-
公开(公告)号：CN116524228A
公开(公告)日：2023-08-01
申请号：CN202310220743.9
申请日：2023-03-08
Applicant: 天津仁爱学院
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/774
Abstract: 基于EMMLP高光谱遥感图像半监督分类方法、存储介质及设备，涉及一种高光谱遥感图像半监督分类方法、存储介质及设备。为了解决现有的高光谱遥感图像分类方法存在样本点没有得到分类的问题。本发明首先对高光谱图像进行降维处理；然后使用MMLP算法对降维后的图像进行初步分类，针对MMLP算法分类后没有得到类标签的样本，再使用MMLP二次分类算法，最后将MMLP二次分类算法分类后的结果，结合空间邻域信息对所有样本类别进行再次判断。本发明用于高光谱遥感图像的半监督分类。
-
公开(公告)号：CN116915396A
公开(公告)日：2023-10-20
申请号：CN202310802674.2
申请日：2023-06-30
Applicant: 天津仁爱学院
Abstract: 本发明涉及安全多方计算领域，且公开了恶意模型下的集合交集保密计算方法，设计了半诚实模型下的双方PSI协议，并分析了可能存在的恶意攻击行为，进而利用Paillier密码系统，运用分割‑选择和零知识证明等密码学工具，设计出恶意模型下PSI协议，运用理想‑实际范例证明了该协议在恶意模型下是安全的，与现有相关方案对比具有高效性。
-
Patent Agency Ranking
公开(公告)号：CN117763572A
公开(公告)日：2024-03-26
申请号：CN202310645949.6
申请日：2023-06-02
Applicant: 天津仁爱学院
IPC: G06F21/60 , G06F21/64 , G06F21/62 , G06Q30/0645 , G06Q30/08
Abstract: 本申请涉及一种基于区块链的抗恶意敌手保密投标拍卖方法，包括：发起者设置提交截止时间，参与者进行注册；在提交截止时间之前，竞标者将自己的出价进行编码；所有参与者将密文构成密文矩阵；参与者联合计算每一列密文的和，所有列的和构成一个密文向量；参与者联合按顺序依次解密所有向量，获得成功价格；解密时所有参与者需要使用零知识证明验证自己提供的解密私钥是正确的，竞标或竞拍成功。本申请能够在不泄漏隐私信息的情况下，安全的完成竞拍拍卖任务，通过门限椭圆曲线加密算法设计了区块链保密投标拍卖方案，可以实现在无可信第三方的前提下完成计算投标值功能，可以有效的抗恶意攻击攻击，并且使用理想‑实际范例证明协议的安全性。
-
公开(公告)号：CN117294416A
公开(公告)日：2023-12-26
申请号：CN202311277896.3
申请日：2023-09-28
Applicant: 天津仁爱学院
Abstract: 本发明涉及电子投票领域，且公开了基于区块链的抗恶意敌手投票方法，通过门限Paillier加密算法和零知识证明设计了区块链电子投票方案，可以实现在第三方的前提下完成计票功能，可以有效的解决恶意攻击行为；本文采用链上‑链下存储结构，有效的节省了存储空间；使用理想‑实际范例证明协议的安全性。通过效率分析，本方案相比现有方案不仅效率相当，而且可以更好的抵抗恶意攻击，对推动区块链和安全计算融合发展提供技术支撑。
-
公开(公告)号：CN116886348A
公开(公告)日：2023-10-13
申请号：CN202310788777.8
申请日：2023-06-30
Applicant: 天津仁爱学院
IPC: H04L9/40
Abstract: 本发明涉及云计算领域，且公开了抗恶意攻击的云计算图形相似判断方法，分析了现实中可能存在的恶意行为，利用分割‑选择和零知识证明方法，设计了恶意模型下基于Paillier加密算法的图形形状搜索匹配协议，在抗恶意敌手攻击的同时能做到图形的保密检索匹配。利用理想‑实际范例方法证明了协议的安全性，通过与现有方案的性能进行对比和实验仿真，得出本文协议具有较高执行效率以及实用价值。
-
公开(公告)号：CN116311191A
公开(公告)日：2023-06-23
申请号：CN202310215540.0
申请日：2023-03-08
Applicant: 天津仁爱学院
IPC: G06V20/60 , G06V10/764 , G06V10/774 , G06V10/77 , G06V10/778
Abstract: 基于协同训练的半监督电阻图像分类方法，属于图像分类技术领域。为了解决现有的半监督图像分类方法存在由于电阻图像数据不满足充分冗余的视图而严重影响电阻分类准确率的问题，本发明首先基于电阻的分类任务构建电阻图像的有类标签样本集，利用RSM算法对样本集的特征集进行随机抽取，得到两个样本相同、特征不同的视图R1和R2，分别对分类器进行训练；然后分别使用两个分类器分别对无类标签样本集U进行分类，得到所有无类标签样本的类别预测C1和C2，筛选出两次类别预测一致且BvSB的值大于阈值的样本，加入集合X，将所有样本的类别隶属度进行降序排序，取前β个样本并结合它们的类标签加入到R1集和R2集中，并将样本从无类标签样本集中删除。
-
公开(公告)号：CN116229177A
公开(公告)日：2023-06-06
申请号：CN202310238925.9
申请日：2023-03-13
Applicant: 天津仁爱学院
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0499 , G06N20/20
Abstract: 结合加权KNN和自适应ELM的自训练半监督图像分类方法，属于图像处理技术领域。为了解决利用现有的自训练方法进行图像分类时存在的容易误标记无类标签样本类别的问题，进而影响了分类器分类的准确性。本发明首先通过粒子群优化算法得到ELM的隐层节点数；然后通过WKNN计算所有无类标签的类别隶属度，根据所有无类标签样本的最高隶属度进行降序排序，得到隶属度最高的k个样本；再通过ELM对其进行分类，经过ELM分类后与WKNN分类后，将同一样本两次分类结果类别相同的样本加入集合X，使用BvSB准则对样本进行计算，筛选出部分样本加入有类标签样本集合，并从无类标签样本集中删除。不断迭代，满足结束条件时分类任务结束。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
