-
公开(公告)号：CN115496133A
公开(公告)日：2022-12-20
申请号：CN202211094825.5
申请日：2022-09-05
Applicant: 西安电子科技大学 , 中国航发四川燃气涡轮研究院
Abstract: 本发明公开了一种基于自适应在线学习的数据流聚类方法，主要解决现有技术因固定参数及模型对参数的依赖性所导致聚类结果精度低的问题。其实现方案是：根据数据流中数据信息创建微簇；微簇接收到一个新的数据点后使用半径的自适应增长策略使活跃的微簇吸收更多的数据学习微簇结构，并通过不同类型微簇的能量更新策略处理数据流不断演化，使微簇能量衰减模拟演化过程，微簇消亡引起聚类改变；根据改变的微簇间距离，实现同类数据的聚合，输出数据聚类结果。本发明通过自适应调整策略对微簇模型的参数动态调优，在线学习数据更新微簇模型，提高了动态数据环境下数据流聚类的精度，可用于互联网数据的模型学习、网络入侵检测、网络点击流及天气监测。
-
公开(公告)号：CN108521326B
公开(公告)日：2021-02-19
申请号：CN201810317657.9
申请日：2018-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于向量同态加密的隐私保护的线性SVM模型训练方法，属于信息技术安全领域，包括以下步骤：步骤1.使用者采用基于向量的同态加密方案VHE对训练数据集进行加密，并将加密结果发送至服务器；步骤2.服务器对加密结果进行计算，得到密文线性核函数矩阵并将密文线性核函数矩阵返回至使用者；步骤3.使用者对密文线性核函数矩阵进行解密，得到明文线性核函数矩阵并将明文线性核函数矩阵发送至服务器；步骤4.服务器采用密文SMO算法对明文线性核函数矩阵进行训练，并将训练结果返回至使用者。
-
Patent Agency Ranking
公开(公告)号：CN115617011A
公开(公告)日：2023-01-17
申请号：CN202211094831.0
申请日：2022-09-05
Applicant: 西安电子科技大学 , 中国航发四川燃气涡轮研究院
IPC: G05B23/02
Abstract: 本发明提出了一种基于自回归图对抗神经网络的工业设备状态检测方法，主要解决现有技术图结构表征不准确。数据特征提取不全面，易受噪声和伪异常影响而错误检测的问题。本发明的步骤为：构建图结构学习子网络正确学习图结构；使用序列特征提取子网络和隐变量特征提取子网络全面地提取输入空间和隐空间的特征；使用自回归正则化子网络和对抗正则化子网络抑制过拟合。本发明降低了网络错误检测率；通过训练好的网络可实时检测工业设备的运行状态。
-
公开(公告)号：CN108776836A
公开(公告)日：2018-11-09
申请号：CN201810592585.9
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于VHE的隐私保护神经网络的训练及预测方法，利用VHE同态加密算法对数据集D进行加密，得到加密数据集D′，所述加密数据集D′包括训练数据集D′1和测试数据集D′2；对所述训练数据集D′1进行BP神经网络批梯度训练，得到训练后的BP神经网络；利用训练后的BP神经网络对测试数据集D′2进行预测，得到预测结果；本发明结合加密算法以及BP神经网络方法实现了密文域下的BP神经网络的训练及预测，也就是实现了云端不可信的情况下，数据在输入加密保护下依旧可以进行BP神经网络的训练及预测等，实现了真正的计算外包。
-
公开(公告)号：CN115496133B
公开(公告)日：2025-05-23
申请号：CN202211094825.5
申请日：2022-09-05
Applicant: 西安电子科技大学 , 中国航发四川燃气涡轮研究院
Abstract: 本发明公开了一种基于自适应在线学习的数据流聚类方法，主要解决现有技术因固定参数及模型对参数的依赖性所导致聚类结果精度低的问题。其实现方案是：根据数据流中数据信息创建微簇；微簇接收到一个新的数据点后使用半径的自适应增长策略使活跃的微簇吸收更多的数据学习微簇结构，并通过不同类型微簇的能量更新策略处理数据流不断演化，使微簇能量衰减模拟演化过程，微簇消亡引起聚类改变；根据改变的微簇间距离，实现同类数据的聚合，输出数据聚类结果。本发明通过自适应调整策略对微簇模型的参数动态调优，在线学习数据更新微簇模型，提高了动态数据环境下数据流聚类的精度，可用于互联网数据的模型学习、网络入侵检测、网络点击流及天气监测。
-
公开(公告)号：CN115617011B
公开(公告)日：2025-04-11
申请号：CN202211094831.0
申请日：2022-09-05
Applicant: 西安电子科技大学 , 中国航发四川燃气涡轮研究院
IPC: G05B23/02
Abstract: 本发明提出了一种基于自回归图对抗神经网络的工业设备状态检测方法，主要解决现有技术图结构表征不准确。数据特征提取不全面，易受噪声和伪异常影响而错误检测的问题。本发明的步骤为：构建图结构学习子网络正确学习图结构；使用序列特征提取子网络和隐变量特征提取子网络全面地提取输入空间和隐空间的特征；使用自回归正则化子网络和对抗正则化子网络抑制过拟合。本发明降低了网络错误检测率；通过训练好的网络可实时检测工业设备的运行状态。
-
公开(公告)号：CN108521326A
公开(公告)日：2018-09-11
申请号：CN201810317657.9
申请日：2018-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于向量同态加密的隐私保护的线性SVM模型训练算法，属于信息技术安全领域，包括以下步骤：步骤1.使用者采用基于向量的同态加密方案VHE对训练数据集进行加密，并将加密结果发送至服务器；步骤2.服务器对加密结果进行计算，得到密文线性核函数矩阵并将密文线性核函数矩阵返回至使用者；步骤3.使用者对密文线性核函数矩阵进行解密，得到明文线性核函数矩阵并将明文线性核函数矩阵发送至服务器；步骤4.服务器采用密文SMO算法对明文线性核函数矩阵进行训练，并将训练结果返回至使用者。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
