-
公开(公告)号：CN114741528B
公开(公告)日：2024-08-02
申请号：CN202210330089.2
申请日：2022-03-31
IPC: G06F16/36 , G06F18/2431 , G16B40/00 , G16B5/00
Abstract: 本发明提供了一种高效构建人类蛋白质复合物图谱的方法与系统，包括：对初始人类蛋白质相互作用网络进行加边，得到重构后人类蛋白质相互作用网络：计算重构后人类蛋白质相互作用网络中各个边的特征属性；根据边的特征属性以及重构后人类蛋白质相互作用网络，通过预先训练好的边分类模型预测得到边类别；基于边类别以及重构后人类蛋白质相互作用网络，利用预设的图分割算法识别得到人类蛋白质复合物；对人类蛋白质复合物进行滤除，从而得到过滤后人类蛋白质复合物作为最终人类蛋白质复合物，并基于最终人类蛋白质复合物构建人类蛋白质复合物图谱。本发明能够提升复合物识别的精度，以及人类蛋白质复合物图谱的构建效率。
-
公开(公告)号：CN113256629A
公开(公告)日：2021-08-13
申请号：CN202110759301.2
申请日：2021-07-05
Abstract: 本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。
-
公开(公告)号：CN109558898A
公开(公告)日：2019-04-02
申请号：CN201811333067.1
申请日：2018-11-09
Applicant: 复旦大学
CPC classification number: G06K9/6256 , G06N3/0454 , G06N3/08
Abstract: 本发明属于机器学习技术领域，具体为一种基于深度神经网络的高置信度多选择学习方法。本发明方法中，提出了一个置信合页损失来解决专家网络过度自信的问题，防止非专家模型以高可信度进行不准确的预测；采用选择网络来学习每个专家网络的可信度，使得最终可以从多样性的预测结果这聚合一个更可靠的决策预测。本发明方法框架简单、使用方便、可扩展性强；在图像分类和图像语义分割的任务上进行实验，达到或超过现有最好方法的水平。本发明能够为计算机视觉、数据挖掘等领域，提供基础框架和算法的支持。
-
公开(公告)号：CN109614521B
公开(公告)日：2023-06-27
申请号：CN201811329958.X
申请日：2018-11-09
Applicant: 复旦大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明属于隐私保护技术领域，具体为一种高效的隐私保护子图查询处理方法。本发明利用k‑automorphism模型来保护属性图的结构隐私，并通过综合考虑属性的t‑closeness约束以及子图查询在图上的搜索空间来保护属性图的属性隐私，针对结构和属性隐私处理后的图，进一步提出高效的子图查询处理算法。本发明方法框架清晰、使用方便、可扩展性强，并在三个图数据集上的隐私保护和子图查询处理两大任务的结果上，都远远超过了现有方法。本发明能够为隐私保护图数据查询，图数据分析等涉及到隐私保护和图数据处理的领域，提供基础框架和算法的支持。
-
公开(公告)号：CN109543445B
公开(公告)日：2022-12-20
申请号：CN201811265074.2
申请日：2018-10-29
Applicant: 复旦大学
IPC: G06F21/62
Abstract: 本发明属于信息安全隐私保护技术领域，是一种基于条件概率分布的隐私保护数据发布方法。根据条件概率分布对攻击者的先验知识进行建模，让攻击者在不同事务中具有不同的先验知识；然后利用构建的模型和准标识符属性值，对每条记录的敏感属性值进行预测，并用预测值替换原始值后进行发布。发布的敏感属性预测值与原始值没有直接相关性，有效保护了用户数据隐私；预测的敏感属性值分布与真实的分布近似，有效控制了分布误差，确保其发布数据集比泛化及随机应答方法发布的数据集可用性更好。本发明能为医疗、金融、生信、交通等各个社会领域的数据发布提供隐私保护机制，在保护用户数据隐私的同时，为数据在科学研究和社会服务中的应用提供支撑。
-
Patent Agency Ranking
公开(公告)号：CN110309671A
公开(公告)日：2019-10-08
申请号：CN201910558380.3
申请日：2019-06-26
Applicant: 复旦大学
