-
公开(公告)号：CN113962750A
公开(公告)日：2022-01-21
申请号：CN202111356919.0
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及大数据处理技术和汽车销量预测技术领域，特别涉及一种基于attention机制的多尺度信息汽车销量大数据预测方法，包括将加入用户行为信息的汽车基本信息数据传入encoder RNN中；在encoder RNN中采用多尺度特征解耦操作得到每个时间序列在每个时间步的多尺度信息；采用attention机制获取对不同small hidden state的重要性得分并更新；由decoder RNN输出未来时间步的汽车销量预测结果；本发明使得不同的small hidden state以不同频率更新，达到动态的选择重要尺度信息的目的，从而提升汽车销量预测的精确性。
-
公开(公告)号：CN118199055A
公开(公告)日：2024-06-14
申请号：CN202410492705.3
申请日：2024-04-23
Applicant: 重庆邮电大学
IPC: H02J3/00 , G06N3/0464 , G06N3/045 , G06F18/213 , G06F18/25 , G06Q50/06
Abstract: 本发明属于风力发电技术领域，具体涉及一种基于大数据的风电场发电功率预测方法；该方法包括：获取风电场数据并对其进行预处理，得到预处理好的风电场数据；其中，风电场数据包括历史气象数据、未来气象数据和发电出力时序数据；对风电场数据中的离散特征进行嵌入处理，得到嵌入特征；拼接嵌入特征和风电场数据中的连续特征，得到拼接特征；对拼接特征进行分块化处理，得到风电特征；采用训练好的风电场发电功率预测模型对风电特征进行处理，得到风电场发电功率预测结果；本发明的预测结果准确性高，具有良好的应用前景。
-
公开(公告)号：CN117423378A
公开(公告)日：2024-01-19
申请号：CN202311413783.1
申请日：2023-10-27
Applicant: 重庆邮电大学
Abstract: 本发明属于计算生物学领域，具体涉及一种基于图表示学习的药物‑靶标智能推荐方法；该方法包括：获取药物‑靶标信息，包括药物分子信息和氨基酸序列信息；根据药物分子信息构建初始药物分子嵌入向量；根据氨基酸序列信息构建初始氨基酸序列嵌入向量；采用分层注意力机制对初始药物分子嵌入向量和初始氨基酸序列嵌入向量进行处理，得到更新后的药物分子嵌入向量和氨基酸序列嵌入向量；拼接药物分子嵌入向量和氨基酸序列嵌入向量，将拼接后的向量输入到全连接层进行处理，得到药物‑靶标交互概率；选取交互概率大于交互阈值的药物‑靶标推荐给用户；本发明的预测结果准确度高，有助于减轻生物医学研究者对药物‑靶标研究负担。
-
公开(公告)号：CN117350287A
公开(公告)日：2024-01-05
申请号：CN202311347848.7
申请日：2023-10-18
Applicant: 重庆邮电大学
IPC: G06F40/289 , G06F18/22 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于舆情大数据的文本情感分析方法，包括：获取舆情文本数据，分组后将文本数据根据情感正负倾向排序；使用预训练模型对文本向量化，得到词向量和句向量特征；对文本进行分词，对分词结果中的词进行逐个删除，计算删除词后的特征向量和原始文本向量的相似度；根据计算出的文本相似度表示词汇重要性，使用词向量加权求和方法表示文本特征；根据情感相对排序关系构造损失函数，根据损失函数调整模型参数，当损失函数最小时完成模型训练；本发明提出一种计算词汇重要性的方法，利用该权重加权词向量计算文本向量特征，增加了模型评判文本情感分数的能力。
-
公开(公告)号：CN115758223A
公开(公告)日：2023-03-07
申请号：CN202211545535.8
申请日：2022-12-05
Applicant: 重庆邮电大学
IPC: G06F18/24
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种智能数据噪声筛选方法，包括：获取多标记数据，构建真实标记矩阵和含噪标记矩阵；通过真实标记矩阵和含噪标记矩阵构建噪声筛选模型；训练模型，并控制模型复杂度；对模型进行优化，并求解模型的参数，并更新参数得到最优参数，固定最优参数得到最优的噪声筛选模型；将待筛选数据输入最优的噪声筛选模型，得到真实标记数据。本发明利用含噪标记矩阵构建一个多标记分类器和噪声标记检测器，一方面减少冗余标记噪声对模型准确率的负面影响并生成具有区分性的特征信息，另一方面通过减少标记维度来提高模型的训练和预测效率，训练后的偏多标记学习模型对特征噪声和冗余标记噪声都具有更强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109523018B
