一种支持跨区块链交易的数据验证方法

    公开(公告)号:CN109993531B

    公开(公告)日:2023-07-28

    申请号:CN201910256297.0

    申请日:2019-04-01

    Applicant: 辽宁大学

    Abstract: 一种支持跨区块链交易的数据验证方法,步骤为:1)源链中的节点验证跨区块链交易数据的有效性,将有效交易数据发送至目标链;2)目标链中的节点验证该笔交易数据的正确性;3)源链与目标链同时将该笔交易的元数据发送至虚拟链;4)虚拟链根据元数据中的区块头信息,计算该笔交易数据的哈希值,确认交易资产的状态;5)解析元数据中的签名数据,确认双方是否将该笔交易数据存储到各自链上;6)节点验证成功,将元数据存储到虚拟链上。本发明通过上述方法,使跨区块链交易具有源链与目标链操作一致、防篡改、可溯源等特性,同时,实现了跨区块链交易的可溯源性。

    基于Merkle-tree的工业生产数据实体识别方法

    公开(公告)号:CN109783698B

    公开(公告)日:2023-05-26

    申请号:CN201910035568.X

    申请日:2019-01-15

    Applicant: 辽宁大学

    Abstract: 基于Merkle‑tree的工业生产数据实体识别方法,步骤为:1)针对工业生产数据的浮动性,利用矩阵及向量的性质,对数据进行相应的标准化处理,确保同一实体的数值型属性值相同;2)计算各属性列的信息熵,获取属性敏感度强弱信息,去除敏感度低的属性,将其余属性根据敏感度降序排序;3)提出一种链式结构,称作“St‑Chain”,基于St‑Chain进行渐进式哈希编码,将哈希值相同的实体划分到同一块中;4)对于步骤3)中得到的结构,继续计算各元组中后续属性的哈希值,根据哈希值异同,重复划分成块,最终得到实体识别结果。本发明通过上述方法,提供了一种算法运行效率适中、识别精度较高的实体识别方法。

    基于Merkle-tree的工业生产数据实体识别方法

    公开(公告)号:CN109783698A

    公开(公告)日:2019-05-21

    申请号:CN201910035568.X

    申请日:2019-01-15

    Applicant: 辽宁大学

    Abstract: 基于Merkle-tree的工业生产数据实体识别方法,步骤为:1)针对工业生产数据的浮动性,利用矩阵及向量的性质,对数据进行相应的标准化处理,确保同一实体的数值型属性值相同;2)计算各属性列的信息熵,获取属性敏感度强弱信息,去除敏感度低的属性,将其余属性根据敏感度降序排序;3)提出一种链式结构,称作“St-Chain”,基于St-Chain进行渐进式哈希编码,将哈希值相同的实体划分到同一块中;4)对于步骤3)中得到的结构,继续计算各元组中后续属性的哈希值,根据哈希值异同,重复划分成块,最终得到实体识别结果。本发明通过上述方法,提供了一种算法运行效率适中、识别精度较高的实体识别方法。

    一种应用于海量不完整数据的压缩优化方法

    公开(公告)号:CN106598492B

    公开(公告)日:2019-04-09

    申请号:CN201611081153.9

    申请日:2016-11-30

    Applicant: 辽宁大学

    Abstract: 本发明涉及一种应用于海量不完整数据的压缩优化方法,包括硬优化方法、软优化方法;该方法通过将海量不完整数据的压缩与传统粗糙理论相集合,并对其中的方法进行改进,利用其对不完整数据压缩过程中的属性进行属性重要性以及属性综合权重进行计算。同时在属性综合权重的基础上设计一种新的不完整数据集中属性值字段的编码方式。该方法提高海量不完整数据的压缩效率,减少海量不完整数据的存储空间,能够在减少冗余的前提下实现海量不完整数据的高效率压缩。它适应于海量不完整数据的减冗余压缩。

    面向电子政务的跨链数据查询及共识优化方法

    公开(公告)号:CN114238504A

    公开(公告)日:2022-03-25

    申请号:CN202111524126.5

    申请日:2021-12-14

    Applicant: 辽宁大学

    Abstract: 面向电子政务的跨链数据查询及共识优化方法,步骤为:1)针对M个地市级政府部门,构建M个子区块链系统并对系统中的节点进行角色划分;2)构建存储M条子链全量业务数据摘要的政务协同主链,子链代表节点负责维护主链并将子链业务数据生成可公开的数据摘要上传到主链中;3)根据摘要数据的索引字段与数据存储位置进行关联,生成主链摘要数据的快速索引表,并持久化到索引数据库中;4)对数据量庞大的主链进行分片存储,分片过程中使用BP神经网络分类器,以节点对区块的最大查询概率为目标对主链区块进行分类处理;5)在跨链数据交互过程中,使用基于动态规划算法的共识决策器选取可降低政务跨链双方共识时延的最优共识机制C,对交易数据的验证及自动更新达成共识。本发明通过上述方法,提升了提供了一种面向电子政务的跨链数据查询及共识优化方法,有效提升了政府各部门跨链数据共享的数据查询效率并实现了政务跨链协同操作过程中的共识时延优化。

