-
公开(公告)号：CN110188194A
公开(公告)日：2019-08-30
申请号：CN201910354263.5
申请日：2019-04-26
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于多任务学习模型的假新闻检测方法及系统。在一个实施例中：采用多任务学习模型，对待检测新闻的真实性检测和主题分类这两个任务进行联合训练，并同时返回所述待检测新闻的真实性以及所述待检测新闻的所属主题。本发明实施例的教导，能够同时检测出新闻的真实性以及新闻的所属主题，且提高了假新闻检测和主题分类的准确性。
-
公开(公告)号：CN110113098A
公开(公告)日：2019-08-09
申请号：CN201910389534.0
申请日：2019-05-10
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
IPC: H04B10/079 , H04L12/26 , H04B10/70 , H04L9/08
Abstract: 一种面向量子密钥分发系统的误码估计方法及装置，在保证误码估计精度的前提下减少暴露误码估计环节信息量，本发明根据量子比特误码率e，计算误码估计校验块的最优块长L： 其中，表示求整数，α表示修正因子；再根据计算的最优块长选择校验块参与奇偶校验位误码估计：如果 则从 个校验块中随机抽取 个进行奇偶校验位误码估计；如果 则 个校验块全部参与奇偶校验位误码估计；η表示暴露信息比，N表示误码估计数据总长度。
-
公开(公告)号：CN109921904A
公开(公告)日：2019-06-21
申请号：CN201910348801.X
申请日：2019-04-28
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L9/08
Abstract: 本发明提供了一种基于经典-量子极化信道的高效量子密钥分发系统，包括发送方和接收方，所述发送方包括量子信道参数估计模块、极化码构造模块、极化码编码模块、量子比特制备模块、量子比特传输模块、量子比特筛选模块、安全性检测模块以及最终密钥生成模块，所述接收方包括量子信道参数估计模块、极化码构造模块、量子比特传输模块、量子比特筛选模块、安全性检测模块、极化码译码模块以及最终密钥生成模块。本发明还提供了一种基于经典-量子极化信道的高效量子密钥分发方法。本发明的有益效果是：通过在传输前对所传密钥进行极化码预编码，充分利用了极化码的信道容量可达特性和纠错能力，提高了通信过程中最终安全密钥的生成速率。
-
公开(公告)号：CN109284411A
公开(公告)日：2019-01-29
申请号：CN201810402753.3
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及图像数据处理领域，特别涉及一种基于有监督超图离散化图像二值编码方法。该方法包括以下步骤：S1.假设一个由n幅图像组成训练集，将训练集所有样本通过学习哈希函数映射到汉明空间的二值化哈希码；S2.定义一个线性多分类模型，采用优化函数对离散化变量进行优化，得出第一目标函数；S3.采用超图对数据哈希码之间的距离度量一致性进行约束，得出第二目标函数；S4.整合第一目标函数和第二目标函数，得到完整的目标函数，采用“位循环坐标下降方法”学习哈希码矩阵，并通过迭代运算优化目标函数。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN108510559A
公开(公告)日：2018-09-07
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1. 假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2. 基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3. 基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4. 基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5. 优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107784663A
公开(公告)日：2018-03-09
申请号：CN201711124878.6
申请日：2017-11-14
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于深度信息的相关滤波跟踪方法及装置，其方法包括：基于深度图的图像分割技术，自适应性量化深度信息，得到深度图像分割结果；利用深度图像分割结果，根据不同场景构建相应的三维空间模型的分层结构；利用分层结构，并结合核相关滤波跟踪算法处理目标尺度变化及检测遮挡。本发明一方面过滤前景和背景信息减少跟踪的干扰因素，结合成熟的图像特征提取技术；另一方面这样的分层结构简化了深度信息的使用方法，使得处理目标尺度变化以及检测遮挡更为容易。结合核相关滤波跟踪算法实现了使用二维表观模型在空间结构下的跟踪方法，能够有效应对遮挡和处理目标尺度变化，提高视觉跟踪效果。
