-
公开(公告)号：CN118247590A
公开(公告)日：2024-06-25
申请号：CN202410463592.4
申请日：2024-04-17
Applicant: 西安交通大学
IPC: G06V10/77 , G06V10/44 , G06V10/764
Abstract: 本发明公开了一种基于稀疏非负矩阵的图像特征提取方法，将图像数据集中的图像进行向量化、归一化处理，按列组成由图片像素值大小决定的非负矩阵，将非负矩阵分解成基图像矩阵W和系数矩阵H，利用最小化l0范数或矩阵稀疏度作为约束条件，在矩阵分解模型中引入稀疏项，获得稀疏非负矩阵分解模型，并将其作为目标函数，通过将梯度引入双层连续时间优化模型并考虑到问题的双凸特性，固定一个变量的同时优化另一个变量，找到的最优解作为最优系数矩阵H，即提取得到的最优图像特征。本发明能够显著减少存储空间的需求，减少所需的计算时间，大幅提高数据处理的速度，并使得数据分析和解释更加直观，提高模型的可解释性，从而有助于图像识别。
-
公开(公告)号：CN114254764B
公开(公告)日：2024-04-05
申请号：CN202111620457.9
申请日：2021-12-27
Applicant: 西安交通大学
IPC: G06N20/00
Abstract: 本发明属于机器学习领域，公开了一种基于反馈的机器学习模型搜索方法、系统、设备及介质，包括获取初始机器学习模型参数，并根据初始机器学习模型参数构建初始机器学习模型；通过预设的训练数据集训练初始机器学习模型，得到初始机器学习模型的训练反馈数据和训练得分；确定当前最优机器学习模型，获取当前最优机器学习模型的训练反馈数据，并根据当前最优机器学习模型的训练反馈数据，得到当前最优机器学习模型的搜索操作；判断是否满足预设的终止条件，不满足时根据当前最优机器学习模型和搜索操作，修改当前最优机器学习模型并作为初始机器学习模型重复上述步骤；满足时输出当前最优机器学习模型，极大的提升了机器学习模型搜索效率。
-
公开(公告)号：CN114254763B
公开(公告)日：2024-04-05
申请号：CN202111620425.9
申请日：2021-12-27
Applicant: 西安交通大学
IPC: G06N20/00
Abstract: 本发明属于机器学习领域，公开了一种机器学习模型修复方法、系统、计算机设备及存储介质，包括：S1：获取待训练的机器学习模型；S2：通过预设的训练集训练机器学习模型，并获取训练过程中机器学习模型的预设监控指标数据；S3：根据获取的预设监控指标数据，判断机器学习模型是否存在训练问题；S4：当机器学习模型不存在训练问题时，输出当前机器学习模型并结束修复；S5：当机器学习模型存在训练问题时，依次选取预设的训练问题修复策略集合中的训练问题修复策略，并且每选取一训练问题修复策略均进行修复步骤：根据选取的训练问题修复策略修复机器学习模型，并重复S2～S4。该方法工作效率高，复杂度低，可以有效检测并修复训练问题，减少人工成本。
-
公开(公告)号：CN113094975B
公开(公告)日：2024-04-05
申请号：CN202110304069.3
申请日：2021-03-22
Applicant: 西安交通大学
Abstract: 本发明属于智能电网安全领域，公开了一种智能电网节点脆弱性的评估方法、系统、设备及存储介质，包括：获取智能电网的网络拓扑；根据智能电网的网络拓扑，得到智能电网各节点的关联重要度、位置重要度、中介中心度、节点删除法下的网络连通性损失、节点嵌入向量及拓展中介中心度；根据智能电网各节点的关联重要度、位置重要度、中介中心度、节点删除法下的网络连通性损失、节点嵌入向量及拓展中介中心度，构建智能电网各节点的特征向量；将智能电网各节点的特征向量输入预设的基于机器学习分类器的脆弱性分析模型，得到智能电网各节点的脆弱性。对节点脆弱性的分析准确率大大提高，不再依赖于复杂的故障模型，具有很强的扩展性，降低计算复杂度。
-
公开(公告)号：CN113450183B
公开(公告)日：2024-03-29
申请号：CN202110662019.2
申请日：2021-06-15
Applicant: 西安交通大学
Abstract: 本发明属于电力交易领域，公开了一种基于区块链的电动汽车P2P电力交易方法、系统及设备，包括：根据电动汽车的电力交易范围，在各电力交易区域内求解基于电动汽车收益最大化的多目标优化问题，得到各电力交易区域的能源分配方案集，模拟各电力交易区域间的交易竞争，得到各电力交易区域的能源报价及电动汽车能源需求量；获取电动汽车与各电力交易区域的地理距离，根据电动汽车与各电力交易区域的地理距离以及各电力交易区域的能源报价，确定电动汽车的电力交易区域；根据电动汽车的电力交易区域的电动汽车能源需求量选取能源分配方案，根据能源分配方案进行电力交易。适用于实际电力交易市场，提升了电力交易方法的实用性，实现多方利益的最大化。
-
Patent Agency Ranking
公开(公告)号：CN116092153A
公开(公告)日：2023-05-09
