-
公开(公告)号：CN117853929A
公开(公告)日：2024-04-09
申请号：CN202410086333.4
申请日：2024-01-22
Applicant: 广东工业大学
Abstract: 本发明公开的属于深度学习目标检测与遥感军事结合技术领域，具体为一种基于MSG‑YOLOv7的轻量化遥感图像军事坦克目标检测算法，包括具体步骤如下：获取Google Earth公开的遥感军事坦克数据集，按6：2：2比例划分为训练集、验证集和测试集，在YOLOv7网络中，使用轻量级MobileNetv3替代原有Backbone，减少模型体积大小，设计更加适用于遥感目标的SD‑MP模块，减少下采样过程中坦克目标的特征损失，本发明将MobileNetv3替代传统的Backbone，并设计SD‑MP模块和GD‑ELAN模块，实现了模型轻量化、降低运算量，并提升了模型的表征能力，解决了遥感图像中军事坦克检测中体积和计算量过大的问题，为轻量级高效的遥感坦克目标检测提供了可行性的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117574334A
公开(公告)日：2024-02-20
申请号：CN202311040048.0
申请日：2023-08-17
Applicant: 广东工业大学
Abstract: 本发明公布了一种结合MD5与序列到序列模型的代码混淆方法及系统，具体步骤包括构建常量数据集、构造编码器字典和解码器字典、数据预处理、构建和训练一个序列到序列模型、构造解密函数、构造不透明谓词、插入不透明谓词和解密函数以及编译生成可执行应用程序。本发明结合MD5散列算法和序列到序列模型作为加解密算法，通过对表达式中的常量进行加解密来构造不透明谓词，以实现代码混淆。将表达式中的常量作为明文，使用MD5散列算法对明文进行加密，利用MD5散列算法的单向性，使生成的密文难以被逆向求解，增强不透明谓词抗静态分析的能力；使用序列到序列模型对密文进行解密，利用模型优秀的学习能力和模型权重的不可解释性，将密文到明文的映射以模型权重的形式进行保存，提升了不透明谓词的安全性。本发明公布的代码混淆方法可有效保护程序执行逻辑，增强程序抗逆向分析的能力。
-
公开(公告)号：CN117219173A
公开(公告)日：2023-12-12
申请号：CN202311156934.X
申请日：2023-09-07
Applicant: 广东工业大学
Abstract: 本发明提供一种多阶相似性融合学习的微生物‑疾病关联性预测方法，包括以下步骤：S1：获取微生物功能相似性矩阵PM,1和疾病功能相似性矩阵PD,1；S2：获取微生物‑疾病关联矩阵Y，并利用Y计算出微生物线性邻域相似性矩阵PM,2和余弦相似性矩阵PM,3，同时计算出疾病线性邻域相似性矩阵PD,2和余弦相似性矩阵PD,3；S3：构建一个多阶相似性融合学习方法；S4：最后采用标签传播方法得到最终预测结果。本发明通过构建多阶相似性融合学习方法来对多种相似性进行融合，结合标签传播能有效地利用好所构建的相似性网络，从而实现精准预测微生物‑疾病的关联。
-
公开(公告)号：CN116343927A
公开(公告)日：2023-06-27
申请号：CN202310121363.X
申请日：2023-02-14
Applicant: 广东工业大学
IPC: G16B40/00 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于增强的超图卷积自编码算法的miRNA‑疾病关联预测方法，包括以下步骤：S1：获取miRNA‑疾病的邻接矩阵A，通过miRNA‑疾病邻接矩阵来描述二者的关联关系；S2：通过邻接矩阵A分别计算出miRNA高斯相似性MG、miRNA余弦相似性MC、疾病高斯相似性DG和疾病余弦相似性DC，将它们分别作为miRNA的特征和疾病的特征；S3：根据高斯相似性，使用加权K近邻获取图隐藏关联信息，以此得到增强的超图关联矩阵；S4：将miRNA的特征和疾病的特征通过全连接层映射到同一个域空间，使用超图卷积的方式训练得到嵌入特征；S5：对嵌入特征使用一个双线性解码器进行解码，计算其关联评分，本发明可以更准确地预测miRNA‑疾病的关联信息。
-
公开(公告)号：CN116302088A
公开(公告)日：2023-06-23
申请号：CN202310012780.0
申请日：2023-01-05
Applicant: 广东工业大学
Abstract: 本发明涉及代码克隆检测技术领域，公开了一种代码克隆检测方法、存储介质及设备，通过同时提取M‑AST的语法信息和M‑CFG的语义信息用作代码克隆检测，可以检测到只用AST所检测不到的代码结构，并且通过将语法特征向量和语义特征向量融合生成特征向量的检测方式，提高对代码克隆检测的通用性，克隆检测成功率高。
-
公开(公告)号：CN116189779A
公开(公告)日：2023-05-30
申请号：CN202310121308.0
申请日：2023-02-14
Applicant: 广东工业大学
Abstract: 本发明提供基于加权核规范正则化算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：获取lncRNA‑疾病邻接矩阵LD；S2：计算lncRNA表达相似性LSexp、lncRNA功能相似性LSfun、lncRNA高斯相似性LSgau、lncRNA线性邻域相似性LSlin、疾病语义相似性DSsem、疾病高斯相似性DSgau、疾病线性邻域相似性DSlin；S3：采用k‑近邻中心核对齐算法将lncRNA和疾病的相似性分别整合到同一空间；S4：利用lncRNA‑疾病关联矩阵、lncRNA和疾病的最优相似性核矩阵构建一个异构矩阵作为矩阵补全的目标矩阵；S5：将异构矩阵输入加权核规范正则化模型中进行补全，最终得到预测的lncRNA‑疾病的关联。本发明利用k‑近邻中心核对齐算法对相似性信息进行整合用于辅助预测，构建加权核规范正则化模型对异构矩阵进行补全，实现更加准确的lncRNA‑疾病的关联预测。
-
-
-
-
-
Search Results
86
records
(took 0.029 seconds)