Abstract: 本发明属于隐私保护技术领域，具体为一种基于随机应答技术的通用数据发布隐私保护方法。本发明基于随机应答技术，利用矩阵分解方法与克罗内克积性质，将重构无偏估计结果的计算复杂度从指数级增长降为线性增长，实现无偏估计结果的误差最小化，并允许为每个属性单独设置隐私保护参数，有效提高计算效率、数据可用性和应用灵活性。本发明方法支持单敏感属性和多敏感属性的数据发布，所述敏感属性包括布尔型属性、分类型属性和数值型属性；本发明能够为医疗、金融、生物信息和交通等领域的科研与管理提供高效、灵活的数据发布隐私保护机制，有助于在数据发布过程中保护数据隐私的同时，保留发布数据有用信息，促进数据的共享共用。
-
公开(公告)号：CN109614521A
公开(公告)日：2019-04-12
申请号：CN201811329958.X
申请日：2018-11-09
Applicant: 复旦大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明属于隐私保护技术领域，具体为一种高效的隐私保护子图查询处理方法。本发明利用k-automorphism模型来保护属性图的结构隐私，并通过综合考虑属性的t-closeness约束以及子图查询在图上的搜索空间来保护属性图的属性隐私，针对结构和属性隐私处理后的图，进一步提出高效的子图查询处理算法。本发明方法框架清晰、使用方便、可扩展性强，并在三个图数据集上的隐私保护和子图查询处理两大任务的结果上，都远远超过了现有方法。本发明能够为隐私保护图数据查询，图数据分析等涉及到隐私保护和图数据处理的领域，提供基础框架和算法的支持。
-
公开(公告)号：CN109543445A
公开(公告)日：2019-03-29
申请号：CN201811265074.2
申请日：2018-10-29
Applicant: 复旦大学
IPC: G06F21/62
Abstract: 本发明属于信息安全隐私保护技术领域，是一种基于条件概率分布的隐私保护数据发布方法。根据条件概率分布对攻击者的先验知识进行建模，让攻击者在不同事务中具有不同的先验知识；然后利用构建的模型和准标识符属性值，对每条记录的敏感属性值进行预测，并用预测值替换原始值后进行发布。发布的敏感属性预测值与原始值没有直接相关性，有效保护了用户数据隐私；预测的敏感属性值分布与真实的分布近似，有效控制了分布误差，确保其发布数据集比泛化及随机应答方法发布的数据集可用性更好。本发明能为医疗、金融、生信、交通等各个社会领域的数据发布提供隐私保护机制，在保护用户数据隐私的同时，为数据在科学研究和社会服务中的应用提供支撑。
-
公开(公告)号：CN102591869A
公开(公告)日：2012-07-18
申请号：CN201110004067.9
申请日：2011-01-10
Abstract: 本发明涉及一种高性能的GML多文档流压缩信息处理方法，包括以下步骤：1)输入设备输入GML多文档数据给GML文件解析器；2)GML文件解析器利用SAX对多文档数据进行解析；3)事件处理模块将多文档数据中的结构信息数据经过动态结构压缩算法压缩后存入结构容器中，将多文档数据中的空间坐标数据经过空间坐标增量压缩算法压缩后存入空间坐标容器中，将多文档数据中的属性数据、文本值数据、当前文件信息数据分别存储到属性容器、文本容器、文件信息容器中；4)所有容器中的数据通过通用文本压缩工具Gzip作为后台压缩工具进行压缩，最终得到此文件集合的单独压缩文件。与现有技术相比，本发明具有更高压缩率、更低压缩时间和解压缩时间、使用方便等优点。
-
公开(公告)号：CN114742274A
公开(公告)日：2022-07-12
申请号：CN202210247062.7
申请日：2022-03-14
Abstract: 本发明提供一种社交网络信息扩散预测方法，该方法综合考虑社交网络中社交影响力、信息扩散的时间动态特性和非连通用户行为相似性这三个关键因素，通过将曝光时间排序、引力排序和级联相似性排序这三种算法进行融合提出能够预测社交网络中信息扩散的模型。其中，曝光时间排序算法在保证基于一个话题下信息传播的时间动态特性之外，还能考虑到不同话题下信息传播的时间动态特性差异较大的问题；引力排序算法从社交网络拓扑结构中导出，能够计算所有参与话题的用户对邻居影响力的并且对所有未参与话题的用户按激活概率排序；级联相似性排序从每个用户的级联数据导出，用一个向量刻画用户，并用向量的余弦相似性衡量他们之间的相似程度。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.019 seconds)
