-
公开(公告)号：CN103780521A
公开(公告)日：2014-05-07
申请号：CN201410071755.0
申请日：2014-02-28
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种稀疏度自适应的OFDM系统信道估计方法，属于移动通信技术领域。该方法包括以下步骤：步骤一：获得导频处信道响应；步骤二：建立信道模型；步骤三：构造信号重构所需的观测矩阵和观测值；步骤四：根据重构算法恢复信道冲激响应。本发明所述方法实现了无需在信道稀疏度已知的先验条件下，也能有较高的信道估计性能的目的，为稀疏信道估计提供了一种简单而高效的解决方案；该方法能减少导频数目，提高频谱利用率，有效地降低信道估计误差。
-
公开(公告)号：CN119990943A
公开(公告)日：2025-05-13
申请号：CN202510154356.9
申请日：2025-02-12
Applicant: 重庆邮电大学
IPC: G06Q10/083 , G06Q10/087 , G06F17/10 , G06Q10/0835 , G06F30/20 , B65G63/00 , B65G67/60 , G06F111/10 , G06F111/06 , G06F111/04
Abstract: 本发明涉及一种基于货类和泊位分配的多目标件杂货码头堆存方法，属于堆存技术领域，包括以下步骤：S1：对参数进行定义并初始化；S2：通过货物的年吞吐量与堆存周期计算每种货物的平均周转量；S3：以各种货物从泊位到堆场的距离整体最短为优化目标，添加约束条件，定义目标函数；S4：利用多目标线性规划对目标函数进行求解，输出每种货物的卸货泊位、存放的堆场编号及数量、总存放量以及与平均周转量的差异。
-
公开(公告)号：CN118886469A
公开(公告)日：2024-11-01
申请号：CN202410921274.8
申请日：2024-07-10
Applicant: 重庆邮电大学
IPC: G06N3/082 , G06N3/0455
Abstract: 本发明提出的基于改进自编码器和生成对抗网络的推荐模型，包括从数据库中获取和清理数据信息，以获得所需信息；根据改进的自编码器模块，在模型训练时对参数进行选择性更新以避免产生误差；根据设计的自编码器模块输出作为生成对抗网络(GAN)的生成器的生成数据，使用调整后的自编码器模型，以随机噪声作为输入，生成用户预测的购买评分矩阵；根据采用多层感知机结构的判别器模块，区分生成的评分矩阵与真实的物品评分矩阵；利用生成对抗网络训练模型，生成器和判别器通过持续的对抗学习并相互优化，以提高生成评分矩阵的准确性和真实性；根据推荐结果获取模块，对预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。
-
公开(公告)号：CN118779525A
公开(公告)日：2024-10-15
申请号：CN202410931729.4
申请日：2024-07-12
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F18/22 , G06F18/10
Abstract: 本发明提出的一种通用的解决数据稀疏性的推荐框架，包括从数据库中获取和清理数据信息，以获得所需信息；使用用户与物品原始的评分矩阵R生成用户交互矩阵T，然后采用流行度对共同交互矩阵进行赋权；使用用户与物品原始的评分矩阵R并采用一种相似度计算方法生成相似度矩阵S；通过共同交互值Ti,j与系统设定的可靠性阈值t进行比较，将共同交互值低于阈值的对应位置相似度进行过滤，保留较高可靠性位置的相似度值Si,j；使用矩阵分解模型MF对去噪后的相似度矩阵进行填充，并进行对称化处理，生成去噪填充后的相似度矩；结合去噪填充后的相似度值和原始评分值以得到用户对物品的预测值；对用户对未评分物品的综合预测值进行排序，选取前k个项目以生成用户的推荐物品列表。
-
公开(公告)号：CN114943041B
公开(公告)日：2024-07-02
申请号：CN202210533312.3
申请日：2022-05-17
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F21/62
Abstract: 本发明涉及一种基于差分隐私的隐式反馈协同过滤推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(P,Q)，交替最小二乘法求解L(P,Q)，存储用户隐因子矩阵P；将求得的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为多项式，降低目标函数的敏感度，使用少量Laplace噪声对目标函数进行扰动；对所有加噪的目标函数#imgabs0#求解，得到加噪的项目隐因子向量#imgabs1#聚合所有的#imgabs2#得到矩阵#imgabs3#本发明具有良好的隐私保护性和模型准确性。
-
Patent Agency Ranking
公开(公告)号：CN117743690A
公开(公告)日：2024-03-22
申请号：CN202311785735.5
申请日：2023-12-22
