Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国矿业大学高原获国家专利权

中国矿业大学高原获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国矿业大学申请的专利一种面向算力网络的多模态数据管理方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119830321B

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411894362.X,技术领域涉及:G06F21/60;该发明授权一种面向算力网络的多模态数据管理方法是由高原;陈朋朋;李勇钢;鲍宇设计研发完成,并于2024-12-20向国家知识产权局提交的专利申请。

一种面向算力网络的多模态数据管理方法在说明书摘要公布了:本发明公开了一种面向算力网络的多模态数据管理方法,首先设计一种基于潜在对齐的多模态相似性保留哈希算法,将文本模态作为中间模态,通过对抗网络学习输入数据及对应文本模态数据的共同表示,生成多模态数据标签,并借助算力网络节点对多模态数据进行语义相关性保留标签提取,确保跨模态相似性数据的关联关系;随后利用基于生成对抗网络的多模态数据语义特征提取,进行共享特征向量提取和多模态数据相似性去重,极大节省了存储空间;最后,基于潜变扩散技术进行数据恢复,借助算力网络实现从共享特征向量到原始数据的语义相似性还原。本发明方法可以极大程度上节省存储空间和传输带宽,在提高多模态数据管理效率的同时有效维持数据可用性。

本发明授权一种面向算力网络的多模态数据管理方法在权利要求书中公布了:1.一种面向算力网络的多模态数据管理方法,其特征在于,包括如下步骤: S1、数据所有者发起数据上传请求,就近的算力网络节点计算多模态数据的共享特征向量和语义相关性保留标签,并上传至存储服务器; S2、所述存储服务器根据接收到的语义相关性保留标签,和已有数据标签进行标签对比,判断是否已上传过语义相似的多模态数据,返回标签对比结果;数据所有者根据数据标签和标签对比结果共同计算加密密钥; S3、数据所有者根据标签对比结果执行本地的跨模态数据去重,并对共享特征向量进行加密,将去重后的共享特征向量密文上传至存储服务器进行存储管理; S4、当数据访问者发起数据查询请求时,存储服务器对数据访问者进行用户所有权验证,并将验证结果反馈给数据访问者; S5、当数据访问者通过所有权验证并获得共享特征向量密文后,对共享特征向量进行解密,并在就近的算力网络节点辅助下进行原始数据恢复,获得原始数据; 步骤S1借助算力网络节点计算多模态数据的共享特征向量和语义相关性保留标签,方法如下: S1.1、生成任意模态输入数据的对应文本模态,将和作为生成对抗网络的输入; S1.2、所述生成对抗网络使用Unet网络作为特征学习网络,提取输入数据的对应文本模态的实际特征向量和; S1.3、将提取的实际特征向量和作为输入,通过生成对抗网络生成器,生成真实的对应模态的伪特征向量,生成和生成; S1.4、分别将,和,作为生成对抗网络判别器的输入,通过判别结果调整Unet网络参数,重复步骤S1.2和S1.3,为跨模态的相似数据生成共享特征向量; S1.5、直至判别器判别与相似,且与相似,完成生成对抗网络学习,获得输入数据的共享特征向量,其中; S1.6、将输入数据的共享特征向量作为输入,计算输入数据的语义相关性保留标签,具体为: ; 其中,为局部敏感哈希函数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国矿业大学,其通讯地址为:221116 江苏省徐州市铜山区大学路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。