-
公开(公告)号：CN111612047B
公开(公告)日：2023-06-02
申请号：CN202010355551.5
申请日：2020-04-29
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N20/10
Abstract: 本发明公开了一种基于属性特征向量和可逆生成模型的零样本图像识别方法。本发明包括以下步骤：步骤S1：使用已知类别的图像数据集训练可逆生成模型；步骤S2：使用经过训练的可逆生成模型生成未知类别的图像数据；步骤S3：根据生成的未知类别的图像数据训练SVM分类器；步骤S4：使用经过训练的SVM分类器对输入图像进行预测和识别。本发明采用一种全新的可逆生成模型解决零样本图像识别问题，借助多个仿射耦合变换将真实数据分布直接映射到多元高斯分布，训练过程简单且可逆，优化目标明确，避免了其他生成模型存在的训练不稳定性，维度重构损失和优化目标复杂等问题。
-
公开(公告)号：CN111612047A
公开(公告)日：2020-09-01
申请号：CN202010355551.5
申请日：2020-04-29
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了一种基于属性特征向量和可逆生成模型的零样本图像识别方法。本发明包括以下步骤：步骤S1：使用已知类别的图像数据集训练可逆生成模型；步骤S2：使用经过训练的可逆生成模型生成未知类别的图像数据；步骤S3：根据生成的未知类别的图像数据训练SVM分类器；步骤S4：使用经过训练的SVM分类器对输入图像进行预测和识别。本发明采用一种全新的可逆生成模型解决零样本图像识别问题，借助多个仿射耦合变换将真实数据分布直接映射到多元高斯分布，训练过程简单且可逆，优化目标明确，避免了其他生成模型存在的训练不稳定性，维度重构损失和优化目标复杂等问题。
-
公开(公告)号：CN112559078B
公开(公告)日：2023-03-21
申请号：CN202011525164.8
申请日：2020-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种移动边缘计算服务器分级卸载任务方法及系统，其方法包括步骤：获取区域内终端一定时间段内产生的一个或多个任务的信息，包括任务的数据量、任务的时延要求信息；根据任务信息和任务所在终端的信息计算任务的时延敏感性值、数据重复性值、终端移动性值、数据保密性值；根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值；根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务。本发明解决了如何对区域内任务进行合理分级并按照分级进行任务卸载的问题。
-
公开(公告)号：CN114332945A
公开(公告)日：2022-04-12
申请号：CN202111670708.4
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种可用性一致的差分隐私人体匿名合成方法。本发明特征在于将源人体数据集通过委派人体数据集与可用性保持姿势转换网络得到匿名人体数据集；具体步骤：步骤1：预处理；步骤2：分配委派身份；步骤3：构建可用性保持姿势转换网络；步骤4：训练约束；步骤5：模型训练及测试。本发明可以生成新的匿名人体图像，避免隐私数据被收集以及滥用，而且匿名图像可以保持原始数据的可用性。此外，本发明可以在不同的隐私级别下生成自然的图像，并保持人体隐私以及数据可用性。
-
公开(公告)号：CN111722599B
公开(公告)日：2021-10-29
申请号：CN202010377401.4
申请日：2020-05-07
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明提供一种基于面向对象广义随机Petri网的CPS建模与分析方法。首先根据所建模CPS的具体情境，将其中的设备划分为传感器、控制器、执行器三大组件，然后将三大组件抽象为对象，构建OGSPN模型，根据对象的OGSPN模型的概念与实际CPS中各组件的具体任务，扩展顶层OGSPN模型中各个对象，得到系统的OGSPN模型；之后将OGSPN模型压缩为传统GSPN，对GSPN中的参数进行模糊化处理，得到模糊GSPN，使用马尔科夫方法求解模糊GSPN的稳态概率。最后对得到的稳态概率值进行解模糊，得到最终准确的数值结果。本发明采用了模糊数学与马尔科夫链的分析方法，有效的处理了CPS中的不确定性，从而使结果具有高度的精确性。
-
