-
公开(公告)号：CN117648490A
公开(公告)日：2024-03-05
申请号：CN202311681455.X
申请日：2023-12-08
Applicant: 福州大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0251 , G06Q30/0241
Abstract: 本发明提出一种基于流批统一社区发现的视频推荐系统及方法，所述系统包括图数据压缩存储模块、模型初始化模块、节点预处理模块、社区结构更新模块、视频推荐模块；系统在执行视频推荐时，在流批统一的基础上进行社区划分，考虑社交网络的影响，权衡实时性和准确性，以提升视频推荐的准确性；本发明在流批统一社区对用户视频喜好影响的基础上，考虑了社交网络的影响，提供更准确、实时且高效的视频推荐。
-
公开(公告)号：CN109753660B
公开(公告)日：2023-06-13
申请号：CN201910013185.2
申请日：2019-01-07
Applicant: 福州大学
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明涉及一种中标数据的命名实体识别方法，包括如下步骤：对中标网页的文本数据进行清洗，得到中标文本；利用Lattice‑LSTM作为编码层得到文本数据的语义信息特征；利用LSTM作为解码层对每个字进行实体标注，标记出语句序列中的实体信息；进行规则的校正和格式化处理；最后输出识别出的中标网页的命名实体。本发明基于Lattice‑LSTM‑LSTM模型，能够高效的识别招标网站的中标项目详情页面中的命名实体。
-
公开(公告)号：CN113094598B
公开(公告)日：2022-06-07
申请号：CN202110498072.3
申请日：2021-05-08
Applicant: 福州大学
IPC: G06F16/9536 , G06F16/9535 , G06F21/60
Abstract: 本发明涉及一种基于联邦团渗透的视频推荐方法，包括以下步骤：构建各平台视频平台用户网络，并获取视频平台本地重叠用户集；根据得到的视频平台本地重叠用户集，添加虚拟同兴趣用户和虚拟同兴趣用户的同兴趣用户，并对所有的用户信息进行加密后以邻接表形式发送到协调端；协调端合并所有参与视频平台的邻接表并计算k团，对k团进行编号，将k团中相关节点及其编号发送给各视频平台；视频平台过滤协调端发送过来的虚假k团，过滤后在本地计算k团，联合协调端发送过来的真实k团进行团渗透、同兴趣用户群体挖掘，然后依据其同兴趣用户的相关视频对新用户进行视频推荐。本发明在不损失准确性的前提下联合多方视频平台用户数据进行视频推荐。
-
公开(公告)号：CN112629552B
公开(公告)日：2022-06-07
申请号：CN202110000870.9
申请日：2021-01-04
Applicant: 福州大学
Abstract: 本发明提出一种基于通信均衡的图分区的机动车最短行车路线规划方法，针对生活中的机动车行车路线规划问题，提出基于通信均衡的图分区的机动车最短行车路线规划方法。保证在计算行车路线时各网络分区计算的负载均衡，减少跨网络传输量。根据收录在数据库的道路信息构建出可进行图分区的道路网络，使用这种方法可以高效、准确地对复杂道路网络进行分区，并能够在各网络分区中并行地计算批量的行车最短路线。
-
公开(公告)号：CN110225030B
公开(公告)日：2021-09-28
申请号：CN201910498923.7
申请日：2019-06-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和RCNN‑SPP网络的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含基于空间金字塔SPP池化的循环卷积RCNN的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到RCNN‑SPP神经网络模型，得到域名的特征向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
Patent Agency Ranking
公开(公告)号：CN109088899B
公开(公告)日：2021-04-27
申请号：CN201811280577.7
申请日：2018-10-30
Applicant: 福州大学
IPC: H04L29/06
