公开(公告)号：CN116047901A

公开(公告)日：2023-05-02

申请号：CN202211606055.8

申请日：2022-12-14

Applicant: 北京邮电大学

Inventor： 李小勇 ,  贾佳 ,  高雅丽 ,  李灵慧 ,  苑洁 ,  李曦明 ,  旺洪苗 ,  唐嘉璐 ,  邱朋飞

IPC: G05B13/04

Abstract: 本发明提出了一种基于自动门控循环单元的鲁棒时空轨迹建模方法，构建一个基于自编码器门控循环单元的通用协作学习框架，该框架由基于自动编码器(autoencoder，AE)的自表示网络(self‑representation network，SRN)用于鲁棒的轨迹特征学习和基于门控递归单元(gated recurrent unit，GRU)的分类网络组成，该网络与SRN共享信息用于协作学习和严格防御对抗性样本攻击。此外，由于GRU可以利用门控单元有效处理时序信息，并保留信息的长期依赖性，因此整体建模方法在防御白盒和黑盒攻击方面表现良好，尤其是在黑盒攻击中，其性能优于广泛使用的方法。此外，在Geolife和北京出租车轨迹数据集上的大量实验表明，所提出的方法可以提高模型在对抗性样本环境中的鲁棒性，而不会对干净的样本造成显著的性能损失。