Patent Agency Ranking
公开(公告)号：CN113157344A
公开(公告)日：2021-07-23
申请号：CN202110481249.9
申请日：2021-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开移动边缘计算环境下基于DRL的能耗感知任务卸载方法。本发明设计多eNB MEC环境下任务卸载问题的状态空间、行动空间和奖励函数。采用actor‑critic框架作为整个DRL‑E2D算法的基础结构，即主要包含actor和critic两个神经网络。同时将MD在环境下所观察到的状态作为actor输入，将actor输出的动作和状态作为critic网络输入。本发明结合强化深度学习相关知识并将截止时间约束考虑到奖励函数中，使得MD可以根据系统状态在限定任务期限的情况下做出能将其任务卸载给多个eNB的最优决策。
-
公开(公告)号：CN113157338A
公开(公告)日：2021-07-23
申请号：CN202110437136.9
申请日：2021-04-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种边缘云环境中安全任务卸载的效益最大化方法。全服务包括机密性服务和完整性服务，运行机密性服务和完整性服务，根据其运行时间，得到安全等级的计算公式，根据两种服务下的联合概率风险，确定使用安全服务的等级，以保证使用的安全服务能够确保数据的安全性。综合考虑任务的安全需求和任务的截止日期，制定效益最大化(PM)问题。提出了一种考虑安全问题的任务卸载效益最大化方法，该方法采用遗传算法，考虑了任务的执行位置和顺序，并设计交叉和变异操作，来实现边缘云计算环境下总效益最大化。
-
公开(公告)号：CN113139432A
公开(公告)日：2021-07-20
申请号：CN202110320402.X
申请日：2021-03-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于人体骨架和局部图像的工业包装行为识别方法。首先使用AlphaPose对监控画面中的工人进行骨架提取，获得含有多个连续骨架信息的骨架序列，再将骨架序列数据输入至DGNN预测当前工人的行为，同时根据AlphaPose估计的骨骼关节中手腕的位置对原图进行裁剪并得到两个局部图像，并分别将对应数量的左右手的局部图像输入至A‑ResNet来获取特征矩阵，再分别将对应数量左右手的特征矩阵输入至LSTM进行分类。根据DGNN和LSTM的结果来判定两种不同的配件是否都已装箱成功。本发明解决了工业生产包装过程中装箱动作识别困难的问题，利用了局部图像视频，能够准确识别工人的生产行为。
-
公开(公告)号：CN112905316A
公开(公告)日：2021-06-04
申请号：CN202110143748.7
申请日：2021-02-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于遗传算法的GPU集群多作业调度方法。通过遗传算法降低寻找最优解的时间复杂度，基于最小化多作业完成时间的资源分配方式为多作业分配GPU资源，复用作业调度过程中可能出现的空闲资源，最终得到一个完成时间最小，资源利用率较高的多作业调度方案。与现有技术相比，本发明有效解决了GPU集群上的多作业调度完成时间久、资源利用率低等问题，深度学习有关的工作者在调度方案的指导下，能够快速完成对模型不同参数架构的质量验证，得到反馈结果，进而对模型进行改良，以便快速投入到下一次的实验或生产当中。
-
公开(公告)号：CN112559078A
公开(公告)日：2021-03-26
申请号：CN202011525164.8
申请日：2020-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种移动边缘计算服务器分级卸载任务方法及系统，其方法包括步骤：获取区域内终端一定时间段内产生的一个或多个任务的信息，包括任务的数据量、任务的时延要求信息；根据任务信息和任务所在终端的信息计算任务的时延敏感性值、数据重复性值、终端移动性值、数据保密性值；根据任务的时延敏感性值和/或数据重复性值和/或终端移动性值和/或数据保密性值与区域内本地服务器的匹配程度计算任务的本地优先值；根据任务的本地优先值大小和本地服务器的当前状态将任务划分为在本地处理的任务和卸载到边缘服务器处理的任务。本发明解决了如何对区域内任务进行合理分级并按照分级进行任务卸载的问题。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.051 seconds)
