公开(公告)号：CN106407874A

公开(公告)日：2017-02-15

申请号：CN201610180051.6

申请日：2016-03-25

Applicant: 东南大学

Inventor： 秦阳 ,  邓睿 ,  莫凌飞 ,  孙磊 ,  杜喆宁 ,  姚昕羽 ,  齐恒

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/00409 ,  G06K9/00422 ,  G06K2209/01 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明公开一种基于笔迹坐标序列的文字识别方法。本发明先采集大量手写笔迹序列的数据，获得具有普适性的识别模型，之后，在实际使用中通过递归神经网络对用户的手写笔迹坐标序列进行训练，形成适应用户手写习惯的识别模型。由于记录了用户书写笔迹的时间特征，训练后可以形成适应用户手写习惯的识别模型，因而识别精度更高。本发明可以通过改变手写输入设备的采样频率，改变笔迹坐标序列的数据量，针对不同用户的手写速度调整训练模型计算速度，而且可以在手写过程中进行识别，识别效率更高。

公开(公告)号：CN110532442B

公开(公告)日：2023-08-22

申请号：CN201910812789.3

申请日：2019-08-29

Applicant: 东南大学

Inventor： 康维 ,  姚昕羽 ,  刘楠

IPC: G06F16/903 ,  G06Q10/04

Abstract: 本发明提供了一种任意合谋模式下的隐私信息检索问题的最优请求方法，该方法包括如下步骤：步骤1：使用关联矩阵描述合谋模式定义一个N×M的关联矩阵步骤2：根据关联矩阵建立相应的线性规划模型，由该线性规划的可行解决定后续请求中使用的参数；步骤3：根据线性规划的最优解，选取相应的消息长度，并将用户想要获取的消息和其他消息用两种不同的方式编码，得到的编码后的消息符号即为用户从数据库中请求的内容，并且确定从各数据库中请求的数据量和数据形式的分配方案。本发明的方法可以适用于任意合谋模式并且可以达到最大下载速率。

公开(公告)号：CN110532442A

公开(公告)日：2019-12-03

申请号：CN201910812789.3

申请日：2019-08-29

Applicant: 东南大学

Inventor： 康维 ,  姚昕羽 ,  刘楠

IPC: G06F16/903 ,  G06Q10/04

Abstract: 本发明提供了一种任意合谋模式下的隐私信息检索问题的最优请求方法，该方法包括如下步骤：步骤1：使用关联矩阵描述合谋模式 定义一个N×M的关联矩阵 步骤2：根据关联矩阵 建立相应的线性规划模型，由该线性规划的可行解决定后续请求中使用的参数；步骤3：根据线性规划的最优解，选取相应的消息长度，并将用户想要获取的消息和其他消息用两种不同的方式编码，得到的编码后的消息符号即为用户从数据库中请求的内容，并且确定从各数据库中请求的数据量和数据形式的分配方案。本发明的方法可以适用于任意合谋模式 并且可以达到最大下载速率。