-
公开(公告)号：CN113486395B
公开(公告)日：2024-07-23
申请号：CN202110748781.2
申请日：2021-07-02
Applicant: 南京大学
IPC: G06F21/62
Abstract: 本发明公开了一种采用多元信息融合的科研数据匿名化方法及系统。所述方法包括：通过学者基本学术行为、同行评议和项目评审多元数据获取学者交互列表，并学习学者交互列表向量表示；利用学得的学者交互向量序列，使用自注意力机制获取学者交互序列之间关系，提取学者交互所包含敏感特征的特征敏感度向量；根据学者个人信息、学术影响力特征信息的不同，自适应的调整特征敏感度向量；将调整后的特征敏感度向量，连同项目信息和论文信息一起作为全连接预测层输入向量，给出基于K‑匿名的多维敏感度最佳K值。本发明增加了模型在预测敏感度过程和模型训练过程中的可利用信息，提升科研数据的匿名效果，实现科研数据多维敏感度和细粒度的匿名化方法。
-
公开(公告)号：CN112231582B
公开(公告)日：2023-11-21
申请号：CN202011249317.0
申请日：2020-11-10
Applicant: 南京大学
IPC: G06F16/9535 , G06F16/958 , G06N3/0455 , G06N3/08
-
公开(公告)号：CN116340776A
公开(公告)日：2023-06-27
申请号：CN202310349416.3
申请日：2023-04-04
Applicant: 南京大学
IPC: G06F18/214 , G06F16/9035 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于带噪学习的电力使用行为模式识别方法及设备，所述方法包括：通过基于Adjmatch的带噪学习的方法，对家庭每日用电记录数据进行筛选，将每日用电记录数据分为干净数据和带噪数据两部分，使用半监督的方式进行训练，引入类别先验信息对损失函数进行修正，并基于对比学习的技术，通过两种对比损失函数来增强神经网络对带有噪声标签的每日用电记录数据的模式识别能力。本发明通过对家庭每日用电记录进行分析，识别出对应的用电模式。与常规的基于深度学习的电力使用行为模式识别方法相比，可有效降低噪声标签对识别精度带来的负面效应，从而提高模式识别的准确率。
-
公开(公告)号：CN113988464A
公开(公告)日：2022-01-28
申请号：CN202111362895.X
申请日：2021-11-17
Applicant: 国家电网有限公司客户服务中心 , 南京大学 , 国网江苏省电力有限公司信息通信分公司 , 国网电力科学研究院有限公司
Abstract: 本发明公开了一种基于图神经网络的网络链路属性关系预测方法及设备。所述方法包括：将网络数据映射为对应的拓扑图结构，并得到拓扑图结构的节点属性矩阵；基于拓扑图结构获取无权重拓扑图结构的邻接矩阵，基于节点属性矩阵获取带权重拓扑图结构的邻接矩阵；根据无权重拓扑图结构的邻接矩阵，经过包含集成更新的传播机制生成节点的空间嵌入向量；根据拓扑图结构的节点属性矩阵和带权重拓扑图结构的邻接矩阵，经过包含集成更新的传播机制生成节点的属性嵌入向量；将空间嵌入向量和属性嵌入向量进行拼接，得到合成嵌入向量；将合成嵌入向量输入节点对关系提取器，最终得到节点之间的链路关系预测结果。本发明可提高网络链路属性关系预测的性能。
-
公开(公告)号：CN113194493A
公开(公告)日：2021-07-30
申请号：CN202110490184.4
申请日：2021-05-06
Applicant: 南京大学
Abstract: 本发明公开了一种基于图神经网络的无线网络数据缺失属性恢复方法及装置。所述方法包括：将无线网络数据映射成对应的拓扑图结构，依次将存在缺失属性的样本数据映射为拓扑图结构中的节点的属性向量；根据节点的属性向量获取拓扑图结构的邻接矩阵；利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵；基于属性向量和稀疏化邻接矩阵，利用图神经网络模型进行学习，输出经过重构后恢复的属性向量。本发明方法使用基于图自动编码器的属性恢复框架，采用基于策略梯度的图神经网络学习算法，直接对无线网络数据的属性恢复问题进行建模和学习，充分利用了无线网络数据中相关性，从而提高无线网络数据恢复的属性的性能。
-
