本发明涉及联合学习技术领域，特别涉及一种基于参数扩充的联合学习方法、装置及系统；所述方法包括在本地训练全局模型，记录本地训练过程中产生的梯度值；利用梯度值集合采用扩充法改进k匿名算法，扩充出参数集合；将这些参数集合发送给服务器，服务器将对接收到的参数集合进行单点聚合，求出每个参数集合中的平均值；将这些平均值采用加权平均求出新的参数；利用新的参数构建新的全局模型，测试所述新的全局模型是否满足停止迭代条件，若满足，则停止训练过程，否则服务器将全局模型发送至计算设备继续进行训练；在上述方案中，本发明可以解决联合学习过程中的重构攻击问题，增强参数的隐匿性，保护数据安全。
📄 2020110153988
📂 G06F18_214
👤 重庆邮电大学
📅 2020-09-24
本发明属于软件可靠性增长模型技术领域，具体涉及一种优化选择可靠性增长模型的方法。主要提出使用余弦相似性来划分和选择理想的软件可靠性增长模型。这种优化选择模型方法主要考察余弦相似性对类别进行有效分类的能力，以及软件可靠性增长模型在当前软件测试环境中的适应性。利用余弦相似度的分类方法，可以成功地选择相同类型的软件可靠性增长模型进行软件可靠性评估。
📄 2023113590260
📂 G06F18_21
👤 山西大学
📅 2023-10-19
本发明涉及数据管理技术领域，具体为一种多维数据的一体化管理方法，方法包括如下步骤：随机选取检测区域，并基于所述检测区域获得多维监测数据；依据所述多维监测数据构建特征信息分析模型，依据所述特征信息分析模型获得检测区域的关键特征信息；根据所述多维监测数据建立特征信息检验模型，基于所述特征信息检验模型获得关键特征信息的损失情况，并得到检测区域的最佳关键特征信息；结合所述最佳关键特征信息和大数据信息对检测区域进行分析，以获得检测区域的多维数据分析结果。本发明利用数据模型对多维度监测数据进行特征分析、检验和整合，从而提供更全面、更深入、更准确的多维数据一体化分析结果，为数据决策和管理提供有力支持。
📄 2024104013907
📂 G06F18_213
👤 湖南时空北斗科技有限公司
📅 2024-04-03
本发明涉及一种基于邻域一致和残差排序的指导性数据采样方法,包括以下步骤：步骤S1:从输入数据中随机选取一个数据，然后通过计算选定数据点的邻域一致信息来判断该数据点是否为内点;如果选定的数据点是内点，则将选择该数据点作为种子数据,否则，重复执行步骤S1，直到选择一个内点或达到最大重复次数,如果在迭代执行上述步骤后未找到一个内点，则随机选择一个数据点作为种子数据;步骤S2:选定种子数据后，通过残差索引来计算种子数据和输入数据的采样权重;步骤S3利用采样权重从除种子数据以外的输入数据中选取数据子集的其它数据。本发明可以用于鲁棒模型拟合中，从而应用于视频编码变换估计、增强现实、3D刚性配准和平面检测等计算机视觉任务。
📄 2022114130433
📂 G06F18_214
👤 闽江学院
📅 2022-11-11
本发明涉及一种轨迹分类对抗样本的防御方法及系统，属于数据挖掘领域。首先根据时空轨迹数据样本，进行轨迹数据特征的提取，提取基本的轨迹数据特征(经度，纬度，时间，速度，加速度，轨迹角度等)。利用差分隐私保护机制进行对抗防御，根据设定模型鲁棒性的原理，在轨迹特征中生成拉普拉斯噪声，根据拉普拉斯概率密度函数及尺度参数得到噪声关系的表达式，之后使用迭代搜索算法搜索更小的噪声数据值，在模型中加入噪声，经过卷积网络作用进行轨迹分类获取该模型的防御效果，最后根据低频滤波技术进行特征去噪。
📄 2023102158697
📂 G06F18_213
👤 重庆邮电大学
📅 2023-03-08
本发明公开了一种特征子集的选取方法、装置及存储介质，方法包括获取高维特征数据；利用随机森林得到特征重要性列表；利用Spearman相关性得到特征互相关矩阵；根据目标GRU模型得到各特征拟合度量；对特征重要性列表、特征互相关矩阵和各特征拟合度量进行特征关系型融合得到各特征总体评价值；不断对各特征总体评价值进行特征排序，从中剔除评价值最低的特征并判定剩余特征数量是否小于要求的特征数量，直至剩余特征数量不大于要求的特征数量；得到特征子集。本发明的特征子集的选取方法，利用Spearman相关性分析和随机森林以及GRU进行联合评价，完成特征评价多元化，进而实现特征数据降维，完善了特征评价的处理流程，为后续工作减少了时间复杂度和空间复杂度。
📄 2022116290070
📂 G06F18_2113
👤 广东石油化工学院
📅 2022-12-01
