-
公开(公告)号：CN119760774A
公开(公告)日：2025-04-04
申请号：CN202411859194.0
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06F18/231 , G06F21/60 , G06F16/22 , G06F17/18 , G06F17/16 , G06N3/08 , H04L67/10 , H04L9/40
Abstract: 本发明涉及一种高效的隐私保护语义搜索方法，属于信息安全与隐私保护领域，包括以下步骤：S1：执行系统初始化，用户向授权中心进行注册，授权中心分发密钥给用户；S2：数据拥有者将收集到的数据上传至本地边缘服务器执行数据预处理，然后上传至云端；S3：利用最大化向量，通过分层次聚类算法构造二叉树作为索引结构；S4：当数据用户开始对多个查询关键词进行搜索时，首先将查询请求上传到本地边缘服务器，边缘服务器利用查询关键词生成陷门，然后将陷门作为搜索请求发送至云服务器；云服务器收到搜索陷门后，使用加密索引进行语义感知搜索，并向边缘服务器返回k个加密数据作为结果；边缘服务器用密钥解密后将得到明文结果返回给用户。
-
公开(公告)号：CN119743423A
公开(公告)日：2025-04-01
申请号：CN202411948773.2
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: H04L45/12 , H04L45/00 , H04L45/24 , H04L45/247 , H04L47/12 , H04L47/625 , H04L47/10 , H04B7/185
Abstract: 本发明涉及一种时延优化的卫星网络自适应路由方法及系统，属于卫星通信技术领域。本方法包括多跳信息年龄的构建，多路径路由，链路状态感知，流量分割自适应路由，动态路由决策等步骤；采用多跳信息年龄模型考虑链路状态的时变性，精确估计路径信息的实时性，确保数据更新的时效性；多路径搜索算法根据星历信息预测链路占用频率构建多条不相交的传输路径，缓解流量拥塞问题，优化链路资源利用率；流量分割自适应路由算法调整路径流量分配比例，降低数据丢包率和信息年龄，保障时延敏感型数据传输的稳定性；在高动态性的卫星网络中平衡资源利用，有效防止链路拥塞，提升整体传输效率和可靠性，为时延敏感型业务提供适应性强、高效的传输方案。
-
公开(公告)号：CN114707076B
公开(公告)日：2024-07-09
申请号：CN202210235650.9
申请日：2022-03-11
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9537 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种个性化物联网实体推荐方法，属于物联网技术领域。该方法包括：S1：采集用户历史数据，包括IoT实体评分、社交域和地理位置信息；S2：数据抽象化：服务器端处理采集的用户历史数据，获取项目域自适应部分的输入、社交域自适应部分的输入和特征嵌入部分的输入；S3：提取偏好特征：服务器端采用APTE推荐模型，获取用户项目域和社交域的偏好特征；S4：获取轻量级特征：采用轻量级卷积网络即使用两层网络代替复杂的卷积神经网络，获取实体项目和社交关系的最终特征表示；S5：采用基于频率的加权策略优化APTE推荐模型参数；S6：用户推荐。本发明减少了模型参数，优化了模型收敛速度。
-
公开(公告)号：CN117201031A
公开(公告)日：2023-12-08
申请号：CN202311155617.6
申请日：2023-09-07
Applicant: 重庆邮电大学
IPC: H04L9/32 , H04L9/00 , H04L9/40 , H04L67/1097 , H04L67/1074 , G06F21/62 , G06F21/64 , G06F16/182
Abstract: 本发明涉及一种基于同态哈希树的文件分布式存储共享方法，属于信息安全领域，包括以下步骤：S1：当云平台要将数据文件M共享给系统中的用户时，首先进行系统初始化；S2：构建同态哈希树；S3：用户合作共享；S4：数据一致性验证。本发明实现了云平台的大型数据文件的分布式存储，解决云平台上的大文件的传输由于网络不稳定导致速度较慢且受限的问题，并且保证了在数据在共享过程中的数据一致性。
-
公开(公告)号：CN116489682A
公开(公告)日：2023-07-25
申请号：CN202310457989.8
申请日：2023-04-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种缓存增强的任务卸载优化方法，属于无线通信技术领域，考虑一个边缘网络中多用户任务卸载的城市场景，基于用户的移动性，首先对执行任务的能耗和时延进行建模；然后考虑区域内用户可能会在不同的时刻重复请求相同任务的情况，引入边缘缓存技术；根据基站间任务请求的相似度，聚集成社区，社区内基站共享信息；设计双时间尺度，分别在长短期时隙内更新社区任务流行度和基站任务流行度；最后建立收益最大化模型，将优化问题转化为01背包问题进行求解。本发明可以有效降低任务卸载时的时间与能耗成本，提升用户体验。
