-
公开(公告)号：CN110417765B
公开(公告)日：2021-10-26
申请号：CN201910659292.2
申请日：2019-07-22
Applicant: 南京邮电大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于信任的托攻击用户的检测方法及系统，包括用户评分数据集建立模块、信任用户数据集建立模块、对信任用户数据集进行托攻击用户检测模块、对没有添加信任信息的用户进行托攻击用户检测模块、数据推荐模块，根据用户在信任网络下的行为特征，提出了托攻击用户在信任网络下的统计量特征维度，包含维度信任集群等级TCL、信任项目等级TPL、信任相似度等级TSL、全局一致度等级GCL。针对信任用户数据集，有效检测了托攻击用户。同时，对于未添加信任信息的托攻击用户，通过全局一致度等级GCL的计算，也达到了有效的检测。本发明增加了推荐系统在托攻击下的抵御能力，提升了推荐系统的鲁棒性，使得推荐结果不会受到托攻击的影响。
-
公开(公告)号：CN109359150A
公开(公告)日：2019-02-19
申请号：CN201811201027.1
申请日：2018-10-15
Applicant: 南京邮电大学
IPC: G06F16/25 , G06F16/27 , G06F16/215
Abstract: 一种分布式异构数据源主成份分析系统，所述系统包括：转换单元，适于将原始数据集转换为对应的分布式异构数据集；所述分布式异构数据集中的每个异构数据集分别具有对应的属性列数；判断单元，适于判断是否能够对所述分布式异构数据集进行主成份分析；分析单元，适于当确定能够对所述分布式异构数据集进行主成份分析时，对所述分布式异构数据集执行主成份分析，得到对应的分析结果。上述的方案，可以提高分布式异构数据源主成份分析的准确性和效率。
-
公开(公告)号：CN109241443A
公开(公告)日：2019-01-18
申请号：CN201811181114.5
申请日：2018-10-10
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q10/06 , G06Q10/10
Abstract: 一种基于预测值填充的项目推荐方装置，所述装置包括：获取单元，适于获取原始用户项目评分矩阵；填充单元，适于当确定所述原始用户项目评分矩阵为稀疏矩阵时，基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充，得到对应的填充矩阵；预测单元，适于基于所述填充矩阵，对目标用户的项目评分进行预测；推荐单元，适于根据预测得到的项目评分将对应的项目推荐给所述目标用户。上述的方案，可以提高项目推荐的准确性，提升用户的体验。
-
公开(公告)号：CN109241442A
公开(公告)日：2019-01-18
申请号：CN201811181074.4
申请日：2018-10-10
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q10/06 , G06Q10/10
Abstract: 一种基于预测值填充的项目推荐方法、可读存储介质和终端，所述方法包括：获取原始用户项目评分矩阵；当确定所述原始用户项目评分矩阵为稀疏矩阵时，基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充，得到对应的填充矩阵；基于所述填充矩阵，对目标用户的项目评分进行预测；根据预测得到的项目评分将对应的项目推荐给所述目标用户。上述的方案，可以提高项目推荐的准确性，提升用户的体验。
-
公开(公告)号：CN113934936B
公开(公告)日：2025-01-03
申请号：CN202111231289.4
申请日：2021-10-22
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06N5/022 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了融合知识图卷积网络和用户偏好的推荐算法，属于推荐算法领域，具体为：对输入数据进行预处理，得到交互矩阵和知识图谱；通过交互矩阵得到用户的历史点击对象，并在知识图谱中将与历史点击对象对应的用户节点的邻居信息进行融合，得到用户个性化特征；对知识图谱中物品的邻居信息进行聚合，得到物品个性化特征；对用户和物品的个性化特征进行联合特征提取，得到用户和物品的特征向量；对特征向量进行内积运算，通过预测函数以预测用户偏好。本发明用户的历史点击对象在知识图谱中的扩散获得用户个性化特征；通过聚合物品在知识图谱中邻居信息，得到物品个性化特征，通过用户和物品的个性化特征交替进行，从而提高推荐结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113642634B
