-
公开(公告)号：CN117058882A
公开(公告)日：2023-11-14
申请号：CN202311141096.9
申请日：2023-09-06
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明属于智能交通领域，具体涉及一种基于多特征双判别器的交通数据补偿方法，包括：获取卡口交通数据和路网的真实交通流图像；将路网转化为交通路网结构图；从交通数据提取相关属性；采用RoadNetPixel算法生成路网交通流图像；捕获交通路网的时空间特征和外部属性信息的外部特征并进行特征融合；建立ST‑DDGAN组件模型，根据融合特征和路网交通流图像以及路网的真实交通流图像进行对抗训练，通过训练完成后的ST‑DDGAN组件模型进行缺失数据补全。本发明通过将路网图像化，并基于路网图提取时空特征，同时，融合外部因素进行缺失数据补全，在交通数据高丢失率情况下，交通数据补偿的精度较高。
-
公开(公告)号：CN117057944A
公开(公告)日：2023-11-14
申请号：CN202311057645.4
申请日：2023-08-22
Applicant: 重庆邮电大学
IPC: G06Q50/00 , G06N5/04 , G06F40/216 , G06N3/0499 , G06N3/084
Abstract: 本发明属于衍生话题传播领域，具体涉及一种基于多维认知与博弈论的传播态势感知预测方法，包括：在线获取数据源；从感性认知和理性认知两个角度分析用户参与话题传播的多维认知，并进行特征表示；同时，提取影响话题影响力的用户属性以及话题属性融合为话题影响力，并结合演化博弈理论对多个衍生话题转发驱动力进行构建；利用BP网络建立衍生话题传播态势预测模型；通过衍生话题传播态势预测模型，得到衍生话题传播态势的预测结果。本发明利用用户网络拓扑的调和中心性量化节点间的正负反馈提取用户情感，同时从感性认知与理性认知两方面对用户转发行为进行建模分析，并引入演化博弈论，解决了传统话题传播态势感知预测的难题。
-
公开(公告)号：CN117057342A
公开(公告)日：2023-11-14
申请号：CN202311060234.0
申请日：2023-08-22
Applicant: 重庆邮电大学
IPC: G06F40/216 , G06F16/35 , G06F18/25 , G06Q50/00 , G06N5/04 , G06N3/0464 , G06N3/048
Abstract: 本发明属于网络舆情分析领域，具体涉及一种面向传播的关键元素动态溯源方法；该方法包括：从社交网络中获取用户关系网络、用户历史行为信息和谣言话题数据；提取用户关系特征并计算用户间的综合信任关系强度；用户关系特征包括关注关系信任强度、共同关注关系信任强度、共同转发关系信任强度和共同评论关系信任强度；根据用户间的综合信任关系强度，基于演化博弈计算谣言辟谣互影响力矩阵；根据用户间的综合信任关系强度，采用基于TF‑IDF算法的LDA模型计算用户的领域影响力；采用构建的谣言‑辟谣关键用户发现模型对用户的互影响力和用户的领域影响力进行处理，得到关键用户判别结果；本发明可更精确的分析谣言话题下的关键用户。
-
公开(公告)号：CN116959257A
公开(公告)日：2023-10-27
申请号：CN202311020378.3
申请日：2023-08-14
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明提出了一种基于自适应图嵌入的起始地‑目的地时间预测方法和装置，属于智能交通时间预测领域。包括得到包含时间戳、区、经纬度和车辆平均速度等卡口传感器信息；基于获取到的数据提取内部属性和外部属性特征。构建了“时隙‑路段‑速度”的非负张量，通过张量分解得到一个稠密的张量。通过混合神经网络，来有效提取给定轨迹的行驶速度特征。针对路网的时空特征，构造自适应路网邻接矩阵，有效捕获动态路网结构的特征。采用注意力机制自动分配外部属性的影响权重，提高模型预测的精确度。该模型表示，准确、可靠的行程时间预测是构建智能交通系统不可或缺的部分，可应用于人们日常出行和交通管理部门制定方案等。
-
公开(公告)号：CN116467710A
公开(公告)日：2023-07-21
申请号：CN202310275519.X
申请日：2023-03-21
Applicant: 重庆邮电大学
Abstract: 本发明属于网络与信息安全技术领域，具体涉及一种面向不平衡网络的恶意软件检测方法，包括：使用对抗生成网络对原始不平衡数据集进行数据增强，从而使得良性与恶意样本数量达到平衡；选取不同元路径构建异质网络挖掘各类实体信息；采用残差连接和恒等映射的方法提取节点的高阶隐藏信息，避免过平滑现象；基于自注意力机制对个元路径进行自适应加权聚合，获得最终嵌入表示，使用分类器进行分类操作；本发明考虑在现实生活中各类恶意软件的样本量少、难获取的问题，采用对抗生成网络进行数据增强操作，随后对其进行异质网络建模，利用高阶模型获取节点隐藏关系，再利用注意力机制进行元路径聚合，能够有效的对不平衡的软件数据集进行准确检测。