本发明公开了一种基于变分生成对抗网络的个体处理效应评估方法，采用变分自编码器推断观测特征的隐表示，来获取完整的潜在因素，设计生成对抗网络推断反事实结果并指导变分自编码器更好地解耦潜在因素为工具因素，混淆因素以及调整因素，同时引入了一种自适应加权的方法基于解耦的混淆因素进一步控制数据偏差。本发明基于变分自编码器与生成对抗网络设计协同学习策略，提出变分生成对抗网络模型来估计个体处理效应，与现有方法相比，提高了个体处理效应评估的准确率。
📄 2021115768273
📂 G06F18_214
👤 南京邮电大学
📅 2021-12-21
本发明公开一种基于冷却温度曲线的涂层质量在线评估方法及系统，其中，方法包括采集以几何顶点和几何谷点为双特征点的温度数据并构建二者的时间‑温差系列和温差曲线，基于温差曲线提取包含强度、时序、形态、谱特征的多维特征向量，通过物理引导‑数据驱动混合反演模型同步、实时获取涂层厚度和结合力等级预测值。本发明通过挖掘周期性结构工件的几何特征及其散热差异特性，喷涂过程中构建几何顶点与几何谷点的温差动力学曲线并提取多维度关联特征，转化为评估涂层质量的有效信息源并进行同步混合反演，实现涂层厚度和结合力双指标的同步、无损、秒级在线预测，具有稳定可靠、精准快速等优势，尤其适用于复杂结构件涂层质量的高灵敏度评估。
📄 2026103354138
📂 G06F18_213
👤 龙岩学院
📅 2026-03-19
本发明涉及无损检测技术领域，尤其涉及一种基于VMD‑KF的道岔轨头损伤振动特征提取方法，包括：借助轨头与道岔的接头处的冲击，初步选取存在多处冲击的信号段用于分析；基于VMD得到冲击振动的平稳化本征模函数IMF分量，从低阶IMF分量中提取轮对信息确定列车速度，估计损伤信号的分布范围；基于KF，从包含冲击振动的高阶IMF分量中提取损伤导致的振动信号；最后，基于希尔伯特黄变换HTT提取损伤振动信号的特征。本发明用以监测和分析道岔区间振动特性，对保证轮对和道岔结构完整性具有重要意义；解决了常规方法对非平稳振动信号处理时难以提取和分析的问题。
📄 2024100372116
📂 G06F18_2131
👤 南通大学
📅 2024-01-10
本发明公开了一种基于多源遥感与机器学习的湖泊水量监测与预测方法及系统，包括：采集多源遥感、气象气候数据，经质控修复与标准化后，通过圆台体积法融合水位和面积数据构建湖泊历史月尺度水量序列；再筛选气象驱动因子并构建年际冲击特征，融合生成增强特征序列；随后构建训练级联拓扑结构模型，以增强特征序列为输入，经Transformer编码器提取长时序特征输出基准预测值，结合元特征提取、多分支修正融合完成水量预测与置信区间量化；最后对CMIP6数据偏差校正与集合平均后输入模型，通过软着陆平滑消除数据拼接跳变，输出未来多情景湖泊水量演变曲线及不确定性范围。本发明提升了水量监测精度与预测稳健性。
📄 2026106209507
📂 G06F18_21
👤 南京信息工程大学
📅 2026-05-08
本发明公开了一种基于时空特征融合与先验知识约束的浓雾天气形势识别方法，属于气象信息处理与智能预报辅助技术领域。包括：构建过程级样本；根据过程级样本进行编码，并结合时间演变关系生成对应于所述天气过程的时空表示；对过程级样本进行编码，得到知识增强表示，并输出所述天气过程在各先验气象属性上的属性响应；对时空表示与知识增强表示进行特征融合，输出天气形势分类预测结果；建立一致性约束，以对识别模型的训练过程进行引导来训练识别模型。本发明能够将天气过程演变信息、区域背景场信息与地方判识经验进行统一建模，提高复杂浓雾背景自动识别的准确性、稳定性和可解释性，并为浓雾预报辅助提供结构化的背景提示信息。
📄 2026106459606
📂 G06F18_213
👤 南京信息工程大学
📅 2026-05-12
本发明公开了一种基于注意力机制与强化学习的超短期DNI预测方法，包括：采集太阳能热发电站历史实测直接法向辐照度数据及气象特征数据；引入周期性时间特征及历史滞后项增强时序依赖性；利用双向长短期记忆网络提取DNI时间序列特征，构建基于云量动态变化的注意力机制，强化模型对天气突变的响应能力；采用KAN替代传统全连接对高维非线性特征进行自适应函数逼近；引入PPO强化学习算法，对模型特征表示与参数进行动态优化，实现误差自反馈修正；输出DNI预测结果，用于聚光太阳能热发电系统的调度与运行控制。本发明方法可有效提高复杂天气条件下的DNI预测精度与鲁棒性，为光热发电与可再生能源并网提供高精度预测支持。
📄 2026105887372
📂 G06F18_213
👤 南京信息工程大学
📅 2026-04-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台