-
公开(公告)号：CN109921799A
公开(公告)日：2019-06-21
申请号：CN201910126833.5
申请日：2019-02-20
Applicant: 重庆邮电大学
IPC: H03M7/30
Abstract: 本发明请求保护一种基于聚能量字典学习的张量压缩方法，属于信号处理领域。所述方法包括以下步骤：1、将张量分别进行塔克分解和稀疏表示，得到字典、稀疏系数和核张量；2、通过张量的稀疏系数和核张量的关系，得到关于张量的新的稀疏表示形式；3、利用聚能量字典学习算法对映射矩阵中的字典进行降维，从而实现张量的压缩。本发明提出的基于聚能量字典学习的张量压缩算法，实现了张量的有效压缩，相对于其他压缩算法，能够更有效地保留原始张量的信息，达到更好地去噪效果。
-
公开(公告)号：CN109919864A
公开(公告)日：2019-06-21
申请号：CN201910126717.3
申请日：2019-02-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于稀疏去噪自编码网络的图像压缩感知方法，属于深度学习与图像处理技术领域。所述方法包括以下步骤：1、获取原始图像信号x作为训练数据，对数据预处理并完成信号腐蚀得到 2、搭建稀疏去噪自编码网络的编码子网络，图像信号x通过编码子网络得到测量值y；3、搭建稀疏去噪自编码网络的解码子网络，测量值y通过解码子网络得到重建图片 4、引入稀疏性限制，生成损失函数JSDAE(W,b)；5、通过反向传播算法对编码和解码子网络进行联合训练，更新参数并得到最优稀疏去噪自编码网络。本发明在去噪自编码网络的基础上加入稀疏性限制，将图像压缩和重建集成到一个统一的自编码网络框架中，有效的提高了重建图像的质量并大大的减低重构时间。
-
公开(公告)号：CN108764077A
公开(公告)日：2018-11-06
申请号：CN201810462767.4
申请日：2018-05-15
Applicant: 重庆邮电大学
CPC classification number: G06K9/00536 , G06K9/6288 , G06N3/0454
Abstract: 本发明请求保护一种基于卷积神经网络的信号调制分类方法，涉及信号调制分类领域。该方法的步骤为：1、同时利用平滑伪Winger‑Ville分布和Born‑Jordan分布，将接收到的信号转换成时频分布图；2、由于不同调制信号的时频图像不同，因此利用卷积神经网络自动提取这两种时频分布图的特征；3、利用多模融合模型将这些不同的时频图像特征进行融合；4、利用多层感知机完成信号的分类任务。本发明提出的基于卷积神经网络的信号调制分类方法，相对于传统的调制分类方法，利用了卷积神经网络自动提取特征，提高了信号在低信噪比下的识别性能。
-
公开(公告)号：CN118734308A
公开(公告)日：2024-10-01
申请号：CN202410858179.8
申请日：2024-06-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于工业物联网设备重要性的高级持续性威胁防御方法，属于自然语言处理领域。该方法包括以下步骤：1、工业物联网设备状态按照设备安全级别被分为高、低两类，同时设备安全级别会随设备重要性变化而转变；2、运用微分动力系统对设备状态变化及高级持续性威胁攻防动态过程建立演化动力模型进行描述；3、对攻防双方策略进行定义和收益量化，进而构建微分博弈模型；4、运用微分博弈理论对模型进行求解得到纳什均衡策略的必要性系统，同时设计了数值求解算法以加速求解；5、与随机防御策略和统一防御策略进行实验对比，展现了本方法纳什均衡策略的有效性。本发明提出的基于工业物联网设备重要性的高级持续性威胁防御方法，能够深入理解如何更有效地保护关键基础设施免受高级持续性威胁攻击，并实现安全策略的动态调整与优化。
-
公开(公告)号：CN118138301A
公开(公告)日：2024-06-04
申请号：CN202410248049.2
申请日：2024-03-05
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L67/1087 , H04L67/1095 , H04L41/00 , H04L9/00 , G06Q20/38
Abstract: 本发明涉及基于信誉度和banzhaf指数的区块链共识方法，属于区块链共识技术领域。该方法初始化系统参数后，节点通过时间戳和私钥生成随机数，完成分组和选举。普通节点负责交易块打包，通过解决哈希难题竞争出块权，难度根据信誉度调整；超级节点则随机选取出块人。验证者节点检查普通块合法性并投票，超过一半票数且由高信誉度节点支持则通过验证并上链。共识结束后，根据节点表现更新信誉度，启动下一轮共识。本发明提升了区块链网络中节点设备在高并发交易量时的消息处理速度，增加了节点设备中存储数据的可信度，具有去中心化、高吞吐量和高安全性的特点，适用于各种网络信息共享和信息溯源场景。
-
Patent Agency Ranking
公开(公告)号：CN117955777A
公开(公告)日：2024-04-30
