一种基于因果图的兴趣点推荐去偏方法

    公开(公告)号:CN118410235A

    公开(公告)日:2024-07-30

    申请号:CN202410481353.1

    申请日:2024-04-22

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于因果图的兴趣点推荐去偏方法,是一个统一的去偏方法,通过结构因果图对吸引力进行干预,通过实现吸引力的正面和正面影响之间的平衡,本发明方法有助于减轻偏差并实现平衡。该方法利用反事实推理和自监督学习来减少负面吸引力影响,通过最大化向量空间中反事实和观测数据之间的一致性来实现。此外,将从多维吸引力中学习的吸引力特征与用户特征相结合,以利用吸引力的正面影响。在实验中,相对于其他模型,该方法在提高低吸引力地点推荐频率的同时,在整体上保持了较好的性能。

    一种面向地质灾害的山地国土空间防御韧性动态评估方法

    公开(公告)号:CN118710052B

    公开(公告)日:2025-02-14

    申请号:CN202410826745.7

    申请日:2024-06-25

    Applicant: 重庆大学

    Abstract: 本发明公开了一种面向地质灾害的山地国土空间防御韧性动态评估方法,涉及国土空间规划技术领域。本发明与之前的韧性评估方法相比,解决了传统以主观定性分析为主的韧性评估方法评估效率低,受个体主观意见影响大,且多为静态评估,从而影响评估结果准确性和可靠性的问题;通过将斜坡地质灾害的演化及其与国土空间的相互作用划分为不同阶段,分别采用机器学习等合适的评价方法和模型,动态地量化分析山地城镇系统面对斜坡地质灾害不同阶段时的防御韧性水平,并进行优化分析,得到研究区域面对斜坡地质灾害时的全周期综合韧性,再进行障碍度分析,明确山地城镇国土空间防御韧性薄弱环节,为山地国土空间防灾与规划提供参考依据,具有极强的实用性。

    一种用于移动推荐系统隐私保护的动态联邦学习方法

    公开(公告)号:CN117592554A

    公开(公告)日:2024-02-23

    申请号:CN202311554840.8

    申请日:2023-11-21

    Applicant: 重庆大学

    Abstract: 本发明涉及一种用于移动推荐系统隐私保护的动态联邦学习方法,包括动态数据策略模拟真实的动态环境,并且为了增强联邦模型在动态环境中的性能,本发明还提出了对抗生成网络和粒子群优化的自适应聚合方法,通过对抗生成网络解决了在动态联邦场景中客户端上的大规模本地数据系数和分布异质性的问题,通过粒子群优化的自适应聚合方法解决动态场景面临的客户端漂移问题可能导致的低质量模型参数在服务器的聚合过程中的干扰问题。在动态环境中,本发明将这两种优化方法结合起来,有效提高联邦模型的性能。

    一种CO2矿化矿山固废材料的参数优化方法

    公开(公告)号:CN114492203A

    公开(公告)日:2022-05-13

    申请号:CN202210141648.5

    申请日:2022-02-16

    Applicant: 重庆大学

    Abstract: 本发明提供一种CO2矿化矿山固废材料的参数优化方法,包括收集已知CO2矿化矿山固废材料工艺过程的影响因素作为机器学习模型的数据集,对数据集进行预处理,利用机器学习建立CO2矿化矿山固废材料工艺参数初始模型,利用数字孪生技术1:1重构还原实际的CO2矿化矿山固废材料工艺过程构建CO2矿化矿山固废材料的数字孪生系统,将初始模型参数输入数字孪生系统,对未知矿山固废材料的CO2矿化过程进行模拟预测得到预测参数,将预测参数与初始模型进行匹配优化,形成CO2矿化矿山固废材料工艺参数优化模型,据此再调控CO2矿化矿山固废材料工艺获得最佳矿化工艺。本申请能提高CO2矿化固废材料的效益,精准可靠成本较低,为实际CO2矿化固废材料工艺设计提供依据。

    一种面向移动推荐的基于语义的联邦学习方法

    公开(公告)号:CN117648995A

    公开(公告)日:2024-03-05

    申请号:CN202311607960.X

    申请日:2023-11-29

    Applicant: 重庆大学

    Abstract: 本发明涉及一种面向移动推荐的基于语义的联邦学习方法,旨在保护用户隐私的前提下提高模型的性能,同时减轻服务器上繁重的计算和通信负载。该方法提出了一种基于语义的优化策略,利用用户轨迹数据中包含的语义信息来指导联邦学习下的模型训练,以提高模型的推荐性能。同时,语义知识不包含用户隐私信息,且语义的学习过程不可逆,很好的保护了用户的隐私。此外,该方法采用“客户端‑边缘端‑服务器”的三层联邦架构,来缓解服务器的计算和通信压力。边缘端的引入也为语义优化提供了更多可用的计算和通信资源。实验结果表明,与传统的联邦学习框架相比,SFL在性能和效率上都取得了一定的提升。

    一种基于图像处理的激光光斑滑坡位移监测系统

    公开(公告)号:CN217303856U

    公开(公告)日:2022-08-26

    申请号:CN202220380542.6

    申请日:2022-02-24

    Applicant: 重庆大学

    Abstract: 本实用新型提供一种基于图像处理的激光光斑滑坡位移监测系统,包括固定在监测点外稳定区域上并用于发射激光光束的发射装置,固定在滑坡区域选定监测点处用于接收激光光束并形成激光光斑图像的成像装置,固定在滑坡区域选定监测点处用于对成像装置上的激光光斑图像进行实时动态采集并传输至数据处理装置的收集装置,用于对接收的激光光斑图像进行分析处理得出监测点滑坡位移量的数据处理装置。本系统具有适用性强、构成简单、成本低廉、安装便捷及自动化程序高的优点,可用于不同工况下滑坡体位移的高精度自动化监测,由于融入了图像技术的像素级别处理来进行运动目标的动态检测,因而提升了激光光斑的监测效率,监测精度可达亚毫米级。

Patent Agency Ranking