申请号：CN202211559712.8
申请日：2022-12-06
Applicant: 西安交通大学
IPC: G06V40/16 , G06V10/82 , G06V10/80 , G06N3/08 , G06N3/0464
Abstract: 本发明属于图像处理领域，公开了一种深度伪造换脸图像生成方法、系统、设备及存储介质，包括：获取源人脸图像和目标人脸图像；调用预设的人脸编码器，得到源人脸图像的风格空间下的潜向量；以及目标人脸图像的风格空间下的潜向量、姿态空间下的潜向量及人脸区域掩码图像；调用预设的潜向量选择器得到初步交换潜向量；调用预设的人脸属性稳定器得到交换潜向量；调用预设的人脸生成器得到初步换脸图像；最后根据初步换脸图像、目标人脸图像及目标人脸图像的人脸区域掩码图像调用预设的面部融合器进行融合得到换脸图像。有效提升了换脸图像的图像质量，缩小与真实图像之间的差距。
-
公开(公告)号：CN113807541B
公开(公告)日：2023-04-14
申请号：CN202111095511.2
申请日：2021-09-17
Applicant: 西安交通大学
Abstract: 本发明属于机器学习领域，公开了一种决策系统的公平性修复方法、系统、设备及存储介质，包括获取决策系统的机器学习模型以及若干决策样本，根据各决策样本下决策系统的机器学习模型的激活路径统计，将决策样本分为特殊激活样本和正常决策样本，当决策样本为正常决策样本时，基于机器学习模型的原始训练方式训练机器学习模型；当决策样本为特殊激活样本时，基于Dropout训练方式训练机器学习模型；遍历完成后，得到优化机器学习模型；采用优化机器学习模型替代决策系统的机器学习模型，得到修复的决策系统。可以检测和修复潜在的评分决策机器学习系统的公平性问题。经过修复的决策系统公平性表现有了明显提高，不再表现出对敏感属性的明显歧视性。
-
公开(公告)号：CN115393675A
公开(公告)日：2022-11-25
申请号：CN202211138059.8
申请日：2022-09-19
Applicant: 西安交通大学
IPC: G06V10/776 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于深度学习安全领域，公开了一种深度学习模型的对抗鲁棒性测评方法及相关装置，包括获取与待测评深度学习模型功能相同的预训练量化替代模型；获取预训练量化替代模型的类型，并根据预训练量化替代模型的类型，在预训练量化替代模型中引入随机量化操作，得到预处理替代模型；获取若干图像样本，并根据预处理替代模型，通过迁移对抗攻击算法得到若干对抗图像样本；将若干对抗图像样本输入至待测评深度学习模型，得到若干对抗图像样本的输出，并根据若干对抗图像样本的输出，得到待测评深度学习模型的对抗鲁棒性测评结果。通过引入随机量化操作实现对抗样本迁移性的提升，能够最大限度地暴露对抗样本安全风险，提升对抗鲁棒性测评的可靠性。
-
公开(公告)号：CN112733027B
公开(公告)日：2022-10-25
申请号：CN202110026008.5
申请日：2021-01-08
Applicant: 西安交通大学
IPC: G06F16/9535 , G06F16/958 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于局部和全局表示模型联合学习的混合推荐算法，包括：采用实体链接，将项目与外部知识图谱中的实体进行链接，获取其中的文本描述内容和异构关系分别作为局部和全局信息；构建知识补足嵌入网络作为局部模型；构建知识感知图卷积神经网络作为全局模型；分别将用户和项目在局部和全局嵌入空间中的表示信息进行整合，并将整合的结果作为特征输入多层感知机进行预测，输出所需结果，完成联合学习过程。本发明算法能够在不同角度下捕获用户对项目的偏好信息，进而有效地对用户点击概率进行预测，预测结果准确率高、误差小，能够应用于各类推荐场景，有很高的实用价值。
-
公开(公告)号：CN114841316A
公开(公告)日：2022-08-02
申请号：CN202210439506.7
申请日：2022-04-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于循环神经网络和差分自编码器的异常轨迹检测方法及系统，包括：对采集到的原始轨迹数据进行分段，获取分段后的轨迹数据；将目标地图划分为若干个网格，对分段后的轨迹数据进行离散化处理，获取离散化轨迹数据；对离散化轨迹数据进行划分，获取训练集和测试集；基于循环神经网络和差分自编码器，构建异常轨迹检测模型；将训练集输入到异常轨迹检测模型中进行训练，获取最优化的异常轨迹检测模型；将测试集输入到最优化的异常轨迹检测模型中，获取轨迹的异常分数；基于异常分数，判断轨迹是否异常。本发明能够通过生成模型对车辆的轨迹信息进行编码，探索轨迹异常在潜在空间中的表现形式，并对异常进行判别，提高检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.076 seconds)