    一种高维不完整数据特征选择方法

    公开(公告)号:CN107220346B

    公开(公告)日:2021-04-30

    申请号:CN201710388939.3

    申请日:2017-05-27

    Abstract: 一种高维不完整数据特征选择方法,涉及如下步骤:(1)判断初始数据是否为完整数据;若为不完整数据,则转到步骤(2);若为完整数据,则转到步骤(3);步骤(2):假设现在有各个维度的数据,用1表示该数据项是完整的,用0表示该数据项是缺失的.计算每个维度的缺失率,接着计算缺失熵:依次算出每个维度的缺失熵;对结果进行加权平均;步骤(3):在高维数据中进行特征选择时,通过比较原始数据矩阵的相关矩阵和随机矩阵在奇异值上的差异,对相关矩阵进行去噪。得到去噪后的相关矩阵和选择特征的数量,再进行奇异值分解,通过分解矩阵获得特征与类的相关性,根据特征与类的相关性和特征之间冗余性完成特征选择。

    一种基于海量不完备数据集的skyline偏好查询方法

    公开(公告)号:CN106844419B

    公开(公告)日:2020-03-03

    申请号:CN201611081151.X

    申请日:2016-11-30

    Applicant: 辽宁大学

    Abstract: 本发明涉及一种基于海量不完备数据集的skyline偏好查询方法,本方法根据用户偏好按属性重要程度将不完备数据集IS进行投影,对于投影得到的两个数据集IS’和IS”分别进行严格聚类和松散聚类,聚类后分别执行两种不同的skyline偏好查询算法,分别得到基于严格聚类的skyline结果集SSRS和基于松散聚类的skyline结果集RSRS,最后执行一次基于信息熵计算的skyline偏好查询结果选择策略,得到满足用户偏好的skyline查询结果集。有效解决了在海量不完备数据集上提取个性化信息的问题并提高了skyline查询算法在海量不完备数据集上的效率。

    一种基于近邻密度和流形距离的聚类方法

    公开(公告)号:CN109271427A

    公开(公告)日:2019-01-25

    申请号:CN201811208454.2

    申请日:2018-10-17

    Applicant: 辽宁大学

    Abstract: 一种基于近邻密度和流形距离的聚类方法,步骤为:1)根据改进信息熵计算每个特征的权重);2)根据加权欧氏距离计算每个样本的近邻密度,并依据近邻密度选取中心点;3)计算步骤2得到的数据集中的每个样本的欧式距离,并构建邻接图;4)计算邻接图中每两点之间的流形距离,组成流形距离矩阵;5)选取k个初始聚类中心,将每一个点归入与其流形距离最小的聚类中心所代表的聚类;6)更新聚类中心,然后重复步骤5直到聚类中心不再发生变化或者达到迭代次数上限。本发明通过上述方法,提供了一种算法运行效率高、聚类精度好的聚类方法。

    一种基于海量不完备数据集的skyline偏好查询方法

    公开(公告)号:CN106844419A

    公开(公告)日:2017-06-13

    申请号:CN201611081151.X

    申请日:2016-11-30

    Applicant: 辽宁大学

    Abstract: 本发明涉及一种基于海量不完备数据集的skyline偏好查询方法,本方法根据用户偏好按属性重要程度将不完备数据集IS进行投影,对于投影得到的两个数据集IS’和IS”分别进行严格聚类和松散聚类,聚类后分别执行两种不同的skyline偏好查询算法,分别得到基于严格聚类的skyline结果集SSRS和基于松散聚类的skyline结果集RSRS,最后执行一次基于信息熵计算的skyline偏好查询结果选择策略,得到满足用户偏好的skyline查询结果集。有效解决了在海量不完备数据集上提取个性化信息的问题并提高了skyline查询算法在海量不完备数据集上的效率。

    一种应用于海量不完整数据的压缩优化方法

    公开(公告)号:CN106598492A

    公开(公告)日:2017-04-26

    申请号:CN201611081153.9

    申请日:2016-11-30

    Applicant: 辽宁大学

    CPC classification number: G06F3/0608 G06F3/064 G06F17/30094 G06F17/30132

    Abstract: 本发明涉及一种应用于海量不完整数据的压缩优化方法,包括硬优化方法、软优化方法;该方法通过将海量不完整数据的压缩与传统粗糙理论相集合,并对其中的方法进行改进,利用其对不完整数据压缩过程中的属性进行属性重要性以及属性综合权重进行计算。同时在属性综合权重的基础上设计一种新的不完整数据集中属性值字段的编码方式。该方法提高海量不完整数据的压缩效率,减少海量不完整数据的存储空间,能够在减少冗余的前提下实现海量不完整数据的高效率压缩。它适应于海量不完整数据的减冗余压缩。

Patent Agency Ranking