-
公开(公告)号：CN110874437A
公开(公告)日：2020-03-10
申请号：CN201911115322.X
申请日：2019-11-14
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538
Abstract: 本发明涉及一种基于多重兴趣点对排序的个性化兴趣点推荐方法，属于位置推荐领域。该方法包括：S1获取用户隐式反馈签到数据；S2对用户隐式反馈签到数据进行分析，挖掘用户签到数据的空间分布特征，确定用户的活动区域；S3计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为三种样本；S4将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；S5根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。本发明缓解了签到数据稀疏性的影响，同时有助于挖掘用户具有潜在偏好的兴趣点，从而使兴趣点推荐的精确度得到提升。
-
公开(公告)号：CN109961183A
公开(公告)日：2019-07-02
申请号：CN201910213249.3
申请日：2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种评论信息对用户签到影响的度量方法，首先通过张量分解得到用户每次签到的意图分类，然后通过隐马尔科夫模型对用户的下一步意图进行预测，得到用户的下一步访问意图；对1km范围内的同意图位置进行确定；选择模型参数；基于用户该意图的历史评论数据集构建语料库；通过该语料库来训练LDA主题模型，同时对1km范围内同属该意图的位置的评论数据集构建语料库训练LDA主题模型；分析得到的主题的相似性，利用JS距离求得主题相似性并得到top‑k个预测位置。本发明考虑了用户评论信息对用户下一步位置选择的影响，通过预测用户下一步意图，计算用户历史数据中与当前在范围内的位置主题相似性，预测下一个兴趣点。
-
公开(公告)号：CN108804646A
公开(公告)日：2018-11-13
申请号：CN201810573999.7
申请日：2018-06-06
Applicant: 重庆邮电大学
CPC classification number: G06Q10/04
Abstract: 本发明涉及一种融合深度学习和因子分解机的兴趣点签到预测方法，属于位置签到预测领域包括：S1：获取用户签到数据；S2：对输入的离散数据进行嵌入处理；S3：离散数据去稀疏处理，并学习数据之间的隐含二阶关系；S4：对于连续特征加入全连接隐藏层进行学习，选取合适的激励函数；S5：输入由离散特征经过处理的结果和连续特征经过处理的结果相加作为隐藏层h1的输入；S6：隐藏层h1的输出l1经过一阶线性和特征交互结构并相加作为隐藏层h2的输入；S7：隐藏层h3接收的输入来自隐藏层h1和h2的输出l1和l2，同时加入shortcut结构保证参数学习时梯度的稳定性，确定最佳的模型结构，最后输出预测结果。本发明通过分析用户签到信息，充分挖掘学习签到规律，预测兴趣点签到问题。
-
公开(公告)号：CN107277885A
公开(公告)日：2017-10-20
申请号：CN201710464501.9
申请日：2017-06-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及车辆自组织网络技术领域，特别涉及一种车辆自组织网络路由方法，从与当前位置相邻的备选路口位置中确定数据包必须经过的下一个路口位置，当前位置的车辆节点将数据包发送到数据包必须经过的下一个路口位置的车辆节点；本发明考虑了道路的形态，通过沿道路形态的路径长度而非欧几里得距离来作为计算依据，是基于地理位置的路由算法在城市道路环境下的重要改进。
-
公开(公告)号：CN102663382B
公开(公告)日：2014-02-12
申请号：CN201210124376.4
申请日：2012-04-25
Applicant: 重庆邮电大学
IPC: G06K9/20
Abstract: 一种基于子网格特征自适应加权的视频图像文字识别方法。针对现有视频图像文字识别中存在的技术问题，本发明给出了一种给合边缘特征的图像文字二值化方法；获取到文字的二值图像后，采用弹性网格方法对图像文字进行区域网格划分，在计算其弹性网格特征之前，提出相邻网格的笔画结构相关性的判定。通过结合以上方法，使字符特征提取在稳定性和健壮性方面得以提高，从而有利于视频图像文字的识别率。
-
Patent Agency Ranking
公开(公告)号：CN119449542A
公开(公告)日：2025-02-14
申请号：CN202411581542.2
申请日：2024-11-07
