纵向联邦学习(Vertical federated learning,VFL)是一种新兴的分布式机器学习技术,在保障隐私性的前提下,利用分散在各个机构的数据实现机器学习模型的联合训练.纵向联邦学习被广泛应用于工业互联网、金融借贷和医疗诊断等诸多领域中,...纵向联邦学习(Vertical federated learning,VFL)是一种新兴的分布式机器学习技术,在保障隐私性的前提下,利用分散在各个机构的数据实现机器学习模型的联合训练.纵向联邦学习被广泛应用于工业互联网、金融借贷和医疗诊断等诸多领域中,因此保证其隐私安全性具有重要意义.首先,针对纵向联邦学习协议中由于参与方交换的嵌入表示造成的隐私泄漏风险,研究由协作者发起的通用的属性推断攻击.攻击者利用辅助数据和嵌入表示训练一个攻击模型,然后利用训练完成的攻击模型窃取参与方的隐私属性.实验结果表明,纵向联邦学习在训练推理阶段产生的嵌入表示容易泄漏数据隐私.为了应对上述隐私泄漏风险,提出一种基于最大−最小策略的纵向联邦学习隐私保护方法(Privacy preservation method for vertical federated learning based on max-min strategy,PPVFL),其引入梯度正则组件保证训练过程主任务的预测性能,同时引入重构组件掩藏参与方嵌入表示中包含的隐私属性信息.最后,在钢板缺陷诊断工业场景的实验结果表明,相比于没有任何防御方法的VFL,隐私保护方法将攻击推断准确度从95%下降到55%以下,接近于随机猜测的水平,同时主任务预测准确率仅下降2%.展开更多
针对当前复杂图形加工中存在加工轨迹之间空行程多,导致加工过程耗时很长等缺陷,提出一种简单、易于实现的加工轨迹切换优化方法。分析了复杂图形加工轨迹切换控制方法,给出了缩短总空行程的优化思想。基于双向蚁群算法原理,推导了双向...针对当前复杂图形加工中存在加工轨迹之间空行程多,导致加工过程耗时很长等缺陷,提出一种简单、易于实现的加工轨迹切换优化方法。分析了复杂图形加工轨迹切换控制方法,给出了缩短总空行程的优化思想。基于双向蚁群算法原理,推导了双向最大最小蚁群算法(Bidirectional max-min ant colony system,BMMAS),结合加工轨迹之间轨迹切换特点,对复杂图形加工工艺路径进行规划设计,给出了算法实现流程及加工工艺路径优化的实现要点。最后利用该方法对平面复杂图形进行了优化加工实验。实验结果表明,该加工方法计算简单,加工效率高,空行程路径长度较其它方法短,加工平稳。研究结果对相似复杂图形加工具有参考价值。展开更多
针对傅里叶分解方法存在过度分解、运算时间长等问题,提出了一种基于循环频谱包络的经验傅里叶分解(CEEFD)算法,并将该算法运用到滚动轴承故障诊断中。首先,对信号进行了快速傅里叶变换(FFT),获得了信号的频谱,对傅里叶频谱进行了循环包...针对傅里叶分解方法存在过度分解、运算时间长等问题,提出了一种基于循环频谱包络的经验傅里叶分解(CEEFD)算法,并将该算法运用到滚动轴承故障诊断中。首先,对信号进行了快速傅里叶变换(FFT),获得了信号的频谱,对傅里叶频谱进行了循环包络,得到了包络曲线,减少了无用极值点的个数,抑制了噪声对分量的干扰;然后,采用改进的局部最大最小值(local max min)分割技术,对频谱包络曲线进行了频带分割;最后,构建了零相位滤波器,采用逆快速傅里叶变换(IFFT)对每个频带进行了信号重构,得到了若干个瞬时频率且具有物理意义的单分量信号;通过对仿真信号和滚动轴承实测信号的分析,并将其与经验模态分解(EMD)、经验小波变换(EWT)、傅里叶分解方法(FDM)、变分模态分解(VMD)和经验傅里叶分解(EFD)进行了实验对比验证。研究结果表明:采用CEEFD方法获得的单分量包含了更准确的故障特征信息,验证了CEEFD方法的有效性,CEEFD方法可用于轴承的故障诊断;相对于上述方法,CEEFD方法具有更高的准确精度和更强的抗噪声干扰能力。展开更多