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F21/62
Abstract: 本发明涉及一种基于混洗器联邦差分隐私的矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：用户i∈[1，n]在本地通过L(U，V)，在第t∈[1，T]轮用户i求得用户i的隐因子向量#imgabs0#项目隐因子矩阵的梯度#imgabs1#并且选择#imgabs2#中的topk的梯度和以及使用PM扰动，再使用公钥pka加密生成mi∈[1，n]，混洗器获得mi∈[1，n]，填充打乱顺序后得到mi∈[1，nl+v]，最后服务器通过解密无偏估计得到#imgabs3#同时更新得到Vt；如此经过T轮后得到V。本发明具有良好的隐私保护性和模型准确性。
-
公开(公告)号：CN117609436A
公开(公告)日：2024-02-27
申请号：CN202311287960.6
申请日：2023-12-22
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F16/35 , G06F16/36 , G06F16/901 , G06N5/022 , G06F40/216 , G06F40/295 , G06N5/02 , G06N5/04 , G06N3/0455 , G06N3/08
Abstract: 本专利涉及一种结合知识图谱和大语言模型的高校科研管理问答系统。该系统包括数据模块、问题处理模块和答案生成模块。在实施中，数据模块通过网络爬虫收集学校、专业、论文、专利、项目等数据，并进行结构化存储。问题处理模块使用意图识别模型和实体识别模型，分别对用户问题进行分类和实体抽取，以提供关键信息。答案生成模块根据问题类型选择不同策略，包括模板匹配、图数据库查询、表单生成和大语言模型生成，以生成准确且多样化的答案。综合利用了知识图谱和大语言模型，弥补了各自的局限性，提供更全面、准确的自然语言问答服务。
-
公开(公告)号：CN117349520A
公开(公告)日：2024-01-05
申请号：CN202311277027.0
申请日：2023-09-28
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F21/62 , G06F17/16
Abstract: 本发明涉及一种基于目标扰动的逻辑回归矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户对项目的交互信息转为数值1，再对未交互的数据负采样转为数值0，得到隐式反馈矩阵；使用逻辑回归建模构造目标函数L(P,Q)，梯度下降法求解L(P,P)，用户隐因子矩阵P加密存储；将加密存储的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为二次多项式作为近似损失函数，降低目标函数敏感度的分析难度，同时只需对一次多项式加入噪声，使用少量Laplace噪声对目标函数的一次项系数进行扰动；对所有加噪的目标函数 直接求解，得到满足差分隐私的项目隐因子向量聚合所有的得到项目隐因子矩阵本发明在隐私保护性和模型有效性上均有良好的效用。
-
公开(公告)号：CN116090983A
公开(公告)日：2023-05-09
申请号：CN202211555339.9
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06Q10/10 , G06Q10/0639 , G06F16/9535
Abstract: 本发明涉及一种基于直觉模糊集的噪声检测推荐系统，属于推荐技术领域。包括：获取和处理原始数据，构建用户‑项目评分矩阵R；根据直觉模糊集的相关理论，计算用户和项目的直觉模糊数，并以此来对用户和项目的偏好倾向进行分类，获得偏好信息；借助偏好信息，设定噪声检测机制来识别和修正噪声数据，得到修正后的评分矩阵R′；将R′作为输入，利用系统中已有的推荐方法进行结果预测和排序；设定待推荐项目数量k，将符合推荐条件的项目j推送给目标用户i，形成个性化推荐列表。
-
公开(公告)号：CN106778865B
公开(公告)日：2019-10-01
申请号：CN201611151118.X
申请日：2016-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多域特征下的半监督脑电信号睡眠分期方法，属于脑机接口领域。在该方法中，结合蚁群算法和半监督贝叶斯分类方法，对原始脑电信号进行处理以得到多域特征下的原始特征集合，通过蚁群算法对其进行优化并提取一种最优特征子集，并使用改进的半监督贝叶斯分类方法，以最优特征子集为分类特征，结合主动学习策略对其进行分期分类。本方法不仅能够有效地实现睡眠分期，避免低效率特征属性及盲目搜索过程造成的运算资源浪费，而且可以降低标记样本的需求数量，通过与近几年提出的多种睡眠分期方法进行对比，结果表明本方法不但可以实现主流算法的分期精度效果，而且可以大大降低标记样本的需求量，避免了人工误判情况的发生。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.027 seconds)