Abstract: 本发明涉及一种针对XSS攻击的APT预警方法，首先接收来自WEB应用防火墙的WEB攻击检测结果，并针对XSS攻击检测结果，模拟黑客绕过WEB应用防火墙拦截规则的行为，产生新的攻击规则，丰富XSS攻击规则库；然后结合APT攻击知识库，对XSS攻击检测结果进行标识，产生APT攻击标识结果；并将没有标识的XSS攻击添加到未知APT攻击集中；接着对未知APT攻击集合中进行预处理，得到未知APT攻击预处理结果集；利用基于MapReduce的分布式Aprior算法对未知APT攻击预处理结果集进行关联分析，产生APT关联规则，得到与XSS攻击对应的APT分析情报，作为APT威胁情报输出。本发明实现了对目前XSS攻击种类多样并主动防御的机制。
-
公开(公告)号：CN112651617A
公开(公告)日：2021-04-13
申请号：CN202011519463.0
申请日：2020-12-21
Applicant: 福州大学
IPC: G06Q10/06 , G06Q10/00 , G06Q50/06 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06K9/62
Abstract: 本发明涉及基于批流统一聚类模式的风电机组异常数据检测方法，将批量聚类和增量聚类结合。使用批量的聚类初始化方式，在首个时间窗口中初始化簇特征。后续窗口采用增量式的聚类方法，这样能够同时满足批量聚类的高精度以及流式聚类的低延迟等特点，可以持续处理大规模持续流入的风电机组群运行数据，并能较快地反映出异常数据所在设备。加入了基于流式迭代的簇特征更新机制。引入迭代流的思想，将风电机组数据簇特征创建成迭代流。进行流式的数据状态广播、双流连接计算，即将两个流式数据进行连接后计算。根据数据的最近簇进行分区，窗口定时更新每个分区的簇特征并将其返回到迭代流中。本发明保证了实时流处理低延迟的特性。
-
公开(公告)号：CN111292002A
公开(公告)日：2020-06-16
申请号：CN202010110536.4
申请日：2020-02-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于遗传-粒子群算法的评阅答辩分组方法及系统，采集关键信息，并对关键信息与参数进行编码，每个解由若干个答辩组构成；根据对应的约束条件生成的目标函数设计适应度函数；将数据按照解的编码进行初始化得到初始种群；将种群中的粒子进行交叉变异操作：当粒子经过多轮迭代达到一定条件后，停止对粒子的迭代操作，此时全局最优粒子就是适应度最高的近似最优解，得到最优结果。本发明借鉴了遗传算法中的染色体思想，将解设计为矩阵和张量，以满足离散型解在更新时的交叉与变异操作，解决了人工处理评阅答辩分组时所包含的精度不高、处理速度慢、难以应对大规模人员分配等问题。
-
公开(公告)号：CN110275941A
公开(公告)日：2019-09-24
申请号：CN201910546136.5
申请日：2019-06-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于粗化与局部重叠模块度的邮件挖掘方法，根据邮件头日志信息，构建邮件往来网络G；多次迭代遍历，将G中的三角形融合为一个复合节点，得到粗化后的图Gcn；根据Jaccard距离初始化Gcn中所有边对应节点的距离；迭代更新邻居节点间的距离直至所有距离收敛。距离小于1的节点属于同一群组，得到粗化图的群组划分Ccn；还原网络得到邮件往来网络的初始群组划分C；将距离为1的节点加入到使局部重叠模块度增量最大的群组集中得到重叠群组集合Cover；将Cover中群组节点数少于设定阈值的群组合并到与其紧密度最大的群组中，更新Cover最终得到邮件往来网络的群组划分C’输出最终的群组划分结果。本发明克服了传统模块度计算效率低的问题提高重叠群组发现的精度。
-
公开(公告)号：CN109523590A
公开(公告)日：2019-03-26
申请号：CN201811227681.X
申请日：2018-10-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于样例的3D图像深度信息视觉舒适度评估方法，包括以下步骤：步骤S1:输入待评估的3D图像，将左视图作为输入图像；步骤S2:利用基于深度学习特征的图像检索技术，在专业3D图像数据库中检索与待评估的3D图像场景相似的n幅高质量的3D图像作为对比样例图像；步骤S3:对输入图像和对比样例图像依次进行3D图像显著性检测和前景对象分割处理，并计算得到每幅图像的前景和背景的深度信息分布直方图；步骤S4:计算输入图像与n个样例图像分别对比的前景和背景的深度信息视觉舒适度；步骤S5:综合得到待评估的3D图像的综合深度信息视觉舒适度。本发明能够考虑到深度信息视觉舒适度，对3D图像深度信息视觉舒适度进行评估。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.02 seconds)