申请号：CN202311598086.8
申请日：2023-11-28
Applicant: 重庆邮电大学
IPC: H04L25/02
Abstract: 本发明涉及一种基于移动锚点的智能反射面(Reconfigurable intelligent surface，RIS)系统信道估计方法。该方法包括以下步骤：1、在RIS附近部署一个可移动的锚节点，并选取一名系统内的随机用户参与信道估计；2、基站(base station，BS)、用户和锚节点之间互相通过RIS发送导频信号，完成对应的信道估计，将得到的信道状态信息(channel state information，CSI)反馈回BS，期间锚节点利用移动能力躲避窃听者的攻击；3、BS利用各节点反馈的CSI计算公共信道BS‑RIS的CSI；4、系统内用户借助公共信道BS‑RIS的CSI完成级联信道BS‑RIS‑用户的估计，达到减少信道估计开销的目的。本发明提出的基于移动锚节点的智能反射面系统信道估计方法，能够减少多用户情况下通信系统的信道估计开销，而且还为通信系统提供了更好的防窃听能力。
-
公开(公告)号：CN108391257B
公开(公告)日：2023-09-26
申请号：CN201810159893.2
申请日：2018-02-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种社会网络D2D场景下基于拍卖理论的资源分配方法，属于移动通信技术领域。所述方法包括以下步骤：1、根据终端用户之间的交互数据，物理条件生成社会‑物理关系图；2、建立一种结合社会层和物理层的资源分配模型；3、利用网络交互数据和基于情感分类的语言模型学习计算出用户间的社会关系；4、考虑D2D用户复用不同频谱资源下的传输速率构建拍卖模型；5、蜂窝用户和D2D对之间通过协商形成买家—卖家匹配，并确定拍卖赢家和定价。本发明提出的基于拍卖理论的资源分配方法，实现了蜂窝通信系统和D2D(Device‑to‑Device)短距离通信的融合，相对于传统的资源分配方法，能够降低计算复杂度，提高资源分配方法成功率。
-
公开(公告)号：CN113065450B
公开(公告)日：2022-09-20
申请号：CN202110334547.5
申请日：2021-03-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于可分离三维残差注意网络的人体动作识别方法，属于计算机视觉领域。该方法包括：S1：利用可分离三维卷积替换3D ResNet中的标准三维卷积，搭建Sep‑3D ResNet；S2：设计通道注意力模块和空间注意力模块，然后按顺序堆叠构造双重注意力机制；S3：对不同时刻的中层卷积特征进行双重注意力加权，在时间维度上扩展双重注意力模块，然后将其嵌入到Sep‑3D ResNet的Sep‑3D RAB中，搭建Sep‑3D RAN；S4：利用多阶段训练策略对Sep‑3D RAN进行联合端到端训练。本发明能提升分类判别特征的区分能力，实现了高质量时空视觉特征的高效提取，能够增强模型的分类精度和识别效率。
-
公开(公告)号：CN114579998A
公开(公告)日：2022-06-03
申请号：CN202210215578.3
申请日：2022-03-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种区块链辅助的医疗大数据搜索机制与隐私保护方法，属于信息技术领域。该方法为：S1：将加密后的电子医疗数据上传到区块链；S2：医疗区块链系统将区块链中加密的电子医疗数据处理到数据库中，并支持数据库中的密文查询；S3：加入医疗区块链系统中的用户进行访问控制，判断用户身份及电子医疗数据访问权限；S4：用户向医疗区块链系统发送搜索请求，并由医疗区块链系统执行密文搜索；S5：医疗区块链系统解密搜索结果，然后使用统一加密算法对电子医疗数据进行再次加密并将加密结果以及随机密钥返回给用户。本发明缩短了医疗区块链数据的搜索时间，同时在保证患者隐私不被泄露的情况下兼顾数据的正确性和可靠性。
-
公开(公告)号：CN108133038B
公开(公告)日：2022-03-22
申请号：CN201810022435.4
申请日：2018-01-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于动态记忆网络的实体级别情感分类系统及方法，属于自然语言处理领域。该方法包括以下步骤：1、引入动态记忆网络将实体级别情感分类任务建模为问答系统；2、动态记忆网络中的输入模块对输入文本进行编码；3、在输入模块中加入单词位置信息以及残差结构以增强输入表示；4、在问题模块中设计针对目标词的问题；4、记忆模块通过两个子模块对输入表示进行记忆提取；5、回答模块对记忆模块所提取的特征进行情感极性预测以及模型训练。6、在训练完模型后，所训练模型能够完成实体级别的情感分类，包括正向、中立以及负向情感极性。本发明不仅能够处理简单句子而且能够正确处理复杂句式中目标实体的情感分类问题。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.026 seconds)
