-
公开(公告)号：CN114841461B
公开(公告)日：2024-06-14
申请号：CN202210563194.0
申请日：2022-05-19
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q10/0639 , G06F18/214 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于时序缺失感知和多源因素融合的空气质量集成预测方法，属于空气质量预测技术领域，包括S1：对影响空气质量的气象因素、社会经济因素和AQI进行采集、预处理，建立时序和具有多源因素的数据集；S2：构建AD_LSTM模型，通过子空间分解和时间衰减函数构建数据缺失感知单元，解决历史空气质量指数AQI时序数据中的数据缺失问题，建立AQI随时间变化的波动趋势；S3：构建BPNN模型，建立气象因素/社会经济因素与AQI的映射关系；S4：利用协同注意力集成AD_LSTM模型和BPNN模型并训练；S5：利用训练好的集成模型，采用历史空气质量的变化趋势、气象因素、社会经济因素对空气质量进行综合研判。
-
公开(公告)号：CN118038531A
公开(公告)日：2024-05-14
申请号：CN202410312683.8
申请日：2024-03-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种特征分离的域泛化人脸防伪检测方法，属于机器视觉技术领域，包括以下步骤：S1：构建域特征明显的人脸防伪数据集，按域特征对人脸防伪数据进行分类；S2：构建特征提取模块对人脸防伪数据集中的数据进行特征提取；S3：设计域特征分离方法并引入双重三元组损失，让不同的域特征以及正负样本特征在特征空间中相互分离；S4：将步骤S3中分离的特征进行对齐，为每个域设计一个分类器，引入投影梯度下降法，在反向传播期间，将不同的分类器对齐，在分离的特征对齐的同时得到一个全局最优的分类器；S5：以特征提取模块、域特征分离方法和域特征对齐方法，联合构建人脸防伪模型，并对其进行训练，以获得泛化性强的人脸防伪检测模型。
-
公开(公告)号：CN113702490B
公开(公告)日：2024-04-30
申请号：CN202111000420.6
申请日：2021-08-27
Applicant: 重庆邮电大学
IPC: G01N27/904
Abstract: 本发明涉及一种基于涡流热传导的混凝土内部钢筋锈蚀量估计方法，属于钢筋锈蚀量估计领域，包括：S1：构建绝热表面的涡流热传导混凝土内部锈蚀检测装置；S2：通过S1所述装置中的激励电源，在混凝土内的钢筋中形成涡流，涡流产生的焦耳热传到混凝土表面，构成携带锈蚀量信息的表面温度场；基于软硬件方法解决电磁兼容问题，从而去除表面温度测量误差；S3：通过四级简化法实现涡流热传导物理模型的简化，并利用此模型生成虚拟数据；S4：利用S2中得到的真实数据和S3中得到的虚拟数据，实现深层神经网络模型求解，解决涡流热传导反系数问题，估计混凝土内部钢筋锈蚀量。本发明数学表达模型简单，模型参数求取简单，提高了结果精度。
-
公开(公告)号：CN116933117A
公开(公告)日：2023-10-24
申请号：CN202310976538.5
申请日：2023-08-04
Applicant: 重庆邮电大学
IPC: G06F18/2323 , G06F18/21 , G06F18/214 , G06F11/30
Abstract: 本发明属于过程挖掘领域，涉及一种基于谱聚类的软件组件识别方法；包括获取软件运行事件日志，并获取软件运行事件日志中所涉及的所有类组成类集合；根据软件运行事件日志及类集合构建类调用相似度矩阵；根据类调用相似度矩阵构建度矩阵，并基于度矩阵计算出拉普拉斯矩阵；计算拉普拉斯矩阵的所有特征值并升序排列，通过前k个特征值的特征向量构建特征向量空间；采用Discretize聚类算法对特征向量空间进行聚类，并通过组件质量函数获取具有最高质量组件的聚类结果作为组件识别结果；通过该组件识别结果为软件运行事件日志添加组件属性信息；本发明相比于已有通过软件运行数据识别组件的算法考虑了类之间调用次数，能更准确地识别组件。
-
公开(公告)号：CN116523602A
公开(公告)日：2023-08-01
申请号：CN202310508313.7
申请日：2023-05-08
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06Q40/00 , G06F21/62 , G06N3/0895 , G06N3/098 , G06N20/00
Abstract: 本发明涉及一种多方半监督学习的金融产品潜在用户推荐方法，属于大数据推荐领域，针对金融产品提供方只拥有正样本的己方数据而无法进行推荐的问题，在保护多方数据安全隐私的情况下，联合多方未标记数据进行多次随机采样，构建正负样本均衡的二分类数据集，训练基于基学习器的纵向联邦学习模型，根据其预测结果，从未标记样本数据中选出可靠正样本，多次迭代数据集重构采样、模型训练预测过程，选出批量可靠正样本。本方法有效地解决了只有少量正样本和大量未标记样本的批量推荐，提高了推荐的可靠性，实现了金融产品潜在用户的精准与批量推荐。
