-
公开(公告)号：CN113407670B
公开(公告)日：2022-07-08
申请号：CN202110683720.2
申请日：2021-06-21
Applicant: 福州大学
IPC: G06F16/33 , G06F16/9535 , G06F40/289 , G06K9/62 , G06N3/04 , G06Q10/06 , G06Q50/20
Abstract: 本发明提出一种基于TextCNN的学生线上学习行为检测方法及系统，所述检测方法及系统包括以下步骤；步骤S1、登入在线课堂，爬取学生的发言信息作为学习行为数据；步骤S2、对爬取所获数据预处理形成预处理数据；步骤S3、利用所述预处理数据预训练Skip‑gram模型；步骤S4、训练得到TextCNN分类模型；步骤S5、使用TextCNN分类模型对待测学生的线上学习行为进行识别；步骤S6、根据识别结果计算课程评论活跃指数以及每位学生的最终分数；本发明通过识别在线课堂评论区的有效与无效评论，设计新的课程讨论分数评定方法，为线上学习平台提供辅助评价工具，端正学生学习行为，培养学生独立思考的能力。
-
公开(公告)号：CN111988593B
公开(公告)日：2022-06-14
申请号：CN202010893423.6
申请日：2020-08-31
Applicant: 福州大学
IPC: H04N13/15 , H04N13/122 , G06V10/774 , G06V10/74
Abstract: 本发明涉及一种基于深度残差优化的立体图像颜色校正方法，包括以下步骤：S1：对数据集中无失真立体图像的左或右视图进行颜色失真处理，产生失真立体图像，建立包括无失真立体图像和失真立体图像的训练集；S2：用立体匹配模型计算所有失真立体图像的视差图，利用图像变形技术生成初始化匹配图像；S3：构建基于神经网络的颜色校正残差图优化模型，将残差图作为模型的输入，并设计损失函数；S4：使用损失函数训练模型，通过最小化损失函数学习模型的最优参数，得到训练好的模型；S5：用训练好的模型对待校正的失真立体图像进行颜色校正。该方法及系统有利于提高颜色校正结果与参考图像的颜色一致性，并保持与目标图像的结构一致性。
-
公开(公告)号：CN113094598B
公开(公告)日：2022-06-07
申请号：CN202110498072.3
申请日：2021-05-08
Applicant: 福州大学
IPC: G06F16/9536 , G06F16/9535 , G06F21/60
Abstract: 本发明涉及一种基于联邦团渗透的视频推荐方法，包括以下步骤：构建各平台视频平台用户网络，并获取视频平台本地重叠用户集；根据得到的视频平台本地重叠用户集，添加虚拟同兴趣用户和虚拟同兴趣用户的同兴趣用户，并对所有的用户信息进行加密后以邻接表形式发送到协调端；协调端合并所有参与视频平台的邻接表并计算k团，对k团进行编号，将k团中相关节点及其编号发送给各视频平台；视频平台过滤协调端发送过来的虚假k团，过滤后在本地计算k团，联合协调端发送过来的真实k团进行团渗透、同兴趣用户群体挖掘，然后依据其同兴趣用户的相关视频对新用户进行视频推荐。本发明在不损失准确性的前提下联合多方视频平台用户数据进行视频推荐。
-
公开(公告)号：CN114443827A
公开(公告)日：2022-05-06
申请号：CN202210109478.2
申请日：2022-01-28
Applicant: 福州大学
IPC: G06F16/332 , G06F16/33 , G06N3/04
Abstract: 本发明涉及一种基于预训练语言模型的局部信息感知对话方法及系统，该方法包括以下步骤：步骤A：收集特定场景的多轮对话文本，并标注每个多轮对话回复所属的类别，构建带正负类别标签的训练集D；步骤B：使用训练集D训练基于预训练语言模型的局部信息感知深度学习网络模型PLIP，用于选择给定多轮对话上下文对应的回复；步骤C：将多轮对话上下文与回复集输入到训练后的局部信息感知深度学习网络模型PLIP中，得到对应多轮对话上下文最合适的回复。该方法及系统能够有效提高多轮对话回复选择的精确度。
-
公开(公告)号：CN114398976A
公开(公告)日：2022-04-26
申请号：CN202210035885.3
申请日：2022-01-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于BERT与门控类注意力增强网络的机器阅读理解方法。包括以下步骤：步骤A、收集中国中学生英语考试中的阅读理解多选题，并标注每篇文章的每个问题对应的答案选项类别，构建带类别标签的训练集S；步骤B、训练基于BERT与门控类注意力网络的深度学习模型GCAN‑BERT，用于预测给定问题对应选项的答案；步骤C、将待判断的文章、问题、选项输入到训练后的基于BERT与门控类注意力网络的深度学习模型GCAN‑BERT中，得到给定问题对应的答案选项。本发明能够有效提高多选阅读理解选项预测的精确度。
-
Patent Agency Ranking
公开(公告)号：CN110225030B
公开(公告)日：2021-09-28