公开(公告)日：2024-10-29
申请号：CN202110922894.X
申请日：2021-08-12
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084
Abstract: 一种基于混合注意力的阴影检测方法，包括如下步骤，步骤S1.获取用于训练系统的待处理公用阴影数据集;步骤S2.获取待检测图像；步骤S3.对数据集进行预处理获取对应的训练集与测试集；步骤S4.对待测图像进行预处理；步骤S5.搭建核心神经网络的各模块并进行融合，构建基于混合注意力机制的卷积神经网络；步骤S6.计算卷积神经网络预测与标签的损失，根据损失调整卷积神经网络的参数；步骤S7.将预处理后的待测图像输入到完全训练的卷积神经网络；步骤S8.输出阴影检测结果,对各像素进行阴影属性分类。该方法增加了跨通道维度间和全局阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。
-
公开(公告)号：CN109241442B
公开(公告)日：2022-03-11
申请号：CN201811181074.4
申请日：2018-10-10
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q10/06 , G06Q10/10
Abstract: 一种基于预测值填充的项目推荐方法、可读存储介质和终端，所述方法包括：获取原始用户项目评分矩阵；当确定所述原始用户项目评分矩阵为稀疏矩阵时，基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充，得到对应的填充矩阵；基于所述填充矩阵，对目标用户的项目评分进行预测；根据预测得到的项目评分将对应的项目推荐给所述目标用户。上述的方案，可以提高项目推荐的准确性，提升用户的体验。
-
公开(公告)号：CN113934936A
公开(公告)日：2022-01-14
申请号：CN202111231289.4
申请日：2021-10-22
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06N5/02 , G06N3/04
Abstract: 本发明公开了融合知识图卷积网络和用户偏好的推荐算法，属于推荐算法领域，具体为：对输入数据进行预处理，得到交互矩阵和知识图谱；通过交互矩阵得到用户的历史点击对象，并在知识图谱中将与历史点击对象对应的用户节点的邻居信息进行融合，得到用户个性化特征；对知识图谱中物品的邻居信息进行聚合，得到物品个性化特征；对用户和物品的个性化特征进行联合特征提取，得到用户和物品的特征向量；对特征向量进行内积运算，通过预测函数以预测用户偏好。本发明用户的历史点击对象在知识图谱中的扩散获得用户个性化特征；通过聚合物品在知识图谱中邻居信息，得到物品个性化特征，通过用户和物品的个性化特征交替进行，从而提高推荐结果的准确性。
-
公开(公告)号：CN113642634A
公开(公告)日：2021-11-12
申请号：CN202110922894.X
申请日：2021-08-12
Applicant: 南京邮电大学
Abstract: 一种基于混合注意力的阴影检测方法，包括如下步骤，步骤S1.获取用于训练系统的待处理公用阴影数据集;步骤S2.获取待检测图像；步骤S3.对数据集进行预处理获取对应的训练集与测试集；步骤S4.对待测图像进行预处理；步骤S5.搭建核心神经网络的各模块并进行融合，构建基于混合注意力机制的卷积神经网络；步骤S6.计算卷积神经网络预测与标签的损失，根据损失调整卷积神经网络的参数；步骤S7.将预处理后的待测图像输入到完全训练的卷积神经网络；步骤S8.输出阴影检测结果,对各像素进行阴影属性分类。该方法增加了跨通道维度间和全局阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。
-
公开(公告)号：CN108712777B
公开(公告)日：2021-04-02
申请号：CN201810219255.5
申请日：2018-03-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种考虑能量损耗的能量采集无线传输系统功率分配方法,具体步骤如下：建立优化模型，通过最优化方法解优化问题，根据存储效率和最优条件求出储能门限值和取能门限值之间的关系，计算出所有时刻的储能门限值和取能门限值，使得按照这两个门限值分配的功率满足因果限制条件，根据传输速率表达式、电路损耗功率值计算出能效最大化的最优功率值，把这个最优功率值也当成一个门限值，与前面线性搜索得到的门限值比较，根据不同情况调整功率值，经过两部分配后，对最后一个时隙的功率进行调整。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.03 seconds)
