-
公开(公告)号：CN115079948B
公开(公告)日：2024-10-11
申请号：CN202210699361.4
申请日：2022-06-20
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种交错式记录磁盘的数据安全删除方法及相关设备，属于数据存储技术领域，包括：获取来自上层应用的安全删除请求后，将待删除的数据块分解到各个磁道，逐磁道进行安全删除；若磁道为底部磁道，且其中数据块均需删除，则直接利用一侧含有有效数据的顶部磁道覆盖该底部磁道，另一侧顶部磁道中若包含有效数据，则将该磁道迁移至其他空闲的顶部磁道中；如磁道为底部磁道，且其中仅部分数据块需删除，则将受影响的顶部磁道数据块备份后，将待删除的底部磁道数据块放入后台工作队列集中删除，再将备份数据块写回；若磁道为顶部磁道，则直接写入随机数据。本发明能够缓解交错式记录磁盘在安全删除中存在的写入放大和严重的性能损耗问题。
-
公开(公告)号：CN118468180A
公开(公告)日：2024-08-09
申请号：CN202410603857.6
申请日：2024-05-15
Applicant: 华中科技大学
IPC: G06F18/2433 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明属于小样本车辆异常行为检测技术领域，公开了一种基于元学习的小样本车辆异常行为检测模型构建方法及应用，包括：将不同时间段的车辆行驶数据构建为对应的图结构数据；将所述图结构数据划分为互不重合的元训练任务集和目标集；采用所述元训练任务集和目标集以元学习的方式训练小样本车辆异常行为检测网络，得到小样本车辆异常行为检测模型；其中，所述小样本车辆异常行为检测网络包括特征提取模块和异常评分模块。进一步地，特征提取模块为融合图编码器和自注意机制的特征提取模块。本发明能够实现数据位置和属性上的融合，同时将元学习与异常检测结合，提高小样本车辆异常行为检测的准确率。
-
公开(公告)号：CN118427679A
公开(公告)日：2024-08-02
申请号：CN202410440444.0
申请日：2024-04-12
Applicant: 华中科技大学
IPC: G06F18/241 , G01D21/02 , G01M17/007 , G01C21/00 , G01C21/20 , G06F18/214 , G06F18/213
Abstract: 本发明公开了一种车辆行为识别模型的构建方法及应用，属于人工智能技术领域；在对模型进行训练时，提出了传感器特征分布对齐目标，通过最大化源域与目标域数据集中同采样时刻下的同一传感器的传感数据特征的差异值，且最小化源域及目标域数据集中同一传感器的不同采样时刻间的传感数据特征的差异值，来实现对比学习，充分挖掘数据的潜在泛化性和判别性，能够对多源异构传感数据进行传感器层面的细粒度对齐，提高了车辆行为识别的准确率，可以实现对人‑机‑物系统中多模态传感数据的有效建模，可以有效地应用于不同的场景中。
-
公开(公告)号：CN118397229A
公开(公告)日：2024-07-26
申请号：CN202410499224.5
申请日：2024-04-24
Applicant: 华中科技大学
IPC: G06T19/20 , G06T17/00 , G06V20/64 , G06V10/774 , G06V10/36 , G06V10/30 , G06V10/44 , G06N3/045 , G06N3/0464
Abstract: 本申请属于人工智能相关技术领域，其公开了一种3D形状还原方法及还原模型的构建方法、设备、存储介质，模型的构建方法包括：将基于3D源数据所提取的特征进行加噪处理后所得的随机噪声输入降噪模型进行训练，以使降噪模型输出将随机噪声还原至预设程度的重建特征，训练好的降噪模型为3D形状还原模型；降噪模型包括依次连接的多个降噪网络，各降噪网络包括低频分支和高频分支，各分支均包括自注意力模块、ResNet3D模块、前端多层感知器模块、双线性插值模块、后端多层感知器模块。两分支相互作用对高低频噪声进行融合，可以一定程度上抑制了高频噪声的生成，并保留了部分低频特征，而低频特征更有利于生成平滑的样本，使得生成样本的质量更高。
-
公开(公告)号：CN118171086A
公开(公告)日：2024-06-11
申请号：CN202410462972.6
申请日：2024-04-17
Applicant: 华中科技大学
IPC: G06F18/213 , G06F18/20 , G06F17/16 , G06F17/18 , G06N7/01