申请号：CN201910498923.7
申请日：2019-06-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和RCNN‑SPP网络的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含基于空间金字塔SPP池化的循环卷积RCNN的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到RCNN‑SPP神经网络模型，得到域名的特征向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
公开(公告)号：CN113407670A
公开(公告)日：2021-09-17
申请号：CN202110683720.2
申请日：2021-06-21
Applicant: 福州大学
IPC: G06F16/33 , G06F16/9535 , G06F40/289 , G06K9/62 , G06N3/04 , G06Q10/06 , G06Q50/20
Abstract: 本发明提出一种基于TextCNN的学生线上学习行为检测方法及系统，所述检测方法及系统包括以下步骤；步骤S1、登入在线课堂，爬取学生的发言信息作为学习行为数据；步骤S2、对爬取所获数据预处理形成预处理数据；步骤S3、利用所述预处理数据预训练Skip‑gram模型；步骤S4、训练得到TextCNN分类模型；步骤S5、使用TextCNN分类模型对待测学生的线上学习行为进行识别；步骤S6、根据识别结果计算课程评论活跃指数以及每位学生的最终分数；本发明通过识别在线课堂评论区的有效与无效评论，设计新的课程讨论分数评定方法，为线上学习平台提供辅助评价工具，端正学生学习行为，培养学生独立思考的能力，推进疫情常态化下慕课课程建设。
-
公开(公告)号：CN112884682A
公开(公告)日：2021-06-01
申请号：CN202110022806.0
申请日：2021-01-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于匹配与融合的立体图像颜色校正方法及系统，该方法包括：S1、建立包括无失真立体图像和失真立体图像的训练集；S2、构建基于视差注意力的颜色校正初始模型及其损失函数，训练得到训练好的颜色校正初始模型，利用其对目标图像进行初步颜色校正得到初始校正图；S3、利用光流网络计算从初始校正图到参考图像的光流，并对参考图像进行图像变形和空洞填充得到匹配目标图；S4、构建基于U‑net模型架构的图像融合网络模型及其损失函数，训练得到训练好的图像融合网络模型；S5、利用步骤S2到S4训练好的模型对待校正的失真立体图像进行颜色校正。该方法及系统有利于快速高效地校正立体图像左右视图间的颜色差异。
-
公开(公告)号：CN109088899B
公开(公告)日：2021-04-27
申请号：CN201811280577.7
申请日：2018-10-30
Applicant: 福州大学
IPC: H04L29/06
Abstract: 本发明涉及一种针对XSS攻击的APT预警方法，首先接收来自WEB应用防火墙的WEB攻击检测结果，并针对XSS攻击检测结果，模拟黑客绕过WEB应用防火墙拦截规则的行为，产生新的攻击规则，丰富XSS攻击规则库；然后结合APT攻击知识库，对XSS攻击检测结果进行标识，产生APT攻击标识结果；并将没有标识的XSS攻击添加到未知APT攻击集中；接着对未知APT攻击集合中进行预处理，得到未知APT攻击预处理结果集；利用基于MapReduce的分布式Aprior算法对未知APT攻击预处理结果集进行关联分析，产生APT关联规则，得到与XSS攻击对应的APT分析情报，作为APT威胁情报输出。本发明实现了对目前XSS攻击种类多样并主动防御的机制。
-
公开(公告)号：CN112651617A
公开(公告)日：2021-04-13
申请号：CN202011519463.0
申请日：2020-12-21
Applicant: 福州大学
IPC: G06Q10/06 , G06Q10/00 , G06Q50/06 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06K9/62
Abstract: 本发明涉及基于批流统一聚类模式的风电机组异常数据检测方法，将批量聚类和增量聚类结合。使用批量的聚类初始化方式，在首个时间窗口中初始化簇特征。后续窗口采用增量式的聚类方法，这样能够同时满足批量聚类的高精度以及流式聚类的低延迟等特点，可以持续处理大规模持续流入的风电机组群运行数据，并能较快地反映出异常数据所在设备。加入了基于流式迭代的簇特征更新机制。引入迭代流的思想，将风电机组数据簇特征创建成迭代流。进行流式的数据状态广播、双流连接计算，即将两个流式数据进行连接后计算。根据数据的最近簇进行分区，窗口定时更新每个分区的簇特征并将其返回到迭代流中。本发明保证了实时流处理低延迟的特性。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.023 seconds)
