官分割方法，具体实现为：(1)建立包含原始图像和其对应分割金标准的训练数据集；(2)构建一种基于双尺度的混合编解码网络，其中编码器采用双尺度输入，通过充分利用Transformer和CNN优势，提取图像多尺度特征，解码器则通过逐步融合不同尺度特征获取精确的分割结果；(4)利用训练数据集对网络进行训练，直至预先设定的损失函数收敛；(5)运用训练好的网络对待分割的图像进行测试，得到分割结果。本发明可在编码端不同层级充分提取图像局部和全局信息，可适应形态多样、结构复杂的腹部器官，获取精确的分割结果。
-
Patent Agency Ranking
公开(公告)号：CN117495872B
公开(公告)日：2025-05-09
申请号：CN202311370730.6
申请日：2023-10-23
Applicant: 湖南科技大学
IPC: G06T7/10 , G06V10/44 , G06V10/42 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于交叉增强自注意力的医学图像分割方法，具体实现为：(1)建立包含原始图像和其对应分割金标准的训练数据集；(2)构建一种基于交叉增强自注意力的编解码网络，在编码器中引入对称块融合模块和交叉增强自注意力模块，充分提取图像局部和全局信息；(4)利用训练数据集对网络进行训练，直至预先设定的损失函数收敛；(5)运用训练好的网络对待分割的图像进行测试，得到分割结果。本发明可有效建立图像长距离和短距离依赖关系，对于边界模糊、形状不规则的目标区域，均可获得精确的分割结果。
-
公开(公告)号：CN119939045A
公开(公告)日：2025-05-06
申请号：CN202510436189.7
申请日：2025-04-09
Applicant: 湖南科技大学
IPC: G06F16/9536 , G06F18/2321 , G06Q50/00 , G06F16/9537
Abstract: 本发明公开了基于邻域模糊核的密度峰聚类的社交网络社区发现方法，涉及数据聚类分析技术领域。该基于邻域模糊核的密度峰聚类的社交网络社区发现方法，包括以下步骤：得到邻域模糊核、得到社区集合和进行社区集合更新。本发明通过收集的社交网络中所有的用户数据得到对应的邻域模糊核，并实时获取社区变化数据得到邻域模糊核适用影响指数，据此判断是否更新邻域模糊核，对邻域模糊核进行聚类处理得到社区集合，并基于社区集合与上一预设时间段的社区集合得到社区划分集合，同时得到相似度偏差以对社区划分集合进行社区集合更新，达到了社交网络中热点社区发现时效性提高的效果，解决了现有技术中存在社交网络社区发现时效性低的问题。
-
公开(公告)号：CN119728753B
公开(公告)日：2025-05-06
申请号：CN202510218358.X
申请日：2025-02-26
Applicant: 湖南科技大学
IPC: H04L67/2866 , H04L67/288 , H04L67/2885 , H04L67/1097 , H04W28/084 , H04W28/08 , G06N3/098 , G06F18/23213
Abstract: 本发明属于云‑边‑端协同训练技术领域，公开了一种面向异构资源和数据的高效分层联邦学习方法，包括：将每个边缘服务器ES端的移动设备MD根据计算能力和数据分布进行分组，使得每个组具有最大的数据分布相似性。同时将计算能力强的设备均匀的分布在不同组中，减少组间计算能力的差异性。同时，本发明设备端采用组内环形顺序训练方法，将训练好的模型传输给下一个连接的设备，减少了与移动设备MD与边缘服务器ES间的通信链路，提高了模型训练的效率。本发明利用设备之间的通信代替设备与服务器之间的通信，减少了与服务器通信的链路条数，增大了通信带宽，可以实现在减少通信开销的同时增强知识的融合。
-
公开(公告)号：CN119862434A
公开(公告)日：2025-04-22
申请号：CN202510330786.1
申请日：2025-03-20
Applicant: 湖南科技大学
IPC: G06F18/23 , G06F16/9535 , G06F18/10
Abstract: 本发明公开了一种基于粗糙证据理论的有效加权密度峰聚类分析方法，涉及电数字数据处理技术领域。该方法包括以下步骤：根据预处理偏差数据分析出数据预处理实时性偏差指标并判断是否进行预处理调整；根据存储偏差数据分析出数据存储实时性偏差指标并判断是否进行存储调整；根据访问偏差数据分析出数据访问实时性偏差指标并判断是否访问调整。本发明通过预处理偏差数据分析是否进行预处理调整，根据存储偏差数据分析是否进行存储调整，根据访问偏差数据分析是否访问调整，达到了提高应用有效加权密度峰聚类分析方法进行网络个性化推荐的实时性的效果，解决了现有技术中存在应用有效加权密度峰聚类分析方法进行网络个性化推荐实时性差的问题。
-
公开(公告)号：CN119721187A
公开(公告)日：2025-03-28
申请号：CN202510217551.1
申请日：2025-02-26
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/063 , G06N3/0464 , G06N3/10
Abstract: 本发明公开了一种基于张量填充的遍历式联邦学习方法及系统，包括：基于设备位宽对相应梯度进行分层张量建模；在服务器端将不同梯度中同一模型层的参数归类，将各层分别建模为一个张量；基于张量填充技术将位宽恢复组件中张量对应的不同位宽梯度进行对齐，并对所有梯度进行加权聚合，基于聚合后的权重生成新的全局模型；通过遍历窗口机制，在服务器和客户端中，选取全局模型的不同层进行每一轮训练，使全局模型在低容量设备中均匀训练，直到全局模型收敛。本发明通过结合张量填充和基于遍历的部分模型训练技术，利用张量分解和重构技术迭代恢复模型参数的精度，并采用遍历分层的方式适应不同设备的能力，确保资源受限的客户端也能均衡参与训练。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.03 seconds)