-
公开(公告)号：CN107145792A
公开(公告)日：2017-09-08
申请号：CN201710225047.1
申请日：2017-04-07
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F21/6245 , G06K9/6218 , H04L63/0428 , H04L67/10
Abstract: 本发明提供一种基于密文数据的多用户隐私保护数据聚类方法及系统，属于数据挖掘技术领域。本发明方法包括步骤：两个以上用户发送各自加密后的数据和聚类中心点、陷门信息给服务器；服务器计算密文数据点和聚类中心点的距离，并划分聚类；服务器将每个聚类中不同的用户的数据点分别进行相加，并将数据的总和及个数分别发送给用户；用户将收到的数据总和及个数重新加密后发送给服务器；服务器计算新的聚类中心点，并将新的聚类中心点发送给各个用户；各个用户通过外包隐私保护平均数计算协议共同计算每个聚类中数据点距离聚类中心点的平均值，然后发送给服务器，进行下次迭代。本发明大大提高了聚类效率；实现半诚实模型下的安全计算，同时可以抵抗一定程度上的合谋攻击。
-
公开(公告)号：CN107145791A
公开(公告)日：2017-09-08
申请号：CN201710224275.7
申请日：2017-04-07
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F21/6245 , G06K9/6223 , H04L63/0428 , H04L67/10
Abstract: 本发明提供一种具有隐私保护的K‑means聚类方法及系统，属于数据挖掘技术领域。本发明包括如下步骤：数据拥有者A和B加密各自的数据和随机选择的质心点，上传至服务器；服务器通过安全乘法协议和安全距离计算协议在密文数据中计算数据点到质心点的欧氏距离，并将数据点归类；服务器、数据拥有者A和B通过安全电路协议共同在密文数据中重新计算新的质心点；数据拥有者A或B通过安全比较协议判断新的质心点与原质心点的距离，如果小于阈值，结束分类，数据拥有者A和B请求服务器将分类好的数据分别发送给数据拥有者A和B，否则，重新上传新的质心点，进行下一轮迭代。本发明在保证数据隐私安全的同时保证了数据挖掘结果的正确性；支持数据存储外包和数据计算外包，在保证正确性的同时，执行效率也大幅度提升；支持三个参与方中最多一方为恶意方的安全计算。
-
公开(公告)号：CN116383488A
公开(公告)日：2023-07-04
申请号：CN202310260656.6
申请日：2023-03-10
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9535 , G06F17/16 , G06N20/20 , G06F21/62
Abstract: 本发明公开了一种基于本地差分隐私的以用户为中心的推荐方法及系统，所述方法包括：云服务器生成项目矩阵，并将所述项目矩阵发送给客户端；所述客户端根据本地评分数据集生成用户矩阵和用户平均评级向量，然后获取第一梯度、第二梯度和第三梯度并对所述第二梯度进行差分隐私处理，得到目标梯度；所述云服务器根据所述目标梯度更新所述项目矩阵；所述客户端获取更新后的所述项目矩阵并重新执行获取第一梯度、第二梯度和第三梯度的步骤，直至满足目标收敛条件。本发明提出的基于本地差分隐私的以用户为中心的推荐方法，通过将用户平均评分数据引入矩阵分解模型中，使得评分预测更加准确，实现了以用户为中心的推荐方法。
-
公开(公告)号：CN115767108A
公开(公告)日：2023-03-07
申请号：CN202211285499.6
申请日：2022-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: H04N19/91 , H04N19/147 , H04N19/124
Abstract: 本发明公开了一种基于特征域匹配的分布式图像压缩方法、系统，所述方法包括：获取主图像量化采样信号，并将所述主图像量化采样信号通过单一深度解码器处理获得初步重构图像和解码主信息特征；再使用单一深度图像压缩模型获得边信息图像的无损边信息特征和解码边信息特征；接着对解码主信息特征和解码边信息特征进行相关性匹配，并选取无损边信息特征进行特征域相关块对齐操作获得匹配特征；最后使用特征融合网络对初步重构图像和匹配特征进行迭代融合获得最终重构图像。本实施例通过基于特征域多尺度块匹配方法取得更好的率失真表现。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.062 seconds)
