-
公开(公告)号：CN101247354A
公开(公告)日：2008-08-20
申请号：CN200810102735.X
申请日：2008-03-26
Applicant: 北京邮电大学
Abstract: 本发明为一种可用于T－MPLS网络中对组播树进行保护恢复的重路由策略，该策略提供一种T－MPLS网络中针对组播业务的重路由保护恢复方法，单播业务在故障下游临节点的快速重路由被应用于T－MPLS组播，根据组播的点到多点及多点到多点的拓扑结构，实行相应的转发策略，实现T－MPLS网络组播业务的快速重路由，实现故障发生后业务的快速保护恢复。采用本发明的方法，网络发生故障后组播业务能够快速的寻找有效节点并建立保护路径，节省了网络中用于备份的网络资源，大大降低了业务流的中断时间，提高了业务流恢复速度，实现了组播业务的快速保护恢复。
-
公开(公告)号：CN101150474A
公开(公告)日：2008-03-26
申请号：CN200710177243.2
申请日：2007-11-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种以太网无源光网络(EPON)接入系统的认证方案，包括申请者系统，认证者系统和认证服务器系统3部分组成，申请者系统向认证者系统请求对网络服务的访问，并对认证者的协议报文进行应答；认证者系统控制申请者对网络服务的访问，并在认证过程中将请求者的认证请求转发至认证服务器，然后根据认证服务器的指示执行对请求者的授权；认证服务器系统负责存储有关用户信息，执行验证请求者身份的功能，并指明请求者是否通过验证允许其接入认证者的网络服务；本发明解决了EPON接入网系统接入认证、授权、计费问题，有效地增强了接入网络的安全，防止非法用户进入网络，并保证了网络的“可运营、可管理、可增值”能力。
-
公开(公告)号：CN116934592A
公开(公告)日：2023-10-24
申请号：CN202310868928.0
申请日：2023-07-14
Applicant: 北京邮电大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于深度学习的图像拼接方法、系统、设备及介质，涉及图像处理领域。该方法包括：获取待拼接图像对；待拼接图像对包括：待拼接目标图像和待拼接参考图像；采用变换模型对待拼接图像对进行单应性矩阵估计和投影变换，得到待拼接变形图像对和待拼接变形图像对的内容掩码图像；变换模型由深度单应性矩阵估计和变形网络训练得到；待拼接变形图像对包括：待拼接目标图像的变形图像和待拼接参考图像的变形图像；采用拼接模型，根据待拼接变形图像对和待拼接变形图像对的内容掩码图像确定目标拼接图像；拼接模型由基于分辨率重建的图像融合网络训练得到。本发明能够克服伪影和拼接错位问题，提高图像拼接质量。
-
公开(公告)号：CN113362343A
公开(公告)日：2021-09-07
申请号：CN202110692929.5
申请日：2021-06-22
Applicant: 北京邮电大学
Abstract: 本文公开了一种适合于运行在Andro i d端的轻量化的语义分割算法。本文首先对Mob i l eNetV3网络进行改进，包括对其网络结构的调整和使用优化的激活函数L‑ReLU6，然后用改进后的Mob i l eNetV3替换经典的语义分割算法FCN中的下采样部分来进行图片的特征提取，以减少模型的运算和时间开销；采用双线性插值的方式替换FCN中的上采样部分，并将低级和高级特征进行add融合，解决图像特征丢失的问题。在此基础上，根据系统的任务需求，将提出的轻量化语义分割模型运行在移动端进行图片分割任务，实现了在Andro i d移动端对图片进行预分割的抄表系统。
-
公开(公告)号：CN113360784A
公开(公告)日：2021-09-07
申请号：CN202110691180.2
申请日：2021-06-22
Applicant: 北京邮电大学
IPC: G06F16/9536 , G06F16/958 , G06F16/36 , G06K9/62
Abstract: 本发明公开了一种基于知识图谱优化的协同过滤算法，通过引入融合因子函数进行相似度融合的推荐算法。本发明主要提供一种基于知识图谱的运维推荐系统，能够大幅度提升推荐系统的效果以及解决传统推荐系统数据稀疏的问题。该系统主要包括：基于加权欧氏距离的知识图谱的相似度计算模块；基于用户的协同过滤算法相似度计算模块；通过融合因子函数进行两种相似度融合的模块；利用融合后的相似度进行推荐方案的推荐模块。本发明通过引入融合因子函数实现两种相似度融合的方式来提高推荐算法的准确率，可以根据推荐算法的评价方案来更新融合因子函数中的参数，增加了推荐算法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN109919235B