公开(公告)日：2022-10-18
申请号：CN201910016242.2
申请日：2019-01-08
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明请求保护一种基于深度迁移学习的图片分类方法，其中,所述的领域适应至少包含两个领域的数据,分别为源域和目标域，并且源域数据为已标记的样本数据.所述方法主要包括以下步骤:步骤1)数据准备阶段.准备源域数据和目标域数据,确定目标类别集合.步骤2)特征提取模型构建阶段.使用ResNet和自注意力网络构建基础特征提取模型.步骤3)领域对抗模型构建阶段.使用领域对抗模型预测样本类别和样本领域；步骤4)训练阶段.对源域和目标域样本进行领域标记,设置基于样本迁移权重的损失函数.步骤5)预测阶段.对目标域数据进行预测,将类别预测结果作为最终结果.本发明降低标记成本,达到知识迁移的目的。
-
公开(公告)号：CN110059183B
公开(公告)日：2022-08-23
申请号：CN201910221691.0
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的汽车行业用户观点情感分类方法，包括101对数据进行预处理操作；102对数据进行特征工程构建操作；103建立多个机器学习模型包括LightGBM、随机森林、Catboost模型，并进行模型融合操作；104通过已建立的模型，根据文本内容、主题、情感分析等数据了解消费者。本发明主要是通过对文本内容、主题、情感分析等数据进行预处理、Jieba分词和分析数据提取特征，建立多个机器学习模型，从而预测汽车行业用户的情感，使得汽车厂商获得快速、准确的方式来了解消费者需求，使得汽车厂商能够根据消费者对汽车的情感对汽车做最有效的改进。
-
公开(公告)号：CN110060102B
公开(公告)日：2022-05-03
申请号：CN201910313789.9
申请日：2019-04-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于偏标记学习的用户所在商铺定位大数据预测方法，包括：101对用户的购物状态数据进行预处理操作；102根据每个样本所对应的候选商铺集合构建偏标记数据集；103对偏标记数据集进行特征提取操作；104根据特征空间构建相似度图；105根据相似度图进行概率传播；106通过传播所收敛的概率，从偏标记数据集的候选商铺集合中预测出用户未来有行为互动的商铺。本发明主要是通过对用户历史数据进行预处理，提取特征，转换偏标记数据集，建立偏标记学习模型，根据用户的位置行为的偏标记数据集，从每个用户所对应的候选商铺集合中预测出用户未来有行为互动的商铺，使得用户能够获得更为精准的个性化推送服务，提高用户的购物体验。
-
公开(公告)号：CN110222873A
公开(公告)日：2019-09-10
申请号：CN201910398192.9
申请日：2019-05-14
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于大数据的地铁站客流量预测方法，主要是通过对地铁站历史刷卡数据进行预处理和分析，构建特征，对特征进行选择，建立多个机器学习模型并进行融合，根据地铁站历史刷卡数据对地铁站在未来的客流量进行预测，以帮助实现更合理的出行路线选择，规避交通堵塞，提前部署站点安保措施等，最终实现用大数据和人工智能等技术助力未来城市安全出行。
-
公开(公告)号：CN109523018A
公开(公告)日：2019-03-26
申请号：CN201910016242.2
申请日：2019-01-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于深度迁移学习的图片分类方法，其中,所述的领域适应至少包含两个领域的数据,分别为源域和目标域，并且源域数据为已标记的样本数据.所述方法主要包括以下步骤:步骤1)数据准备阶段.准备源域数据和目标域数据,确定目标类别集合.步骤2)特征提取模型构建阶段.使用ResNet和自注意力网络构建基础特征提取模型.步骤3)领域对抗模型构建阶段.使用领域对抗模型预测样本类别和样本领域；步骤4)训练阶段.对源域和目标域样本进行领域标记,设置基于样本迁移权重的损失函数.步骤5)预测阶段.对目标域数据进行预测,将类别预测结果作为最终结果.本发明降低标记成本,达到知识迁移的目的。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.026 seconds)
