-
公开(公告)号：CN112631717A
公开(公告)日：2021-04-09
申请号：CN202011514515.5
申请日：2020-12-21
Applicant: 重庆大学
Abstract: 本发明公开基于异步强化学习的网络服务功能链动态部署系统及方法。系统包括信息获取模块、神经网络训练模块、虚拟网络功能放置模块、放置校验模块和数据库；方法步骤为：1)获取服务功能链请求；2)生成虚拟网络功能的放置方式，并完成虚拟网络功能的放置；3)判断服务功能链请求中所有虚拟网络功是否均放置成功，若是，则接受所述服务功能链请求；否则，拒绝所述服务功能链请求，释放已占用的资源。本发明将单个服务功能链部署问题建模为一个有限步数的马尔科夫决策过程，优化目标为最大化接受率和长期平均收益，以此来适应强化学习方法架构。
-
公开(公告)号：CN107766462B
公开(公告)日：2020-03-13
申请号：CN201710899405.7
申请日：2017-09-28
Applicant: 重庆大学
IPC: G06F16/9535 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开了基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法，包括以下步骤：获取所有用户及候选推荐地点的历史签到信息，计算目标用户对候选推荐地点的地点偏好度TFIDFu，l；计算相似度Simu,v；获取所有用户的社交网络信息，计算出相似用户的社交信誉度Repv；获取目标用户的位置信息，计算目标用户的地理距离影响因子g(disu，l)；基于候选推荐地点的历史签到信息计算候选推荐地点的流行度p(l)；计算目标用户的推荐分数Scoreu,l；基于推荐分数Scoreu,l生成推荐信息。本发明公开的技术方案可以根据不同用户的偏好、社交信誉度和地理位置为用户适合准确地推荐兴趣点。
-
公开(公告)号：CN104809393B
公开(公告)日：2017-07-04
申请号：CN201510238156.8
申请日：2015-05-11
Applicant: 重庆大学
Abstract: 本发明涉及一种基于流行度分类特征的托攻击检测算法，该算法首先统计用户对项目的评分，构建用户评分矩阵；然后统计项目的项目流行度；其次确定用户流行度向量；再次计算基于流行度的分类特征值MUD，RUD和QUD；然后构建分类器，最后将新用户的用户流行度向量中的元素输入分类器中，即可判定该新用户为正常用户或虚假用户。本发明提供的检测算法，对用户类别有较好的判定效果，无论是在单纯的随机攻击、评价攻击、流行攻击或混淆技术干扰时的攻击时都有非常好的托攻击检测性能，并且计算代价低，检测时间更短。
-
公开(公告)号：CN104809393A
公开(公告)日：2015-07-29
申请号：CN201510238156.8
申请日：2015-05-11
Applicant: 重庆大学
CPC classification number: G06F21/554 , G06F17/30867 , G06F2221/034
Abstract: 本发明涉及一种基于流行度分类特征的托攻击检测算法，该算法首先统计用户对项目的评分，构建用户评分矩阵；然后统计项目的项目流行度；其次确定用户流行度向量；再次计算基于流行度的分类特征值MUD，RUD和QUD；然后构建分类器，最后将新用户的用户流行度向量中的元素输入分类器中，即可判定该新用户为正常用户或虚假用户。本发明提供的检测算法，对用户类别有较好的判定效果，无论是在单纯的随机攻击、评价攻击、流行攻击或混淆技术干扰时的攻击时都有非常好的托攻击检测性能，并且计算代价低，检测时间更短。
-
公开(公告)号：CN116501954B
公开(公告)日：2025-05-06
申请号：CN202310286423.3
申请日：2023-03-22
Applicant: 重庆大学
IPC: G06F16/9535 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开基于注意力机制的用户真实兴趣感知图增强推荐系统及介质，系统包括基于真实兴趣感知的图增强模块、图对比学习模块、和个性化推荐模块；介质存储有计算机程序。本发明对用户真实兴趣的提取，通过图对比学习和用户的社交关系增强用户的表示，进而提升推荐算法的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113989526B
公开(公告)日：2025-03-21
