-
公开(公告)号：CN119967230A
公开(公告)日：2025-05-09
申请号：CN202510013503.0
申请日：2025-01-06
Applicant: 北京邮电大学
IPC: H04N21/44 , H04N5/272 , H04N21/6437
Abstract: 一种视频场景下的主体阴影生成系统，包括下列模块：(1)客户端模块：该模块由视频采集子模块、编解码子模块、视频播放子模块和RTP接收发送子模块组成；(2)视频流转发模块：该模块由RTP接收和发送子模块、RTCP接收和发送子模块和视频流质量监控子模块组成；(3)视频处理模块：该模块由编解码子模块、RTP接收和发送子模块、视频人像抠图子模块、前后景叠加子模块和阴影生成子模块组成；本发明显著提升了实时性，能够流畅地生成阴影，有效增强了虚拟背景效果的真实感和沉浸感，大大提高了视频应用的视觉质量与可信度。
-
公开(公告)号：CN114677557B
公开(公告)日：2024-12-24
申请号：CN202210233646.9
申请日：2022-03-10
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/084 , G06V20/54 , G06V10/82
Abstract: 一种融合多属性和局部特征的车辆重识别系统，包括通用特征提取模块、全局特征模块、属性识别模块和面向方向的DropBlock模块；一种融合多属性和局部特征的车辆重识别方法，包括操作步骤：(1)将图像库中的车辆图像输入到车辆重识别系统，得到图像库中的车辆图像的重识别特征；(2)将待查询车辆图像输入到车辆重识别系统，得到待查询车辆图像的重识别特征；(3)根据所得到的重识别特征，从图像库中找出与待查询车辆图像相似度最大的车辆图像；本发明方法能够获取更多细节特征，有效的提升了车辆重识别的效果。
-
公开(公告)号：CN119167263A
公开(公告)日：2024-12-20
申请号：CN202411258607.X
申请日：2024-09-09
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/214 , G06Q10/20
Abstract: 一种基于运维注意力的时间序列异常检测评估方法和系统，包括：获取性能指标在一段时间内的时间序列及对应的地面真相标签，然后采用异常检测模型对时间序列进行异常检测，并输出异常检测结果；逐一计算地面真相标签和异常检测结果中每个异常点的运维注意力，并根据异常点的运维注意力来预测其后一个观察期长度内的所有时间点的运维注意力，从而获得地面真相标签和异常检测结果的运维注意力曲线，以据此对异常检测模型的异常检测结果进行评估。本发明涉及基础设施和I T支撑计算领域，在对时间序列异常检测模型的输出评估时，能考虑异常事件在时序上的连续性，还避免了对长异常事件表现高估的缺陷，并对碎片化的异常检测结果给出合理化的评估结果。
-
公开(公告)号：CN118761823A
公开(公告)日：2024-10-11
申请号：CN202410845467.X
申请日：2024-06-27
Applicant: 北京邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/2113 , G06F18/23213 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 基于大语言模型的电信领域权益产品推荐系统和方法，系统包括如下模块：用户特征分析模块、用户画像生成模块、产品画像生成模块和排序推荐模块；方法包括如下操作步骤：(1)根据电信权益产品的用户订阅数据，基于决策树模型，得到用户优选特征；(2)将传统的基于表格数据的用户信息转化为基于文本的用户画像；(3)通过大语言模型生成电信权益产品的产品画像；(4)基于用户画像、产品画像以及用户与电信权益产品的交互行为信息，对所有的电信权益产品进行排序；本发明精准地匹配用户需求和权益产品优势，实现了个性化的产品推荐。
-
公开(公告)号：CN117676697A
公开(公告)日：2024-03-08
申请号：CN202311511255.X
申请日：2023-11-14
Applicant: 北京邮电大学
Abstract: 一种物联网设备的数据传输方法和系统，包括：机器类型通信网关读取所有物联网设备发送来的短数据包：获取发送短数据包的物联网设备对应的QUIC数据流，然后将短数据包中的数据放入获取的QUIC数据流的待发送队列中；机器类型通信网关新建一个空数据包，按照QUIC数据流的待发送队列中放入待发送数据的时间先后顺序，逐一从每个存在待发送数据的QUIC数据流的待发送队列中弹出待发送数据，并封装成一个流帧后装入新建的数据包中，最后将装有多个流帧的数据包发送给中央基站。本发明涉及信息通信网络领域，能基于海量物联网场景，保障短数据包原始数据的完整性，并有效降低机器类型通信网关向中央基站转发数据包的数量与数据总量。
