无锡学院

本发明提供了一种基于判别缺口回填式的联邦学习优化方法，包括：步骤1，判别缺口回填式个性化联邦系统初始化；步骤2，客户端选择与共享信息同步广播；步骤3，基础判别输出生成与判别缺口计算；步骤4，判别余量双阀控制下的端侧缺口回填训练；步骤5，预测诱导的困难类别语义挤压与端侧类别摘要生成；步骤6，服务器聚合与类别判别基准向量表惯性融合更新；步骤7，重复步骤2至步骤6，直至达到预设训练轮数或满足收敛条件。本发明通过端侧判别缺口回填器对基础判别剩余误差进行定向补偿，减少客户端重复学习完整分类任务，提高个性化分类准确率。

本发明属于服务器集群安全技术领域，公开了基于对抗生成网络与改进PrePost+的服务集群攻防事务关联分析方法，通过引入条件生成对抗网络学习原始攻防事务数据的概率分布，生成具有高保真度的模拟攻防样本，有效解决了小样本攻击模式在挖掘过程中易被掩盖的问题，为事务攻防深度关联分析提供了充足且均衡的数据支撑；同时，设计融合动态置信权重的攻防行为关联分析方法，利用判别器对生成数据的置信水平进行评估，并将其转化为事务加权系数，结合改进的PrePost+算法进行高效挖掘，自动滤除低价值的冗余项集，实现攻击行为与服务器集群防御组件之间的精准关联。

本发明公开了一种面向旋转机械的故障诊断方法及系统，属于旋转机械的故障诊断技术领域。该方法的核心步骤包括：在源域表示向量和目标域表示向量上，分别计算在RKHS空间中同处同一量级、解耦的纯均值嵌入项与纯方差判别项；根据当前差异估计自适应权重，以该自适应权重凸组合纯均值嵌入项与纯方差判别项得到域适应损失；将域适应损失与分类损失加权求和，反向更新网络。本发明在跨传感器故障迁移诊断中，将分布对齐的均值信息与方差信息真正解耦为可独立度量、可独立加权的两路，同时通过自适应权重动态调节迁移过程中对均值和方差信息的贡献度，实现更高精度的跨传感器迁移诊断。

本发明涉及一种适于复杂光照道路场景的跨模态增强目标检测方法。其包括：获取道路场景下的待检多模态图像组；将待检多模态图像组加载到预先构建的多模态目标检测模型，并由所述多模态目标检测模型对所述待检多模态图像组进行目标检测，以生成与所述待检多模态图像组对应的多模态目标检测信息，其中，对待检多模态图像组进行目标检测时，至少对经特征提取得到的可见光目标尺度特征、红外光目标尺度特征进行跨模态融合。本发明在抑制了复杂光照道路场景下的模态特有噪声传递和无关热响应的同时，降低了背景冗余交互和局部错配对识别的影响，提升了复杂光照道路场景下的目标检测精度，加强在夜间、弱光、遮挡以及复杂背景下目标检测的鲁棒性。