-
公开(公告)号:CN119538147A
公开(公告)日:2025-02-28
申请号:CN202411591875.3
申请日:2024-11-08
Applicant: 安徽师范大学
IPC: G06F18/2433 , G06F21/56 , G06N20/00
Abstract: 本发明公开联邦学习中面向恶意客户端抗攻击的轻量级防御方法,包括:在客户端i在完成当前轮的本地训练后,计算本地模型的梯度参数#imgabs0#并上传至服务器;服务器从梯度参数#imgabs1#中提取输出层的梯度参数#imgabs2#并计算梯度参数变化幅值#imgabs3#更新梯度参数变化矩阵M,找出梯度参数更新不一致的离群客户端,认定为恶意客户端;对良性客户端上传的梯度参数#imgabs4#进行聚合,基于聚合后的梯度参数Gt更新全局模型参数,下发至所有的客户端,客户端更新本地模型参数,令迭代次数加1,开始t+1轮的迭代。通过引入信誉积分机制,根据每个客户端的历史表现为客户端梯度聚合时分配不同的权重,该方法在惩罚恶意客户端的同时减少对良性客户端误判时造成的模型性能损失。
-
公开(公告)号:CN115373384B
公开(公告)日:2024-11-29
申请号:CN202210894584.6
申请日:2022-07-28
Applicant: 安徽师范大学
Abstract: 本发明实施例提供一种基于改进RRT的车辆动态路径规划方法及系统,属于路径规划的技术领域。所述基于改进RRT的车辆动态路径规划方法包括:建立栅格地图模型,确定起点和终点;利用改进的RRT算法获取初始路径,其中,所述初始路径被配置为基于邻接关系的结点扩展策略并融合传统RRT算法在所述栅格地图模型的自由空间中进行搜索而得到;基于迪杰斯特拉算法和重复序列优化算法进行优化后获得第一路径;在存在动态障碍物时,结合动态窗口法和深度强化学习模型进行路径优化以更新所述第一路径得到第二路径作为最终路径。本发明能降低采样随机性、提高路径规划效率,应用于存在动态障碍物复杂环境中的车辆动态路径规划。
-
公开(公告)号:CN118981653A
公开(公告)日:2024-11-19
申请号:CN202410974634.0
申请日:2024-07-19
Applicant: 安徽师范大学
IPC: G06F18/2321 , G06F18/22 , G06F18/2413 , G06F16/9537 , G06Q50/26
Abstract: 本发明公开一种基于密度峰值和时空共享最近邻的行人轨迹聚类方法,包括:将获取的行人轨迹数据放入轨迹数据集,计算轨迹数据集中每对轨迹点之间的时空相似度;基于每对轨迹点之间时空相似度计算对应对轨迹点的局部相似度;并构建相似度矩阵;基于相似度矩阵计算轨迹数据集中每个轨迹点的局部密度及相对距离;计算对应轨迹点的决策值,选择决策值较大的点作为聚类中心,将轨迹数据集X中的其他轨迹点分配给最近的聚类中心所在的簇。在行人轨迹聚类过程中,利用时空共享最近邻的思想来全面衡量轨迹之间的相似性,使得聚类结果在空间和时间上更加连贯,能够更准确地反映行人的实际移动模式。
-
公开(公告)号:CN114036122B
公开(公告)日:2024-08-06
申请号:CN202111421174.1
申请日:2021-11-26
Applicant: 安徽师范大学
IPC: G06F16/18 , G06F16/182 , G06F16/17 , G06F18/214 , G06N3/098
Abstract: 本发明公开了一种基于联邦学习技术的分布式系统日志解析方法,包括建立本地服务器和中央服务器的联系,在本地服务器建立神经网络模型用于解析本地的日志数据,所述中央服务器用于更新每个本地服务器中的神经网络模型参数。本发明的优点在于:更加适用于分布式系统的日志解析,对于分布式系统的日志解析更加准确、可靠,同时解析效率更高,具有较好的鲁棒性。
-
公开(公告)号:CN114567465B
公开(公告)日:2024-05-24
申请号:CN202210144437.7
申请日:2022-02-17
Applicant: 安徽师范大学
Abstract: 本发明公开了一种基于区块链的分类医疗数据可搜索加密方法,包括:步骤1、系统初始化;步骤2、密钥生成与用户注册;步骤3、密文生成以及存储;步骤4、陷门生成;步骤5、密文搜索与共享。该方法能够满足第三方数据用户对不同敏感等级的医疗数据的搜索需要,同时提高可搜索加密方案的安全性,并降低计算与存储开销。
-
公开(公告)号:CN113786185B
公开(公告)日:2024-05-07
申请号:CN202111097531.3
申请日:2021-09-18
Applicant: 安徽师范大学
IPC: A61B5/055