Abstract: 本申请属于特征提取相关技术领域，其公开了一种基于贝叶斯张量分析的时空特征提取方法及其提取系统，提取方法包括：将原始数据根据空间维度和时间维度表示为维度为I1×I2××I3时空张量y，构建后验分布模型，后验分布模型包括三个因子矩阵的后验分布，各因子矩阵的后验分布为对各因子矩阵的先验分布以及列向量λ的超先验分布进行贝叶斯分析所得，利用吉布斯采样算法求解后验分布模型，得到各个因子矩阵的后验分布的均值和协方差以及秩R，其中，各个因子矩阵的后验分布的均值为所提取的特征，协方差为对应特征的不确定性估计信息，基于上述方法，既能实现时空特征的提取，同时还能实现不确定性估计和CP秩的估计，并且具有较强的可解释性。
-
Patent Agency Ranking
公开(公告)号：CN111142797B
公开(公告)日：2021-02-09
申请号：CN201911365120.0
申请日：2019-12-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种固态硬盘刷新方法、装置及固态硬盘，属于计算机存储领域，包括：若数据的容错比特误码率TBER＝0，则识别为精确数据；若0 RBERmax，则识别为高近似数据；将固态硬盘中类型相同的近似数据聚类后，将属于相同聚类类别的近似数据分配到固态硬盘中相同的数据块中；针对高近似数据，不进行刷新操作；针对精确数据或低近似数据，在RBER＝CBER时，采用传统刷新方法进行刷新；针对中近似数据，若数据保留时间RT(TBER)与数据保留时间RT(CBER)之间的差值ΔRT≤threshold，则在RBER＝CBER时，采用传统刷新方法进行刷新，否则，结合数据热度和增强型纠错码对固态硬盘进行刷新。本发明能够减少固态硬盘的刷新开销，提升固态硬盘的性能与寿命。
-
公开(公告)号：CN118118152A
公开(公告)日：2024-05-31
申请号：CN202410280365.8
申请日：2024-03-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多密钥同态加密的联邦学习方法和系统，属于深度学习训练技术领域，所述方法在联邦训练过程中本地待训练模型均以密文的形式在参与者和云服务器之间传输从而保证隐私性要求。每个参与者收到来自云服务器的密文参数后使用自己的私钥解密，并使用解密后的参数更新本地待训练模型，在保证算法高安全性的同时降低联邦学习训练过程中的通信开销；为不同参数者集合分发不同的公私钥，可以在不影响模型性能的前提下满足不同参与者的不同安全级别要求，通信传输过程中均采用密文可以抵抗外部恶意攻击者和半可信服务器攻击。此外，每个参与者在每次迭代时，利用其当前本地待训练模型参数参与全局模型聚合，可以提高联邦效率。
-
-
公开(公告)号：CN113780345A
公开(公告)日：2021-12-10
申请号：CN202110902758.4
申请日：2021-08-06
Applicant: 华中科技大学
Abstract: 本发明公开面向中小企业的基于张量注意力的小样本分类方法和系统，属于人工智能领域。包括：划分为支持集和查询集，图像用张量表征，将支持集和查询集输入至分类模型，其包括串联的神经网络骨架和张量注意力模块，张量注意力模块用于对数据特征进行位置和空间上的融合，得到张量自注意力特征，对支持集原型特征张量与查询集自注意力特征张量进行相似度计算，计算损失并更新，将类别未知中小企业监控图像转化为张量数据，输入至微调后模型进行预测。本发明引入张量注意力机制，将传统注意力模块扩展到张量空间，用于维持数据间潜在关联关系；将提取到浅层特征输入到张量注意力模块中，实现数据位置和空间上的融合，提高小样本图像分类的准确率。
-
公开(公告)号：CN111026675A
公开(公告)日：2020-04-17
申请号：CN201911246455.0
申请日：2019-12-06
Applicant: 华中科技大学
IPC: G06F12/02 , G06F12/0882 , G06F11/10 , G06F3/06
Abstract: 本发明公开了一种高效的闪存数据刷新方法及基于闪存的固态硬盘，属于闪存刷新领域。本发明提出局部刷新机制，通过拷贝易受影响比特位及数据页内偏移信息到另一组合闪存块，在不擦除和拷贝原先闪存块数据情况下对闪存块进行刷新，减少闪存存储器的编程/擦除操作，延长闪存的使用寿命。采用在存储器电压感应阶段比较参考电压与闪存电压的大小关系，判断比特位是否在电压分布的主要重叠区，进而找出未来时间内可能出错的比特位，从而提升了闪存刷新的效率。维护主映射表和次级映射表，将获取刷新闪存块和组合闪存块的数据解码为完整正确的数据，所述次级映射表将物理数据页号映射到组合闪存块的组合数据页号，解决了闪存刷新后的数据读取问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
