-
公开(公告)号：CN113010871A
公开(公告)日：2021-06-22
申请号：CN202110280295.2
申请日：2021-03-16
Applicant: 中南大学
Abstract: 本发明公开了一种基于联盟区块链平台的电子学历证书验证方法，包括基于联盟区块链的电子学历证书发布的步骤；基于联盟区块链的电子学历证书验证的步骤；基于联盟区块链的分布式SSL证书生成及存储的步骤；基于联盟区块链的分布式SSL证书验证的步骤。本发明利用非对称加密和区块链技术相结合的方式实现对电子学历证书分布式存储，可以解决电子证书公信力不足，容易发生证书造假等问题并提高证书平台的安全性；另一方面利用分布式的CA替代传统的树状结构CA，实现SSL证书的分布式生成和验证，可以解决中心化数据库的风险性高、可信机构可能不可信和证书被非法撤销等问题；因此本发明方法的可靠性高、安全性好且易于实施。
-
Patent Agency Ranking
公开(公告)号：CN114969532B
公开(公告)日：2025-02-07
申请号：CN202210622315.4
申请日：2022-06-01
Applicant: 中南大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G01C21/34 , G01C21/20 , G06N3/048
Abstract: 本发明公开了一种基于异质图神经网络的多模态交通推荐方法，包括获取历史出行数据并处理得到训练数据集；构建起点‑目的地多二部图嵌入方案；构建异质交通图；设计带有残差网络的分层注意力机制；构建多模态交通推荐初始模型并训练得到基于异质图神经网络的多模态交通推荐模型；采用基于异质图神经网络的多模态交通推荐模型进行实时的多模态交通推荐。本发明方法能够显式捕获实体之间的关联并从多种视角以分层次的方式捕获不同实体之间的潜在联系，同时解决模型无法区分节点特征的问题，能够有效提升多模态交通推荐问题的准确性，推荐准确率高且可靠性好。
-
公开(公告)号：CN115420299B
公开(公告)日：2024-07-26
申请号：CN202211071242.0
申请日：2022-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。
-
公开(公告)号：CN115420299A
公开(公告)日：2022-12-02
申请号：CN202211071242.0
申请日：2022-09-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。
-
公开(公告)号：CN113010871B
公开(公告)日：2023-04-28
申请号：CN202110280295.2
申请日：2021-03-16
Applicant: 中南大学
Abstract: 本发明公开了一种基于联盟区块链平台的电子学历证书验证方法，包括基于联盟区块链的电子学历证书发布的步骤；基于联盟区块链的电子学历证书验证的步骤；基于联盟区块链的分布式SSL证书生成及存储的步骤；基于联盟区块链的分布式SSL证书验证的步骤。本发明利用非对称加密和区块链技术相结合的方式实现对电子学历证书分布式存储，可以解决电子证书公信力不足，容易发生证书造假等问题并提高证书平台的安全性；另一方面利用分布式的CA替代传统的树状结构CA，实现SSL证书的分布式生成和验证，可以解决中心化数据库的风险性高、可信机构可能不可信和证书被非法撤销等问题；因此本发明方法的可靠性高、安全性好且易于实施。
-
公开(公告)号：CN114969532A
公开(公告)日：2022-08-30
申请号：CN202210622315.4
申请日：2022-06-01
Applicant: 中南大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08 , G01C21/34 , G01C21/20
Abstract: 本发明公开了一种基于异质图神经网络的多模态交通推荐方法，包括获取历史出行数据并处理得到训练数据集；构建起点‑目的地多二部图嵌入方案；构建异质交通图；设计带有残差网络的分层注意力机制；构建多模态交通推荐初始模型并训练得到基于异质图神经网络的多模态交通推荐模型；采用基于异质图神经网络的多模态交通推荐模型进行实时的多模态交通推荐。本发明方法能够显式捕获实体之间的关联并从多种视角以分层次的方式捕获不同实体之间的潜在联系，同时解决模型无法区分节点特征的问题，能够有效提升多模态交通推荐问题的准确性，推荐准确率高且可靠性好。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