申请号：CN202110700038.X
申请日：2021-06-23
Applicant: 重庆大学
Abstract: 本发明公开基于离散小波变换的图像感知哈希方法，步骤包括：1)获取待处理图像；2)对图像进行预处理，得到预处理后的图像；3)对预处理后的图像进行特征提取，得到图像特征；4)对图像特征进行量化和加密，得到图像哈希序列。本发明保留了小波变换的低频系数，利用奇异值分解(SVD)对系数矩阵进行压缩。这样，该方案提取的特征仍然是图像的关键视觉信息，因此本发明具有出色的鲁棒性和判别能力。
-
公开(公告)号：CN118485159A
公开(公告)日：2024-08-13
申请号：CN202410349561.6
申请日：2024-03-25
Applicant: 重庆大学
Abstract: 一种异构移动边缘计算网络中高能效客户端采样的联邦学习方法，包括：1)建立异构移动边缘计算系统，包括参数服务器以及#imgabs0#个存在系统异构性的移动客户端；2)参数服务器生成采样策略#imgabs1#并设通信次数t＝1；3)参数服务器根据采样策略#imgabs2#从#imgabs3#个移动客户端中选出#imgabs4#个参与联邦学习训练的移动客户端；4)所述#imgabs5#个移动客户端在本地进行更新；5)参数服务器对更新后的模型参数进行加权聚合，得到全局模型的参数；6)判断全局模型的参数是否达到收敛条件，若是，则输出参数服务器中的全局模型的参数，若否，则令t＝t+1，并返回步骤3)。本发明综合考虑联邦学习训练过程中的能量消耗和模型的损失函数，在确保模型收敛性的同时降低能耗。
-
公开(公告)号：CN118042524A
公开(公告)日：2024-05-14
申请号：CN202410109755.9
申请日：2024-01-25
Applicant: 重庆大学
IPC: H04W28/08 , H04W28/084 , H04W28/086 , H04W12/02 , G06F9/50 , G06N3/045 , G06N3/092 , G06N3/006
Abstract: 本发明公开一种智能反射面辅助的移动边缘计算网络下任务卸载优化方法，步骤包括：1)建立智能反射面辅助的移动边缘计算系统；2)基于所述移动边缘计算系统，构建通信及数据安全模型；3)构建不同卸载决策下的延迟优化目标；4)将延迟优化目标建模为马尔科夫决策过程，设置深度强化学习的状态空间、动作空间和奖励函数；5)对建模为马尔科夫决策过程的延迟优化目标进行求解，得到计算卸载和资源分配方案。本发明在优化计算卸载和资源分配策略时考虑了网络的动态性和时变性，使得系统能够在多数网络环境中正常稳定运行。
-
公开(公告)号：CN114116692B
公开(公告)日：2024-05-10
申请号：CN202111299422.X
申请日：2021-11-04
Applicant: 重庆大学
IPC: G06F16/215 , G06F16/2457 , G06F16/2458
Abstract: 本发明涉及一种基于mask和双向模型的缺失POI轨迹补全方法，包括如下步骤：选取公开数据集确认兴趣点POI的地点和时间标签；按时间对兴趣点进行排序，得到用户轨迹序列；采用MASK机制随机覆盖用户轨迹中若干个兴趣点得到不完整轨迹序列Sm；对Sm进行所需要求处理，得到相关向量Lu、P和#imgabs0#将这三种向量矩阵进行想相加得到地点集嵌入矩阵In；构建双向网络模型，并通过损失函数训练该双向网络模型，最终得到训练好的双向网络模型。使用本方法可以更加有效的学习用户行为序列的表示，并且能够很准确的补全序列中缺失的POIs。
-
公开(公告)号：CN113672819B
公开(公告)日：2023-09-29
申请号：CN202110572916.4
申请日：2021-05-25
Applicant: 重庆大学
IPC: G06F16/9536 , G06F9/50 , G06F16/957
Abstract: 本发明公开一种基于推荐感知和协作边缘缓存的内容请求处理系统，包括网络信息获取模块、移动边缘缓存系统模型搭建模块、推荐列表生成模块、用户体验质量计算模块、请求处理策略生成模块；本发明综合考虑了终端的个性化需求，结合了“软缓存”这一观点，给出了对内容请求的最佳处理方式，同时通过对缓存友好的启发式算法确定对内容请求的最佳处理地点，很大程度上提高了用户的QoE(Qualityof Experience，体验质量)。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.018 seconds)