-
Patent Agency Ranking
公开(公告)号：CN116311379A
公开(公告)日：2023-06-23
申请号：CN202310351000.5
申请日：2023-04-04
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/80 , G06V10/774 , G06V10/764 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉领域，涉及一种基于Transformer网络模型的行人重识别方法、装置及计算机设备；所述方法包括获取目标行人图像并预处理，生成标准行人图像；将标准行人图像采用滑动窗口划分为多个具有重叠部分的方形子图像；对各方形子图像经过水平线性投影和垂直线性投影，得到水平特征矩阵和垂直特征矩阵；将其输入到预先训练好的改进Transformer网络模型中，预测得到目标行人图像的识别结果。本发明利用滑动窗口将输入图像划分为多个有重叠部分的正方形小块，突出了遮挡物与行人交界边缘处行人的特征；利用改进的Transformer网络结构，加强了行人特征在各个方向上的关联，提高了行人重识别准确度。
-
公开(公告)号：CN116166771A
公开(公告)日：2023-05-26
申请号：CN202211480102.9
申请日：2022-11-22
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F40/289 , G10L15/22 , G10L17/22 , G10L17/02
Abstract: 本发明涉及一种行为文本处理的语音服务内容识别方法，属于自然语言处理领域，包含以下步骤：采集客服的服务音频，计算音频各帧之间的声纹相似度，按相似度对音频帧进行聚类；建立客服人员音色库，确定服务音频客服身份；使用语音识别模型将服务音频转为语音文本；建立文本关键词库，计算与检索语音文本中的行为关键词，构建行为关键词序列；建立说话人行为识别模型，根据行为关键词序列确定客服行为，构建客服行为序列；建立服务内容识别模型，根据客服行为序列确定客服服务内容。
-
公开(公告)号：CN114841461A
公开(公告)日：2022-08-02
申请号：CN202210563194.0
申请日：2022-05-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于时序缺失感知和多源因素融合的空气质量集成预测方法，属于空气质量预测技术领域，包括S1：对影响空气质量的气象因素、社会经济因素和AQI进行采集、预处理，建立时序和具有多源因素的数据集；S2：构建AD_LSTM模型，通过子空间分解和时间衰减函数构建数据缺失感知单元，解决历史空气质量指数AQI时序数据中的数据缺失问题，建立AQI随时间变化的波动趋势；S3：构建BPNN模型，建立气象因素/社会经济因素与AQI的映射关系；S4：利用协同注意力集成AD_LSTM模型和BPNN模型并训练；S5：利用训练好的集成模型，采用历史空气质量的变化趋势、气象因素、社会经济因素对空气质量进行综合研判。
-
公开(公告)号：CN114357025A
公开(公告)日：2022-04-15
申请号：CN202111635472.0
申请日：2021-12-29
Applicant: 重庆邮电大学
IPC: G06F16/2458 , G06Q10/06
Abstract: 本发明请求保护一种基于任务类型的流程挖掘一致性检查方法、系统及介质，属于数据挖掘领域，对流程挖掘模型结构性进行评估的方法。本发明是一种将挖掘模型与原始模型进行对比，并结合任务类型的一致性检查方法。首先遍历原始模型和挖掘模型，得到各个模型中的全部任务数、可见任务数、重复任务数、不可见任务数，再计算模型中重复任务和不可见任务所占比例，最后带入结构性评估公式中计算。该发明能够有效的对挖掘模型进行一致性检查，从而合理的评估模型的结构性，以达到评估挖掘算法有效性的目的。
-
公开(公告)号：CN113269070A
公开(公告)日：2021-08-17
申请号：CN202110539959.2
申请日：2021-05-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种融合全局和局部特征的行人重识别方法、模型训练方法、可读存储介质及处理器，属于计算机视觉领域，包括以下步骤：S1：输入待识别的图像，将其预处理得到标准输入图像；S2：通过卷积神经网络来分别提取输入图像的全局特征和局部特征；S3：将全局特征和局部特征分别输入批量归一化层与1×1卷积层对特征进行降维；S4：将全局特征和局部特征进行融合，得到融合后的行人特征；S5：计算融合特征与图像库中各图像对应特征的距离，用于表示图像间的相似度；将图像库中的图像按照与输入图像的相似度排序，将排序结果作为行人重识别模型的输出。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.027 seconds)
