-
公开(公告)号：CN106875670B
公开(公告)日：2019-12-31
申请号：CN201710131675.3
申请日：2017-03-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种Spark平台下基于GPS数据的出租车调配方法，包括：101从调度中心获取出租车历史GPS数据部署到Spark平台上，对数据做并行地预处理操作；102在Spark平台下对出租车历史GPS数据进行分析，提取特征建立回归模型；103在Spark平台下对出租车的实时GPS数据进行提取并预测其未来的路径、终点位置以及到达时间；104根据预测结果对出租车的调配进行优化。本发明主要是在Spark平台下解决出租车调配问题，通过对出租车历史GPS数据的分析，提取特征建立回归模型，从而预测出租车未来的GPS路径、终点位置以及到达时间，继而对出租车的调配进行优化。
-
公开(公告)号：CN110232473A
公开(公告)日：2019-09-13
申请号：CN201910430445.6
申请日：2019-05-22
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q30/02 , G06Q50/00 , G06F16/9536
Abstract: 本发明请求保护一种基于大数据金融的黑产用户预测方法，包括：101对用户的历史操作数据和历史交易数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103对特征工程构造的特征进行筛选；104建立多个机器学习模型，通过模型融合提高模型的泛化性能；105通过建立的模型，对用户是否是黑产用户进行预测。本发明主要是通过用户30天的操作数据和交易数据以及黑产用户信息，构建特征工程，建立机器学习模型，从而能够在未来通过用户行为预测用户是否是黑产用户，来识别交易风险，切实结合当下的技术发展需求。
-
公开(公告)号：CN109740624A
公开(公告)日：2019-05-10
申请号：CN201811399639.6
申请日：2018-11-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的物流供应链需求预测方法，包括：101对数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103提取目标之间的关系特征；104提取输入输出空间的目标敏感特征；105建立机器学习模型，根据供应链的历史需求数据进行预测。本发明主要是通过提取关于物流供应链需求预测目标的输入输出空间的敏感特征来处理输入空间和输出空间的复杂关系，建立机器学习模型，从而预测供应链在未来5周内的需求，使得商家能够在正确的时间给用户最有效服务。
-
公开(公告)号：CN109548102A
公开(公告)日：2019-03-29
申请号：CN201811363942.0
申请日：2019-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应网络扫描周期的垂直切换方法，属于通信领域。该方法包括以下步骤：步骤1)在网络发现阶段，自适应地调整网络扫描周期进行网络发现；步骤2)在网络切换触发阶段，设定用户网络切换触发条件；步骤3)在网络选择阶段，首先对网络进行预筛选选，然后根据选择算法确定要切换的最优网络；步骤4)网络切换执行。本专利提出一种基于认知无线电自适应扫描周期的网络垂直切换方法，相对于传统的异构网络中垂直网络切换算法该方法，通过对网络扫描周期的自适应调整，以及根据用户的实际需求进行网络的选择，在节约用户的能量消耗的同时，减少了“乒乓效应”，提高了网络的服务质量和用户体验。
-
公开(公告)号：CN109509033A
公开(公告)日：2019-03-22
申请号：CN201811535802.7
申请日：2018-12-14
Applicant: 重庆邮电大学
IPC: G06Q30/02
Abstract: 本发明请求保护一种消费金融场景下的用户购买行为大数据预测方法，包括：101对用户的APP操作行为日志数据进行预处理操作；102对用户的APP操作行为日志数据进行特征工程操作；103对构建特征完成的样本集进行特征选择；104建立2个机器学习模型，并进行模型融合操作；105通过建立的模型，根据用户个人属性及其历史APP操作行为日志数据对用户在未来一个周是否购买APP上的优惠券进行预测。本发明为商家广告精准投放，个性化优惠信息推荐提供有力的决策支持。
-
Patent Agency Ranking
公开(公告)号：CN105930833B
公开(公告)日：2019-01-22
申请号：CN201610338147.0
申请日：2016-05-19
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车辆跟踪与分割方法，包括：预先浏览视频前20帧确定车辆行驶方法和车道宽度；初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；结合前景图像的面积及其外接矩形的面积联合判定前景图像是否为运动车辆；根据前景图像的外接凸包对运动目标进行粘连车辆判定；若为粘连车辆，对车辆进行分割；将车辆加入跟踪队列进行跟踪。本发明能够实时对视频中的车辆进行稳定的跟踪，并能够对粘连车辆进行分割，处理速度快，可满足对实时系统的要求。
-
公开(公告)号：CN107332848A
公开(公告)日：2017-11-07
申请号：CN201710542877.7
申请日：2017-07-05
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的网络流量异常实时监测的系统，使用了一种解耦合的系统设计，数据采集，数据处理，数据分析与及时响应自成一体，系统高度模块化。其特征在于：用嗅探器进行了数据的分布式采集，实现全网监测，实时抓取网络数据包信息。根据URL结构设定了特定规则，构建数据处理模块，实现对URL的有效信息提取。大量URL数据输入到利用bagging集成的机器学习器中进行有监督式学习，得到能够识别URL类型的数据分析模块；Web端与移动客户端的结合以多角度，多层次呈现数据。安装在服务器上的防御插件实现了对服务器的及时防护，与此同时，实时更新系统分类器数据，提高系统实用性。
-
公开(公告)号：CN107067025A
公开(公告)日：2017-08-18
申请号：CN201710081921.9
申请日：2017-02-15
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明请求保护一种基于主动学习的数据自动标注方法，属于主动学习领域，包括以下步骤：101对已标记和未标记数据进行处理；102利用多个不同分类器对未标记数据进行分类；103选出分歧熵低的数据；104对分歧熵低的数据进行人工标记；105对人工标记结果进行自检。本发明针对如何在减少人工标注数据的数量的同时，尽量保证人工标注数据的准确性问题，通过结合主动学习方法发明一个附带自检功能的数据自动标注系统，达到缩减工作量且提高人工标注数据准确性的目的。
-
公开(公告)号：CN106777006A
公开(公告)日：2017-05-31
申请号：CN201611115832.3
申请日：2016-12-07
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于Spark下并行超网络的分类算法，具体包括以下步骤：步骤S1.把文本数据部署到Spark平台上；步骤S2.在Spark平台上对文本数据进行并行化预处理；步骤S3.在Spark平台上，对超网络算法的演化学习进行并行化实现。本发明主要解决在大规模文本数据量的情况下，演化超网络分类算法的并行处理问题，通过分布式数据存储阶段，数据预处理阶段，并且通过改变超边结构以及超网络演化计算方式，修改目标函数，完成对超网络算法的并行化处理，提高传统超网络的分类算法性能和效率，解决在海量数据中，传统的超网络模型已经难以满足时间和空间的限制。
-
公开(公告)号：CN106599935A
公开(公告)日：2017-04-26
申请号：CN201611244051.4
申请日：2016-12-29
Applicant: 重庆邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6262 , G06K9/6271
Abstract: 本发明请求保护一种基于Spark大数据平台的三支决策不平衡数据过采样方法，涉及数据挖掘邻域，Spark大数据技术。首先使用Spark的RDD进行数据变换，得到归一化的LabeledPoint格式 的样本集，并分成训练集和测试集；其次采用Spark的RDD进行数据变化，求样本间的距离，确定领域半径，根据邻域三支决策模型将整个训练集中的样本划分成正域样本，边界域样本和负域样本；然后分别对边界域样本，负域样本进行过采样；最后调用Spark Mllib机器学习算法，验证采样效果。本发明有效解决大规模不平衡数据集在机器学习和模式识别领域中的分类问题。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.035 seconds)