-
Patent Agency Ranking
公开(公告)号：CN111611431B
公开(公告)日：2023-07-28
申请号：CN202010301644.X
申请日：2020-04-16
Applicant: 北京邮电大学
IPC: G06F16/65 , G06N3/044 , G06N3/0464 , G06N3/045
Abstract: 一种基于深度学习的音乐分类方法，包括：将音乐的音频文件转化成梅尔声谱图，并生成音乐标签的独热向量；将音乐的梅尔声谱图和音乐标签的独热向量分别传入卷积神经网络和循环神经网络，通过卷积神经网络获得音乐的频域和时域特征向量，通过循环神经网络获得音乐‑标签关系向量，然后将卷积神经网络和循环神经网络各自的输出向量映射到相同维度后，连接合并构成一个音乐‑标签嵌入向量；将音乐‑标签嵌入向量传入标签预测层，其输出是音乐对应每个类别标签的概率值，最后根据概率值，从所有类别标签中挑选多个类别标签作为音乐的分类。本发明属于信息技术领域，能基于音乐类别的繁多和交错关系，实现音乐类别标签的准确预测。
-
公开(公告)号：CN113515930A
公开(公告)日：2021-10-19
申请号：CN202110530094.3
申请日：2021-05-14
Applicant: 北京邮电大学
IPC: G06F40/194 , G06F40/30 , G06F40/126 , G06N3/08
Abstract: 一种融合语义信息的异构设备本体匹配方法，包括如下步骤：(1)将指令片段集sk1和通用语义本体集sk2中的所有元素逐个输入指令理解模型，生成指令意图表征矢量；(2)从训练数据集中筛选小部分指令片段集sk1′用于制作准确匹配数据集F’；(3)计算相似矩阵S；(4)计算映射矩阵F；(5)计算目标函数f1；(6)更新映射矩阵F，计算目标函数f2；(7)多次循环步骤(2)至(6)，直至映射矩阵F实现准确匹配sk′1，最终得到的映射矩阵F将用于生成指令意图字典。
-
公开(公告)号：CN109189988B
公开(公告)日：2021-06-22
申请号：CN201811085594.5
申请日：2018-09-18
Applicant: 北京邮电大学
IPC: G06F16/735 , G06F16/78
Abstract: 一种视频推荐方法，包括：选取M个推荐视频，构建其数值矩阵，构建视频胶囊网络，输入视频的数值矩阵来获得每个推荐视频的特征向量；选取N位用户，划分T个时间槽，为每位用户在每个时间槽上分别构建一个潜在兴趣向量，同时，为M个推荐视频构建各自潜在特征向量；构建M个推荐视频之间的行为转移矩阵；根据N位用户的视频观看行为，为用户选取其已观看过的和未观看过的视频来构成一定数量用户‑视频偏序关系对；采用梯度下降法，对每位用户在每个时间槽上的潜在兴趣向量、每个推荐视频的潜在特征向量进行优化；计算用户在第T个时间槽下对推荐视频的兴趣值向量，并据此推荐视频。本发明属于信息技术领域，能基于胶囊网络来实现精准的视频推荐。
-
公开(公告)号：CN110324260B
公开(公告)日：2020-10-09
申请号：CN201910543654.1
申请日：2019-06-21
Applicant: 北京邮电大学
IPC: H04L12/851 , H04L12/24 , H04L29/08
Abstract: 一种基于流量识别的网络功能虚拟化智能调度方法，基于置信区域策略优化算法实现，所述方法包括下列操作步骤：(1)对网络数据流进行分类：(2)设置置信区域策略优化算法的状态空间；(3)设置置信区域策略优化算法的动作空间；(4)设置置信区域策略优化算法的奖励函数：(5)设置置信区域策略优化算法的损失函数；(6)在前述步骤的基础上，利用置信区域策略优化算法实现对虚拟网络功能的智能调度。本发明方法，能根据不同流量数据的服务质量需求，实现虚拟网络功能的智能调度，提高了网络利用率和网络服务性能。
-
公开(公告)号：CN110580196A
公开(公告)日：2019-12-17
申请号：CN201910864432.X
申请日：2019-09-12
Applicant: 北京邮电大学
Abstract: 一种实现并行任务调度的多任务强化学习方法，基于异步优势表演者批评家算法实现，包括下列操作步骤：(1)对算法模型进行设置操作以更好的解决并行多任务调度问题，包括设置状态空间、设置动作空间、设置奖励定义；(2)对算法网络进行如下改进：用深度神经网络来表示策略函数和值函数；全局网络由输入层、共享子网络和输出子网络构成；(3)设置算法的新损失函数；(4)利用采集观测的并行任务调度数据，训练算法网络，算法收敛后，将所述算法网络用于并行任务调度。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.032 seconds)