Patent Agency Ranking
公开(公告)号：CN110690995B
公开(公告)日：2021-04-30
申请号：CN201910937198.9
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种基于多变量时间序列预测的鲁棒性异常检测方法和设备，方法包括：获取互联网服务性能历史数据，构建多变量时间序列；通过小波变换将多变量时间序列分解为多个子分量，并去噪滤除噪音；将滤除噪音后的子分量输入到LSTM网络中，并训练网络，得到LSTM分量预测模型；根据LSTM分量预测值构建线性回归模型，并利用历史数据估计线性参数；将新产生的互联网服务性能数据输入LSTM分量预测模型，将得到的子分量预测值输入线性回归模型中，计算得到互联网服务性能时间序列的预测值；当计算得到的预测值与真实值的误差值大于预设的异常阈值时，判断为互联网服务出现异常。本发明可提高互联网服务性能检测准确度和鲁棒性。
-
公开(公告)号：CN107135268B
公开(公告)日：2020-02-18
申请号：CN201710366310.9
申请日：2017-05-22
Applicant: 南京大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤：用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
公开(公告)号：CN110287658A
公开(公告)日：2019-09-27
申请号：CN201910537874.3
申请日：2019-06-20
Applicant: 南京大学
IPC: G06F21/16
Abstract: 本发明提出了一种基于DirectX的数字水印生成方法，包括以下步骤：创建置顶窗口；调整透明度；进行颜色选择；嵌入水印图案。该方法通过分析人眼和手机摄像头成像原理的不同，在屏幕上以高帧率刷新具有颜色互补关系的图片，使得数字水印在不被人眼感知的同时可以被手机摄像头捕捉。为了轻量化和减少使用过程中调整的复杂度的需求，开发了一个在Windows平台使用的基于DirectX接口的应用程序，该程序在屏幕最顶层绘制出一个具有一定透明度的窗口，然后根据实际情况调整其颜色和透明度，并在窗口中循环展示嵌入信息的颜色互补的图片，最终实现把嵌入的水印图案实时添加到电子屏幕的顶层，并通过高速刷新的方法使得对人眼不可见。
-
公开(公告)号：CN110278149A
公开(公告)日：2019-09-24
申请号：CN201910537886.6
申请日：2019-06-20
Applicant: 南京大学
IPC: H04L12/707 , H04L12/863
Abstract: 本发明公开了基于深度强化学习的多路径传输控制协议数据包调度方法。在多路径传输控制协议(MPTCP)中，通过设置周期性的调度机制，将数据包调度过程转化为马尔可夫决策过程，并通过深度强化学习，用神经网络表示MPTCP的数据包调度策略，并且学出各种网络环境下的最优数据包调度策略。从根本上解决启发式MPTCP数据包调度无法适应复杂多样的动态网络环境导致MPTCP性能下降的问题。本发明方法使用Actor-Critic强化学习框架，采用基于策略梯度的深度强化学习算法，直接对MPTCP数据包调度策略进行建模和学习，从而提高策略优化效率，加速MPTCP数据包调度策略神经网络的训练。
-
公开(公告)号：CN110110805A
公开(公告)日：2019-08-09
申请号：CN201910403227.3
申请日：2019-05-15
Applicant: 南京大学
Abstract: 本发明公开了一种基于机器学习的动态二维码识别方法和设备，在已有动态二维码传输系统基础上，基于机器学习算法来识别二维码小方块的颜色。其中，发送方在发送原始的数据二维码之前会先生成和发送一些训练二维码，用于在接收方构建机器学习模型。接收方则从拍摄到的训练二维码中提取出颜色信息(特征)和数据(标签)，训练出机器学习模型，用于预测拍摄到的数据二维码中每个小方块颜色信息，从而还原数据并恢复传输的信息。和现有的动态二维码识别方法相比，本发明不仅降低了算法复杂度，而且提升动态二维码识别成功率，提升了系统性能。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.035 seconds)