公开(公告)日：2021-08-20
申请号：CN201910188285.9
申请日：2019-03-13
Applicant: 北京邮电大学
Abstract: 本文公开了一种基于在深度学习图像分类模型训练中引入多个因素进行样本加权方法。该方法主要包括：通过采集设备实时采集待检测产品图像；将采集图像分别通过模型判别与人工判别并将两者判别结果进行比较；根据比较器结果将错误图像增加到假正或者假负样本集中并更新其权重；根据此时计算出的准确性是否达到预值来判断是否启动更新模型。本发明通过引入人工判别结果与模型判别结果进行对比以及人工干预样本集加权，可以根据是否达到预值来更新模型，分类效果明显提高。
-
公开(公告)号：CN110545228A
公开(公告)日：2019-12-06
申请号：CN201910684427.0
申请日：2019-07-26
Applicant: 北京邮电大学
Abstract: 本发明公开了服务功能链请求处理方法，包括：对接收的服务功能链请求进行分类，确定上述服务功能链请求是在光域处理还是在电域处理；其中，服务功能链请求所请求的服务功能链包括至少一个虚拟网络功能(VNF)；对已分配至电域或光域处理的服务功能链请求进行服务器映射，确定实现上述至少一个VNF的至少一个服务器；以及对上述至少一个服务器进行时域规划，确定上述至少一个服务器处理上述至少一个VNF的时刻。本发明还公开了服务功能链请求处理系统。
-
公开(公告)号：CN105022798A
公开(公告)日：2015-11-04
申请号：CN201510374515.2
申请日：2015-06-30
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30194
Abstract: 公开了一种基于预测关系的离散贝叶斯网络分类数据挖掘方法。本方法采用了在Hadoop平台上运行相应的MapReduce程序，利用相关系数分析初选预测因子和目标因子之间的相关性来选取预测因子，利用因子(预测因子和目标因子)之间的预测能力确定初始贝叶斯网络的结构，根据变量组对单一变量的预测能力，增加丢失的路径、删除多余的路径，并进行环路检验，获得几个相对较优的贝叶斯网络分类器，再在此基础上进行精度评估，获得满足期望的最优贝叶斯网络分类器。结合了Hadoop平台处理海量数据的优势，通过现有数据集去构建贝叶斯网络分类器，同时对选取的预测因子和目标因子进行相关分析，不仅实现了训练贝叶斯网络模型的灵活性，而且大大提高了预测精度和算法效率。
-
公开(公告)号：CN101860481A
公开(公告)日：2010-10-13
申请号：CN201010181534.0
申请日：2010-05-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种MPLS-TP over OTN多层网络中区分优先级的业务传送方法及其装置，方法包括以下步骤：OTN边缘节点MPLS-TP业务入口接收MPLS-TP数据；所述业务数据通过帧头双标签信息区分业务类型，将不同业务划分到不同优先级的发送队列；封装成统一的OTN帧结构后，依据节点光链路带宽资源，分配合适的带宽资源发送出去；在接收端经过相应处理，还原为对应的业务经过MPLS-TP标签处理，从业务接口发送出去，最终完成基于优先级的MPLS-TP业务传送。本发明基于MPLS-TP over OTN多层网络中区分优先级的业务传送方法和系统有效保障了业务优先级，提高了OTN节点线路资源利用率。
-
公开(公告)号：CN101605278A
公开(公告)日：2009-12-16
申请号：CN200910079122.3
申请日：2009-03-04
Applicant: 北京邮电大学
Abstract: 本发明涉及通信领域，本发明实施例公开了一种分布式管控协同光网络中的自适应信令实现方法。本发明实施例方法包括：智能光网络控制节点中引入的协同事务模块；光网络控制与管理的实时交互方法；协同硬件设备节点实现方法；管控协同体制下的环保护信令实现方法；管控协同平台的组网方案；协同操作的信令流程及其操作方式。根据本发明的方法，通过引入协同事物模块将管理平面和控制平面结合起来，通过管理技术辅助自动连接控制技术，减少集中式大量数据交互的开销，通过短小、快捷的控制消息进行实时的交互，从而解决分布式网络中不可调、不可控的缺点，提供支持多QoS等级的快速连接方法。本发明通过简单的管控交互，能够实现资源快速通告，资源快速发现，快速传达管理者的命令，支持在信令过程中根据所经过节点或者链路的资源受阻情况，通过实时、动态的资源锁定，解决资源拥堵、抢占等问题。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.026 seconds)
