-
公开(公告)号：CN108537380B
公开(公告)日：2022-03-25
申请号：CN201810304089.9
申请日：2018-04-04
Applicant: 福州大学
Abstract: 本发明涉及一种基于稀疏表示的电力负荷预测方法，包括以下步骤：通过电力公司获取真实电力负荷数据，对数据进行预处理得到，包括数据缺失、数据异常和数据归一化等具体操作等处理；通过拼接基础字典、单位矩阵字典和外部因素字典，使其构成过完备字典，过完备字典包括用于求解稀疏系数向量的训练字典和用于预测未来电力负荷的测试字典两部分；根据预处理的电力负荷数据和的训练字典使用正交匹配追踪OMP算法来求解系数向量；结合测试字典和稀疏系数向量来预测未来的电力负荷。该方法在真实存在的电力负荷数据集的基础上，可以有效地预测未来的电力负荷，在添加外部因素的条件下，可以显著地提高负荷预测的精度。
-
公开(公告)号：CN112583575A
公开(公告)日：2021-03-30
申请号：CN202011413354.0
申请日：2020-12-04
Abstract: 本发明提供一种车联网中基于同态加密的联邦学习隐私保护方法，将基于同态加密的联邦学习引入车联网中，通过改进具有加法同态行的Paillier算法和具有乘法同态性的RSA算法，并结合AES算法和步长混淆的方式，同时采用分层加密技术，使加法同态在边缘端完成，而乘法同态在云端完成以提高加密效率，从而有效防止联邦学习恶意攻击，并有效降低加密导致的延迟的方法；该发明可以应用在车联网中进行隐私保护将联邦学习引入IoV中以解决用户隐私泄露问题。为了进一步地增强数据安全性，在联邦学习中引入高效的同态加密；而且改进了具有加法同态性的Paillier算法和具有乘法同态性的RSA算法，并结合AES算法和步长混淆的方式，构建一个具有全同态加密性的联邦学习架构。
-
公开(公告)号：CN112181971A
公开(公告)日：2021-01-05
申请号：CN202011166681.0
申请日：2020-10-27
IPC: G06F16/215 , G06F16/242 , G06F16/2455 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于边缘的联邦学习模型清洗和设备聚类方法、系统、设备和可读存储介质，方法包括：根据设备所在的局域网地址，对设备聚类，将在每个局域网部署一个移动边缘节点服务器；参与训练的终端设备接收到云端发来的全局模型，在本地数据上训练得到本地更新模型；计算终端设备本地更新模型参数与全局模型参数间的余弦相似度；判定所述余弦相似度是否大于设定阈值，若余弦相似度大于设定阈值的本地更新模型，传输到移动边缘节点服务器参与边缘聚合，得到簇模型；将局域网的簇模型发送到云端参与全局聚合，得到全局聚合模型。本发明提出的方法能够在减少不必要的通信开销和避免服务器高并发访问带来的传输延迟的情况下提高联邦学习通信效率的方法。
-
Patent Agency Ranking
公开(公告)号：CN109521447A
公开(公告)日：2019-03-26
申请号：CN201811363492.5
申请日：2018-11-16
Applicant: 福州大学
IPC: G01S19/24
Abstract: 本发明涉及一种基于贪心策略的失踪目标搜索方法。将连续的历史GPS轨迹数据转变成离散的位置点序列，计算目标位置转移概率矩阵，而后评估出找到目标的单位搜索代价；根据转移概率矩阵和评估的搜索代价计算“代价时跨比”、“概率代价比”，基于贪心策略遍历代价时跨比、概率代价比确定搜索时刻、待搜索位置的序列；重复上述过程，直到搜索时刻为目标时刻，输出目标位置。本发明方法利用历史轨迹数据，估测搜索时刻评估指标——期望的代价时跨比，和搜索位置评估指标——期望的概率代价比，来启发式确定搜索时刻和搜索位置，有效地降低了找到目标指定时刻所在位置的搜索代价。
-
公开(公告)号：CN108537380A
公开(公告)日：2018-09-14
申请号：CN201810304089.9
申请日：2018-04-04
Applicant: 福州大学
Abstract: 本发明涉及一种基于稀疏表示的电力负荷预测方法，包括以下步骤：通过电力公司获取真实电力负荷数据，对数据进行预处理得到，包括数据缺失、数据异常和数据归一化等具体操作等处理；通过拼接基础字典、单位矩阵字典和外部因素字典，使其构成过完备字典，过完备字典包括用于求解稀疏系数向量的训练字典和用于预测未来电力负荷的测试字典两部分；根据预处理的电力负荷数据和的训练字典使用正交匹配追踪OMP算法来求解系数向量；结合测试字典和稀疏系数向量来预测未来的电力负荷。该方法在真实存在的电力负荷数据集的基础上，可以有效地预测未来的电力负荷，在添加外部因素的条件下，可以显著地提高负荷预测的精度。
-
公开(公告)号：CN106599254A
公开(公告)日：2017-04-26
申请号：CN201611189560.1
申请日：2016-12-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于贪心策略的群智感知参与者选择方法，包括以下步骤：步骤S1：通过原始数据库，获取每个用户在各个周期所覆盖的目标点的集合；步骤S2：利用贪心策略选取一个用户集，保证目标点在第一个覆盖周期满足覆盖要求；步骤S3：用步骤S2中得到的用户集来对下一个覆盖周期进行覆盖，记录各点的覆盖次数情况；步骤S4：对步骤S3中未满足覆盖次数要求的点，继续用贪心策略选取用户，加入到原来的用户集，直到所有点都满足覆盖次数要求；步骤S5：重复步骤S3和S4中的步骤，直到最后一个覆盖周期也满足覆盖要求。该方法在给定用户地点签到信息数据集的基础上，有效求解出比较理想的用户集合，在给定代价的情况下完成有时空限制的群智感知任务。
-
公开(公告)号：CN104867015A
公开(公告)日：2015-08-26
申请号：CN201510203387.5
申请日：2015-04-27
Applicant: 福州大学
IPC: G06Q30/00
Abstract: 本发明涉及一种基于用户移动预测的物品递送者推荐方法，该方法包括以下步骤：1、数据采集并整理：从移动用户的原始GPS数据中提取出有意义的地点，并对这些地点进行聚类，得到用户感兴趣的场所同时生成相应的轨迹；2、候选人选取：根据社交网络中用户间的关系程度，提取递送者的候选集；3、用户会面预测：通过用户历史轨迹的概率统计，计算用户和他朋友间会面的概率；4、用户位置预测：通过用户历史轨迹的概率统计，计算用户的朋友访问某个场所的概率；5、递送者推荐：计算用户的朋友在他们相遇之前访问某个场所的概率，并按其大小降序排列，选择前topK个朋友并展示出来。本发明为用户购物带来了方便。
-
公开(公告)号：CN104063516A
公开(公告)日：2014-09-24
申请号：CN201410332642.1
申请日：2014-07-14
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明涉及网络垃圾过滤技术领域，特别涉及一种基于分布式矩阵分解特征提取的社交网络垃圾过滤方法，包括以下步骤：步骤S1：构造社交网络用户-属性矩阵；步骤S2：基于分布式矩阵分解对所述社交网络用户-属性矩阵进行特征提取；步骤S3：对潜在特征向量进行分类，判断是否为社交网络垃圾。该方法有利于高效地过滤社交网络中的垃圾数据。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.018 seconds)