文摘纵向联邦学习(Vertical federated learning,VFL)是一种新兴的分布式机器学习技术,在保障隐私性的前提下,利用分散在各个机构的数据实现机器学习模型的联合训练.纵向联邦学习被广泛应用于工业互联网、金融借贷和医疗诊断等诸多领域中,因此保证其隐私安全性具有重要意义.首先,针对纵向联邦学习协议中由于参与方交换的嵌入表示造成的隐私泄漏风险,研究由协作者发起的通用的属性推断攻击.攻击者利用辅助数据和嵌入表示训练一个攻击模型,然后利用训练完成的攻击模型窃取参与方的隐私属性.实验结果表明,纵向联邦学习在训练推理阶段产生的嵌入表示容易泄漏数据隐私.为了应对上述隐私泄漏风险,提出一种基于最大−最小策略的纵向联邦学习隐私保护方法(Privacy preservation method for vertical federated learning based on max-min strategy,PPVFL),其引入梯度正则组件保证训练过程主任务的预测性能,同时引入重构组件掩藏参与方嵌入表示中包含的隐私属性信息.最后,在钢板缺陷诊断工业场景的实验结果表明,相比于没有任何防御方法的VFL,隐私保护方法将攻击推断准确度从95%下降到55%以下,接近于随机猜测的水平,同时主任务预测准确率仅下降2%.
文摘空间聚类是空间数据挖掘的重要手段之一。本文研究了一种基于质心点距离的Max-min distance空间聚类算法:通过加载园地图斑数据,计算其园地图斑质心,判断聚类中心之间的距离,并将符合条件的园地图斑进行聚类,最终将聚类结果可视化表达。本文的算法是利用Visual Studio 2017实验平台和ArcGIS Engine组件式开发环境,采用C#语言进行编写。实验结果表明:1)Max-mindistance聚类通过启发式的选择簇中心,克服了K-means选择簇中心过于邻近的缺点,能够适应嵩口镇等山区丘陵地区空间分布呈破碎的园地数据集分布,有效地实现园地的合理聚类;2)根据连片面积将园地空间聚类结果分为大中小三类,未来嵩口镇可以重点发展园地连片规模较大的村庄,形成规模化的青梅种植园。
文摘针对当前复杂图形加工中存在加工轨迹之间空行程多,导致加工过程耗时很长等缺陷,提出一种简单、易于实现的加工轨迹切换优化方法。分析了复杂图形加工轨迹切换控制方法,给出了缩短总空行程的优化思想。基于双向蚁群算法原理,推导了双向最大最小蚁群算法(Bidirectional max-min ant colony system,BMMAS),结合加工轨迹之间轨迹切换特点,对复杂图形加工工艺路径进行规划设计,给出了算法实现流程及加工工艺路径优化的实现要点。最后利用该方法对平面复杂图形进行了优化加工实验。实验结果表明,该加工方法计算简单,加工效率高,空行程路径长度较其它方法短,加工平稳。研究结果对相似复杂图形加工具有参考价值。
文摘针对傅里叶分解方法存在过度分解、运算时间长等问题,提出了一种基于循环频谱包络的经验傅里叶分解(CEEFD)算法,并将该算法运用到滚动轴承故障诊断中。首先,对信号进行了快速傅里叶变换(FFT),获得了信号的频谱,对傅里叶频谱进行了循环包络,得到了包络曲线,减少了无用极值点的个数,抑制了噪声对分量的干扰;然后,采用改进的局部最大最小值(local max min)分割技术,对频谱包络曲线进行了频带分割;最后,构建了零相位滤波器,采用逆快速傅里叶变换(IFFT)对每个频带进行了信号重构,得到了若干个瞬时频率且具有物理意义的单分量信号;通过对仿真信号和滚动轴承实测信号的分析,并将其与经验模态分解(EMD)、经验小波变换(EWT)、傅里叶分解方法(FDM)、变分模态分解(VMD)和经验傅里叶分解(EFD)进行了实验对比验证。研究结果表明:采用CEEFD方法获得的单分量包含了更准确的故障特征信息,验证了CEEFD方法的有效性,CEEFD方法可用于轴承的故障诊断;相对于上述方法,CEEFD方法具有更高的准确精度和更强的抗噪声干扰能力。