Applicant: 重庆邮电大学
IPC: H04L25/02 , H04B17/391
Abstract: 本发明涉及OFDM系统中一种基于深度残差学习网络(deep residual learning network，ProDrnNet)的信道估计方法。该方法首先在接收端通过最小二乘法(least squares method,LS)初步得到导频处的信道估计，并将该信息当作低分辨率有噪图像输入信道估计模型，该模型学习了从低分辨率有噪信息到高分辨率去噪信息的映射关系，从而在模型输出还原的高分辨率去噪图像，得到准确的信道状态信息。仿真结果表明:所提出的ProDrnNet模型对还原信道状态信息的准确性比传统估计方法更具有优势，在多种信道环境下依然能准确重建信道信息。
-
公开(公告)号：CN119402096A
公开(公告)日：2025-02-07
申请号：CN202411518614.9
申请日：2024-10-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及相干光OFDM系统中一种投影直方图抑制相位噪声的方法。该方法先对循环前缀进行线性处理，以降低载波间干扰(ICI)的功率，对相位噪声进行初步的抑制。然后利用少量导频得到相位噪声的粗略估计后，使用伪导频辅助进一步对相位噪声进行抑制，最后两次利用投影直方图对相位噪声进行补偿，以此来提高时间分辨率和抑制精度。仿真结果表明：该算法在16阶正交振幅调制(16QAM)下，激光线宽为100kHz时，较传统投影直方图的补偿效果有所提高，且有效提高了频谱利用率。
-
公开(公告)号：CN118861441A
公开(公告)日：2024-10-29
申请号：CN202410857109.0
申请日：2024-06-28
Applicant: 重庆邮电大学
IPC: G06F16/9536 , H04L51/52 , G06F16/9535 , G06N3/084 , G16Y20/40 , G16Y40/20
Abstract: 本发明涉及一种基于个性化自适应带宽核密度估计和社交综合信任度的推荐系统，属于个性化推荐领域。该推荐系统包括：预处理模块、自适应带宽模块、核密度估计模块、信任度计算模块以及推荐模块；其中，自适应带宽模块根据k近邻距离算法优化核密度估计模块中的带宽选择，核密度估计模块以自适应带宽模块确定的带宽至少从用户项目核密度估计和显示交互项目核密度估计上计算个性化核密度估计，推荐模块根据核密度估计模块得出的个性化核密度估计以及信任度计算模块得出的综合社交信任度计算得出最终的推荐列表。本发明首先通过自适应带宽算法提升了核密度估计方法的效果，再从核密度估计方法的角度缓解显示社交关系的稀疏性，从而提升推荐的准确性。
-
公开(公告)号：CN118735063A
公开(公告)日：2024-10-01
申请号：CN202410858823.1
申请日：2024-06-28
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q30/01 , G06F18/23213 , G06F18/214 , G06F17/10
Abstract: 本发明涉及一种基于数据场聚类的客户细分方法，属于数据处理技术领域。本发明利用可解释性机器学习作为中间过程，将客户流失预测和客户细分无缝衔接起来；在进行流失预测之后，采用可解释性机器学习对客户流失预测模型进行解释分析，评估每个特征的重要性；之后，利用基于数据场的聚类方法来对每个数据中的流失客户和非流失客户分别进行细分；通过分析不同客户群体的特征，理解客户流失和留下背后的真正原因。通过本发明CSP能够根据客户需求和消费特征进行个性化定制，为不同客户群体提供差异化的产品和服务，并实现精准营销。
-
公开(公告)号：CN117744758A
公开(公告)日：2024-03-22
申请号：CN202311774145.2
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于移动设备的联邦学习优化方法，属于联邦学习技术领域，包括以下步骤：S1：中央服务器给不同类型的移动客户端动态分配不同训练任务；S2：中央服务器对联邦学习模型通过软修剪方法动态修剪掉部分滤波器，将全局模型发送给移动客户端；S3：移动客户端根据分配的训练任务进行局部模型训练，并对滤波器进行重建，训练完成后将局部模型上传至中央服务器；S4：中央服务器使用联邦平均算法，对收到的所有局部模型进行平均聚合，得到全局模型；S5：重复步骤S1‑S4，直至模型收敛；S6：中央服务器对为零的滤波器进行硬修剪，并将其发送给所有移动客户端；S7：移动客户端通过最终的模型对数据进行处理。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.026 seconds)
