-
公开(公告)号：CN104216993A
公开(公告)日：2014-12-17
申请号：CN201410457010.8
申请日：2014-09-10
Applicant: 武汉科技大学
IPC: G06F17/30
CPC classification number: G06F17/30705 , G06F17/30867
Abstract: 本发明提出一种标签共现的标签聚类方法，为了提高聚类有效性，定义标注矩阵、共同标注矩阵、标签重要度矩阵、相似度矩阵，用于通过对标签共现信息的提取，确定标签的特征向量；通过特征向量的提取计算相似度，将传统聚类算法中用几何距离计算对象与中心对象的距离改为用皮尔森相关系数计算；提出结合K-means聚类算法对标签进行聚类的标签共现聚类方法。本发明所提供聚类方法效果要好于其它的聚类方法，具有良好的有效性和可行性。
-
公开(公告)号：CN105072086A
公开(公告)日：2015-11-18
申请号：CN201510390398.9
申请日：2015-07-06
Applicant: 武汉科技大学
CPC classification number: H04L63/0807 , H04L67/1097
Abstract: 本发明公开了一种基于MapReduce的云存储批量审计方法，用户将本地文件初始化处理；当用户需要验证自己外包数据的完整性时，向TPA发出请求；TPA每收到一个用户的请求就向云存储服务器进行挑战，云存储服务器返回对应文件验证所需的证据；TPA收到证据之后验证数据的完整性； TPA每隔一段时间将这个时间段的收到的验证证据聚集起来对数据本身进行一次统一验证；本发明能在批量审计失败情况下，大大提高批量审计的效率，并且解决了集中式审计系统适应性差的问题，体现了分布式审计系统良好的可用性。
-
Patent Agency Ranking
公开(公告)号：CN105072086B
公开(公告)日：2018-03-02
申请号：CN201510390398.9
申请日：2015-07-06
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于MapReduce的云存储批量审计方法，用户将本地文件初始化处理；当用户需要验证自己外包数据的完整性时，向TPA发出请求；TPA每收到一个用户的请求就向云存储服务器进行挑战，云存储服务器返回对应文件验证所需的证据；TPA收到证据之后验证数据的完整性；TPA每隔一段时间将这个时间段的收到的验证证据聚集起来对数据本身进行一次统一验证；本发明能在批量审计失败情况下，大大提高批量审计的效率，并且解决了集中式审计系统适应性差的问题，体现了分布式审计系统良好的可用性。
-
公开(公告)号：CN104268290A
公开(公告)日：2015-01-07
申请号：CN201410565721.7
申请日：2014-10-22
Applicant: 武汉科技大学
IPC: G06F17/30
CPC classification number: G06F16/9535 , G06F16/35 , G06F16/355 , G06F16/951
Abstract: 本发明提出一种基于用户聚类的推荐方法，为了合理的根据用户兴趣对用户进行有效推荐，根据用户对各主题标签的总浏览频率、浏览时间以及总浏览时间、有效浏览频率以及有效浏览时间，得到兴趣度，形成用户的兴趣特征向量；根据用户的兴趣特征向量，筛选核心用户，构成核心用户集，使用K-means聚类算法对全体用户进行聚类；得到全用户聚类之后，计算出每个用户聚类在每个主题之上的类兴趣向量；比较兴趣值和类兴趣向量，对其进行推荐。本发明所提供的CCVR方法推荐效果要好于其它的推荐方法，具有良好的准确性。
-
公开(公告)号：CN104268290B
公开(公告)日：2017-08-08
申请号：CN201410565721.7
申请日：2014-10-22
Applicant: 武汉科技大学
IPC: G06F17/30
Abstract: 本发明提出一种基于用户聚类的推荐方法，为了合理的根据用户兴趣对用户进行有效推荐，根据用户对各主题标签的总浏览频率、浏览时间以及总浏览时间、有效浏览频率以及有效浏览时间，得到兴趣度，形成用户的兴趣特征向量；根据用户的兴趣特征向量，筛选核心用户，构成核心用户集，使用K‑means聚类算法对全体用户进行聚类；得到全用户聚类之后，计算出每个用户聚类在每个主题之上的类兴趣向量；比较兴趣值和类兴趣向量，对其进行推荐。本发明所提供的CCVR方法推荐效果要好于其它的推荐方法，具有良好的准确性。
-
公开(公告)号：CN104915609A
公开(公告)日：2015-09-16
申请号：CN201510287907.5
申请日：2015-05-28
Applicant: 武汉科技大学
IPC: G06F21/62
CPC classification number: G06F21/6209 , G06F21/6218 , G06F21/6245 , G06F2221/2107
Abstract: 本发明公开了一种基于Lagrange插值法和多云的数据隐藏方法，应用在多云环境下的系统中，系统包括四个部分：用户、客户端、数据上传层、数据下载层和云端；数据上传前在客户端用Reed Solomon纠删码的信息分割算法对用户数据进行分割，然后用Lagrange插值方法对每块分割后的数据进行信息隐藏，最后把每块数据存储到不同的云存储中。数据下载时只需要从部分云存储获取数据，先使用Lagrange插值方法对下载得到的每块数据进行隐藏信息的恢复，然后使用Reed Solomon中的恢复算法对数据块进行合并恢复得到原始数据。本发明解决了服务可用性和单个云存储的限制；Reed Solomon算法的使用可以在减少存储空间的同时，容忍部分云存储出错；Lagrange插值方法的使用解决了数据机密性，保护用户数据的隐私。
-
公开(公告)号：CN104915609B
公开(公告)日：2017-12-08
申请号：CN201510287907.5
申请日：2015-05-28
Applicant: 武汉科技大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于Lagrange插值法和多云的数据隐藏方法，应用在多云环境下的系统中，系统包括四个部分：用户、客户端、数据上传层、数据下载层和云端；数据上传前在客户端用Reed Solomon纠删码的信息分割算法对用户数据进行分割，然后用Lagrange插值方法对每块分割后的数据进行信息隐藏，最后把每块数据存储到不同的云存储中。数据下载时只需要从部分云存储获取数据，先使用Lagrange插值方法对下载得到的每块数据进行隐藏信息的恢复，然后使用Reed Solomon中的恢复算法对数据块进行合并恢复得到原始数据。本发明解决了服务可用性和单个云存储的限制；Reed Solomon算法的使用可以在减少存储空间的同时，容忍部分云存储出错；Lagrange插值方法的使用解决了数据机密性，保护用户数据的隐私。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