Abstract: 本发明公开了一种基于卷积神经网络的静态脑网络特征提取方法,包括:通过计算每个脑区之间的皮尔逊系数来构成静态脑网络;采用参数大小为[32,32,64,32]的卷积神经网络对静态脑网络进行处理以提取相应的脑区特征;在卷积神经网络后连接两层卷积层,两个卷积层的卷积核的大小分别是32和16,步长为116;将经过卷积层处理之后维度大小为1*1*32的脑区特征送入两层大小分别为64和32的全连接层继续提取特征,再采用SoftMax逻辑回归函数来进行脑疾病的诊断和分类。本发明能够学习出更具有判别力和解释性的特征,可以明显提高脑疾病分类的性能,对脑疾病诊断具有更好的分类性能。
-
公开(公告)号:CN116578775A
公开(公告)日:2023-08-11
申请号:CN202310454916.3
申请日:2023-04-25
Applicant: 安徽师范大学
IPC: G06F16/9535 , G06F18/214 , G06F18/22 , G06F21/64 , G06Q10/0639 , G06N20/00
Abstract: 本发明公开一种基于联邦矩阵分解的推荐方法,包括如下步骤:S1、当前全局模型参数Pτ广播至所有的所有客户端;S2、各客户端以全局模型参数Pτ作为初始的局部模型参数,本地训练局部模型参数,将训练过程的局部模型参数M上传至服务器;S3、服务器基于局部模型参数M形成对应客户端的举报名单,基于举报名单找出诚实客户端,对诚实客户端的局部模型参数M进行聚合,更新第τ+1轮全局模型参数Pτ+1,检测全局模型参数Pτ+1是否收敛,若检测结果为是,则执行步骤S4,若检测结果为否,则全局模型参数Pτ+1作为当前全局模型参数,执行步骤S1;S4、基于收敛后的全局模型参数P来预测各用户对各项目的评分,将预测评分最高的项目推荐给对应的客户。将恶意更新剔除,提升诚实客户端在聚合中所占比例,以提高推荐精度。
-
公开(公告)号:CN111797331B
公开(公告)日:2023-08-04
申请号:CN202010517955.X
申请日:2020-06-09
Applicant: 安徽师范大学
IPC: G06F16/9537 , G06F16/29 , G06N3/006 , G06N3/126 , G06Q10/047 , G06Q50/14
Abstract: 本发明公开了一种基于群智感知的多目标多约束路线推荐方法,具体包括如下步骤:S1、基于变邻域搜索算法获取各单目标下的numR条路径;S2、采用混合粒子群遗传优化算法对各单目标下的numR条路径进行优化;S3、通过快速非支配排序算法求出满足用户设定多目标的Pareto最优集,并向用户推荐Top‑K条最优旅游路线。根据用户提供的多目标约束完成多条路线推荐。
-
公开(公告)号:CN114485692B
公开(公告)日:2023-06-16
申请号:CN202210219242.4
申请日:2022-03-08
Applicant: 安徽师范大学
Abstract: 本发明公开的基于路网连通性的高采样率轨迹数据地图匹配方法,包括如下步骤:对轨迹数据进行预处理,即去除没有沿着道路网络行驶的轨迹数据;确定道路网络中过渡节点周边的临界轨迹点,基于临界轨迹点将轨迹T进行分段,形成若条子轨迹;将临界轨迹点对应过渡节点的毗邻路径作为临界轨迹点的候选路段;基于道路网络的连通性删除无用的过渡节点,过渡节点对应的临界轨迹点及临界轨迹点的候选路段;基于误差椭圆将各子轨迹匹配至道路网络中的路段。针对轨迹数据的连续性的特点,寻找到路网中过渡节点周围是否存在轨迹折返的情况,将轨迹数据精准的分段,提升了轨迹数据的匹配准确率,使得轨迹数据的分段更加符合实际轨迹数据的运行。
-
公开(公告)号:CN116155476A
公开(公告)日:2023-05-23
申请号:CN202310130494.4
申请日:2023-02-17
Applicant: 安徽师范大学
Abstract: 本发明公开一种基于同态加密的群智感知安全真值发现方法,包括如下步骤:CSA生成公私钥对(pk,sk),将公钥pk发送给CSB;每个参与者将扰动数据发送给CSA,CSA对扰动数据取反并加密,再将密文发送给CSB;数据上传:每个参与者将扰动后的感知数据发送给CSB,CSB利用Paillier加同态加密算法得到感知数据密文;权值更新:在CSA的协助下,CSB利用Paillier加同态加密算法得到参与者权值密文;真值更新:在CSB的协助下,CSA利用Paillier加同态加密算法得到观测对象的真值;迭代执行权值更新和真值更新,直至真值满足收敛条件。参与者不参与数据的加解密操作过程,将真值发现操作在两个非共谋的云服务器之间执行,减少参与者计算量的同时降低了参与者端的计算开销。
-
-
-
-
-
-
-
-
-