-
公开(公告)号：CN110532429B
公开(公告)日：2021-05-11
申请号：CN201910832959.4
申请日：2019-09-04
Applicant: 重庆邮电大学
IPC: G06F16/735 , G06F16/9535 , G06K9/62
Abstract: 本发明涉及计算机技术领域，特别涉及一种基于聚类和关联规则的线上用户群体分类方法及装置，所述方法包括确定作为聚类中心的用户，利用简单匹配的方法对用户信息数据集中单值离散特征进行相似度计算；将关联规则引入到杰卡德距离的计算过程中，并以此分别计算每个用户与聚类中心的用户之间兴趣特征的相似度；将单值离散特征与兴趣特征计算出的相似度进行加权相加，获得综合用户相似度；根据综合用户相似度对所有用户更新分簇，确定每个簇的中心，当前中心用户的各特征值与上一次更新的中心用户的特征相同，则输出分簇的用户群体，完成分类；本发明解决了簇中心的更新过程中无法对多值离散特征进行合理更新的问题，并提高了用户行为聚类的质量。
-
Patent Agency Ranking
公开(公告)号：CN108337685B
公开(公告)日：2019-05-24
申请号：CN201810076862.0
申请日：2018-01-26
Applicant: 重庆邮电大学
Abstract: 本方法涉及高性能计算技术领域，特别涉及基于分簇DGM的无线传感器网络数据融合方法；方法包括按照空间相关性对多传感器数据进行动态分簇；对数据序列群中的异常点检测和补齐；借助灰理论中的离散区间灰数概念对传感器节点之间的相关性进行描述；采用离散灰数DGM预测模型对数据序列的发展趋势进行建模预测；实现多传感器数据融合；本方法能有效地对异常点进行检测和补齐，提升数据的可靠性；利用数据之间的空间关联性进行预测数据的修正，有效地提升数据预测的准确性；减少了簇头节点和汇聚节点之间的数据发送量；有效减少传感器节点的传输距离；降低传感器节点的传输能耗；减少了汇聚节点的对接点数，缓解了网络拥塞问题。
-
公开(公告)号：CN108647681A
公开(公告)日：2018-10-12
申请号：CN201810429149.X
申请日：2018-05-08
Applicant: 重庆邮电大学
CPC classification number: G06K9/3258 , G06K9/627 , G06K2209/01
Abstract: 本发明属于图像处理技术领域，具体为一种带有文本方向校正的英文文本检测方法；所述方法包括：分别对英文文本图像各个通道的进行最大稳定极值区域检测，得出候选文本区域；建立基于卷积神经网络模型的分类器，过滤错误的候选文本区域，获得初步文本区域；利用双层文本分组算法将所述初步文本区域分组；将分组后的初步文本区域进行方向校正，从而获得校正文本；本发明采用一种增强的多通道MSER模型：以得到更精细的文本区域；引入并行SPP-CNN分类器来更好地区分文本区域和非文本区域，可以处理任意大小的图像，且可在多尺度下提取池特征，从而可以通过源图像的多层空间信息来了解更多的特征；本发明可以处理略微倾斜的场景文本。
-
公开(公告)号：CN110532429A
公开(公告)日：2019-12-03
申请号：CN201910832959.4
申请日：2019-09-04
Applicant: 重庆邮电大学
IPC: G06F16/735 , G06F16/9535 , G06K9/62
Abstract: 本发明涉及计算机技术领域，特别涉及一种基于聚类和关联规则的线上用户群体分类方法及装置，所述方法包括确定作为聚类中心的用户，利用简单匹配的方法对用户信息数据集中单值离散特征进行相似度计算；将关联规则引入到杰卡德距离的计算过程中，并以此分别计算每个用户与聚类中心的用户之间兴趣特征的相似度；将单值离散特征与兴趣特征计算出的相似度进行加权相加，获得综合用户相似度；根据综合用户相似度对所有用户更新分簇，确定每个簇的中心，当前中心用户的各特征值与上一次更新的中心用户的特征相同，则输出分簇的用户群体，完成分类；本发明解决了簇中心的更新过程中无法对多值离散特征进行合理更新的问题，并提高了用户行为聚类的质量。
-
公开(公告)号：CN108647681B
公开(公告)日：2019-06-14
申请号：CN201810429149.X
申请日：2018-05-08
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体为一种带有文本方向校正的英文文本检测方法；所述方法包括：分别对英文文本图像各个通道的进行最大稳定极值区域检测，得出候选文本区域；建立基于卷积神经网络模型的分类器，过滤错误的候选文本区域，获得初步文本区域；利用双层文本分组算法将所述初步文本区域分组；将分组后的初步文本区域进行方向校正，从而获得校正文本；本发明采用一种增强的多通道MSER模型：以得到更精细的文本区域；引入并行SPP‑CNN分类器来更好地区分文本区域和非文本区域，可以处理任意大小的图像，且可在多尺度下提取池特征，从而可以通过源图像的多层空间信息来了解更多的特征；本发明可以处理略微倾斜的场景文本。
-
公开(公告)号：CN108337685A
公开(公告)日：2018-07-27
申请号：CN201810076862.0
申请日：2018-01-26
Applicant: 重庆邮电大学
Abstract: 本方法涉及高性能计算技术领域，特别涉及基于分簇DGM的无线传感器网络数据融合方法；方法包括按照空间相关性对多传感器数据进行动态分簇；对数据序列群中的异常点检测和补齐；借助灰理论中的离散区间灰数概念对传感器节点之间的相关性进行描述；采用离散灰数DGM预测模型对数据序列的发展趋势进行建模预测；实现多传感器数据融合；本方法能有效地对异常点进行检测和补齐，提升数据的可靠性；利用数据之间的空间关联性进行预测数据的修正，有效地提升数据预测的准确性；减少了簇头节点和汇聚节点之间的数据发送量；有效减少传感器节点的传输距离；降低传感器节点的传输能耗；减少了汇聚节点的对接点数，缓解了网络拥塞问题。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