-
Patent Agency Ranking
公开(公告)号：CN116308857A
公开(公告)日：2023-06-23
申请号：CN202310138971.1
申请日：2023-02-20
Applicant: 重庆邮电大学
Abstract: 本发明属于网络舆情传播领域，特别涉及一种基于演化博弈和多状态的谣言信息控制方法，获取数据源，从获取的数据源中提取影响谣言传播的内部因素、外部因素以及消息影响力，内部因素包括用户活跃度、用户敏感度，外部因素包括话题热度、好友带动力，消息影响力包括谣言消息的影响力、疑谣消息的影响力；根据消息影响力在用户相信谣言并转发谣言信息、相信疑谣信息并转发疑谣信息的收益函数，使用演化博弈理论来得到用户参与谣言消息传播的驱动力、用户参与疑谣消息传播的行为驱动力；构建控制系统，并求解单位时间内控制策略转化目标群体为指定群体的最优转化率；本发明准确的描述社交网络中的多状态用户谣言传播过程，同时为谣言控制提供了理论依据。
-
公开(公告)号：CN115857543A
公开(公告)日：2023-03-28
申请号：CN202211474233.6
申请日：2022-11-23
Applicant: 重庆邮电大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于先验信息的多无人机协同搜索方法，包括将搜索区域地理点的经纬度坐标映射到笛卡尔坐标空间得到目标搜索区域；将目标搜索区域离散化处理为伪离散网格，并将每个伪离散网格的边离散为间隔均匀的搜索点；根据目标在搜索区域的先验概率信息，将N个搜索起点作为聚类中心采用Kmeans聚类算法生成N个任务区域：拍卖任务区域之间冲突的伪离散网格；以步长为Wk栅格化各无人机的任务区域确定各无人机的最终任务区域，建立无人机最终任务区域的概率地图；建立无人机的搜索函数计算出无人机在最终任务区域的最佳搜索路径；将无人机的最佳搜索路径映射回实际的地理坐标引导无人机在真实场景下对目标进行搜索。
-
公开(公告)号：CN115375328A
公开(公告)日：2022-11-22
申请号：CN202211023091.1
申请日：2022-08-25
Applicant: 重庆邮电大学
Abstract: 本发明属于信息处理领域，尤其涉及一种基于邻域相似度和多类型交互的恶意信息溯源方法；所述方法包括获取社交网络平台中的用户相关数据和恶意信息相关数据，利用拓扑结构刻画用户节点的重要性，得到用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量；通过构建多类型的三元交互网络来利用表示学习挖掘隐性信息优化转移概率矩阵；利用用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量，循环迭代计算得到用户节点的最终评分向量，进而及时有效定位溯源到恶意信息的传播源用户；这样可以有针对性的对信息进行防御，从而提高了社交网络平台信息传播的准确性和可靠性。
-
公开(公告)号：CN115344863A
公开(公告)日：2022-11-15
申请号：CN202210996905.3
申请日：2022-08-19
Applicant: 重庆邮电大学
Abstract: 本发明属于网络与信息安全技术领域，具体涉及一种基于图神经网络的恶意软件快速检测方法，该方法包括：构建恶意软件检测模型，采用不同元结构挖掘软件节点中不同实体中的隐藏信息；捕获节点之间基于高阶内容的相关性，使用注意力机制，对元路径进行语义融合；采用基于元结构相似度匹配的Sim2vec算法从未知软件节点和与之相似的已知软件节点嵌入进行增量聚合，提升检测速度；本发明考虑到不同恶意软件实体的多样性和语义关系复杂性所带来的检测精度不准得问题，采用异质信息网络构建模型，并利用高阶图神经网络挖掘恶意软件的高阶特征信息，再利用相似度算法进行匹配，能够有效的进行恶意软件的快速检测。
-
公开(公告)号：CN109631887B
公开(公告)日：2022-10-18
申请号：CN201811632825.X
申请日：2018-12-29
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法，本发明设计基于双目定位+高精度GPS信息确定惯性导航参考位置特征点三维坐标，通过特征点坐标值作为参考点来实时更新惯性导航三维坐标，来消除惯性导航由于积分产生的累计误差，实现基于惯性导航和双目定位结合辅助室内停车场车辆的高精确定位。本发明结构框图包括以下几个部分：一、高精度惯性导航系统组成及参考坐标系结构；二、惯性导航导航起始坐标的获取方法；三、双目高精度定位参考点的选择方法；四、高精度惯性导航坐标系的选择与设计；五、高精度惯性导航坐标系的转换方法；六、惯性导航累计误差的消除方法。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.033 seconds)