-
Patent Agency Ranking
公开(公告)号：CN116488906A
公开(公告)日：2023-07-25
申请号：CN202310457821.7
申请日：2023-04-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种安全高效的模型共建方法，属于人工智能领域。该方法包括：区域划分：每个边缘服务器根据其范围覆盖能力划分负责管理的区域；系统初始化：初始化全局模型和密钥生成；本地模型训练：根据设备本地数据计算模型更新，并对梯度信息进行扰动回传；边缘安全鲁棒聚合：设计通信高效的安全增强聚合协议，以支撑基于扰动梯度的异步分组鲁棒聚合算法的实现；云全局模型聚合包括：接收各个边缘服务器返回的局部模型聚合结果，执行联邦平均算法进行全局模型聚合。本发明可有效提高客户端存在设备异构和资源受限情况下，全局模型的鲁棒性和安全性。
-
公开(公告)号：CN116486167A
公开(公告)日：2023-07-25
申请号：CN202310471461.6
申请日：2023-04-27
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种面向工业视觉质检的两阶段缺陷检测方法，属于图像识别领域。首先，通过工业环境下的目标物体的数据收集，建立数据集。其次，搭建两阶段缺陷检测网络模型，图像通过网络模型后，第一阶段能够得到局部缺陷的存在，第二阶段来预测缺陷的类型。最后，通过预测的类型来判别产品是否能够符合质量标准。本方法具有高精度的缺陷检测性能，并且借鉴了深度学习中自动提取目标的特性能够进行多种类别的缺陷检测。
-
公开(公告)号：CN119888812A
公开(公告)日：2025-04-25
申请号：CN202411913262.7
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/80 , G06V10/764 , G06V20/59 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G10L15/26 , G06F18/213 , G06F18/25 , G06F40/30
Abstract: 本发明涉及一种基于语义通信的驾驶员多模态情绪识别方法，属于车联网技术领域，包括以下步骤：S1：采集驾驶员的视觉、音频和文本数据并进行时空特征提取；S2：提取图像和文本的情绪常识关系特征；S3：语义编码和信道编码；S4：信道译码和语义译码；S5：多模态特征融合及情绪分类。本发明实现了在低信噪比环境下多模态情绪特征的高效可靠传输，提高了端边云架构下驾驶员情绪识别系统的实时处理能力。
-
公开(公告)号：CN119888810A
公开(公告)日：2025-04-25
申请号：CN202411912507.4
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种个性化特征增强的情绪识别方法，属于在线教育情感计算领域。该方法在提取学生面部表情图像空间特征的基础上，利用双向长短期记忆网络捕捉不同图像帧在时间维度上的情绪关联，得到有效的学生面部时空特征；并基于心理学“大五人格”理论，利用深度残差网络挖掘学生面部表现中隐藏的个性化性格特征，与面部特征融合，从而实现学生情绪分类，供教学者参考。本发明提高了学生学习情绪识别的准确性，可以有效减轻线上教学中师生情感交流不畅的问题，帮助教师掌握线上教学中的学生课堂状态，提升教学实施质量。
-
公开(公告)号：CN119886285A
公开(公告)日：2025-04-25
申请号：CN202411912511.0
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/0464
Abstract: 本发明涉及一种异构车联网个性化联邦学习方法，属于车联网数据分析领域。该方法是基于云‑边‑端三层架构进行联邦学习，用户层负责数据收集、本地模型训练以及个性化模型参数分解与构建；边缘层负责聚合其覆盖范围内车辆客户端本地模型的基础知识部分；云服务器层负责聚合所有边缘层的边缘基础知识。针对个性化模型参数分解与构建，采用二维离散余弦变换区分车辆客户端本地模型的基础知识和个性化知识，在融合其他车辆客户端基础知识的同时，保留自身的细粒度个性化知识。相比于其他个性化联邦学习方法，本发明在保证模型性能的同时降低模型训练时间，满足联网场景中的低复杂度要求。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.031 seconds)
