-
公开(公告)号：CN114757175B
公开(公告)日：2025-05-06
申请号：CN202210492445.0
申请日：2022-04-29
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/211 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于融合列空洞卷积的《标准》内容关键词识别方法，步骤是：(1)确定标准内容文本的序列化向量；(2)提取每个词的局部特征；(3)确定词语上下文权重信息；(4)得到最终的标注序列条件分布；(5)优化参数得到最优标注序列。本发明使用列空洞卷积与BiLSTM‑Fusion结合的形式，利用列空洞卷积进行局部特征信息提取，有效提高模型对长程依赖的信息提取能力，同时保留了文本的空间信息，为标准内容的关键词提取提供了一种准确率高的提取方法。
-
公开(公告)号：CN114186495B
公开(公告)日：2024-12-13
申请号：CN202111522693.7
申请日：2021-12-13
Applicant: 北京邮电大学
IPC: G06F30/27 , G06F40/30 , G06F119/02
Abstract: 本发明涉及基于FECF的深度灾害预案智能语义匹配方法，是一种对灾害预案进行语义匹配的方法，属于自然语言处理和深度学习领域，其特征在于采用如下步骤：(1)对灾害预案问题进行建模；(2)确定单词的特征向量；(3)确定词汇上下文编码，t位置的隐含状态输出；(4)确定文本的注意力信息；(5)确定两个语句的匹配得分；(6)确定语句的模型训练。本发明有效的解决了灾害预案匹配时间较长问题，大大节省灾害预案匹配时间，提高了灾害预案的效率，有效的改善灾害预案文本语义匹配不准确的问题，大大提升了灾害预案匹配的准确率，为灾后处理提供了科学有效的依据。
-
公开(公告)号：CN114202536B
公开(公告)日：2024-11-26
申请号：CN202111537080.0
申请日：2021-12-13
Applicant: 北京邮电大学
IPC: G06T7/00 , G06T7/11 , G06T5/30 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/762
Abstract: 本发明涉及基于AT‑EnFCM‑SCNN的灾害环境特征提取方法，是一种对灾害环境进行特征提取的方法，属于图像处理和机器学习领域，其特征在于采用如下步骤：(1)确定梯度图像的多尺度开重建；(2)确定聚类中心；(3)计算隶属度；(4)确定是否达到迭代条件；(5)确定卷积神经网络的损失函数。本发明有效的解决了传统灾害环境图像分割形态单一，需要大量训练样本的问题，提供了更多的局部空间信息，较好的改进了预分割性能，有效的改善了传统灾害识别图像处理中噪声干扰与过度分割的问题，克服了单一尺度下目标提取不完整，有效的保证了较大全局目标的正确提取。为灾害环境信息特征提取域提供了一种拥有较高提取准确率的方法。
-
公开(公告)号：CN116861614A
公开(公告)日：2023-10-10
申请号：CN202310304815.8
申请日：2023-03-27
Applicant: 北京邮电大学
IPC: G06F30/20 , G06Q10/047 , G06N3/126
Abstract: 本申请公开一种分布式光纤布设路径优化方法，它包括：获取被测物上的多个指定测量点位坐标数据；确定编码方法；根据多个制定测量点位的相对位置坐标，确定适应度评估函数；根据所述编码方法和所述适应度评估函数，执行优选弯曲池遗传算法，输出最优结果。本申请能够减小分布式光纤布设造成的弯曲损耗，从而增加分布式光纤传感器的有效测量长度。
-
公开(公告)号：CN116048385A
公开(公告)日：2023-05-02
申请号：CN202211443722.5
申请日：2022-11-18
Applicant: 北京邮电大学
Abstract: 本发明涉及基于PaaS和iPaaS平台的DAS改进图像式存储方法及系统，是一种对振动信号进行DAS存储的方法及系统，属于信号处理与机器学习领域，其特征在于采用如下步骤：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3)确定调频信号和包络信号；(4)进行基于自相关矩阵和高斯分布的灰度图像转化处理；(5)进行高斯滤波；(6)进行无监督语义分割；(7)进行图像式信号存储；(8)确定输出变量的判别函数。本发明将图像处理的算法应用在信号的DAS数据处理中，克服了DAS技术数据冗余、磁盘膨胀、处理效率低下的问题，大大地降低了存储信号的内存大小，提高了压缩感知算法的空间节省效率。
-
Patent Agency Ranking
公开(公告)号：CN112906705B
公开(公告)日：2023-01-13
申请号：CN202110325685.7
申请日：2021-03-26
Applicant: 北京邮电大学(CN)
Abstract: 本发明涉及基于G‑AKAZE的图像特征匹配算法，是一种对灾害环境下图像的特征匹配算法，属于图像处理与机器学习领域，其特征在于采用如下步骤：(1)构建非线性尺度；(2)确定图像的非线性尺度空间；(3)确定特征点主方向；(4)特征点匹配；(5)确定统计区域内点的支持可能性；(6)确定xi正确和错误时的均值和方差；(7)确定图像网格间的判断阈值。本发明通过引入误匹配剔除算法，保证了在误匹配识别精度提升的前提下，更加快速高效的进行误匹配点的剔除，大大提升了图像匹配的精确度，同时改善传统图像匹配过程中，由于背景噪声干扰和图像畸变所产生的匹配差异问题，有效的解决了背景噪声和图像尺度改变的影响，提升了图像匹配的精确度。
-
公开(公告)号：CN115114432A
公开(公告)日：2022-09-27
申请号：CN202210492503.X
申请日：2022-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种融合全局语义特征与拼接特征的标准内容文本分类方法，步骤是：(1)提取标准内容文本的序列化向量；(2)确定每个单词的上下文表示；(3)提取词语上下文权重及全局语义信息；(4)提取文本特征信息；(5)融合输出特征得到最终的类别预测概率。本发明使用基于层和词的局部信息提取方法获得更多的局部语义特征，融合多网络有效提取全局语义特征，最后将二者融合，为标准内容文本分类提供了一种准确率高的文本分类方法。
-
公开(公告)号：CN112052344B
公开(公告)日：2022-09-09
申请号：CN202011054992.8
申请日：2020-09-29
Applicant: 北京邮电大学
Abstract: 本发明涉及一种基于知识图谱与ScSIFT的融媒体信息获取方法，特别是一种对安全生产中危化品事故的融媒体信息获取方法，属于智能安全领域，其特征在于采用如下步骤：(1)获取子图顶点权重与各边权重；(2)顶点的约简处理；(3)获得子图融合矩阵；(4)确定标准化SIFT特征向量组；(5)确定稀疏编码；(6)确定ScSIFT特征距离；(7)获取二值向量；(8)建立一级索引；(9)获取重组图像矩阵；(10)子矩阵分块；(11)确定子矩阵的最大特征值；(12)样本降维；(13)文本向量与视频关键帧融合。本发明克服了传统单一获取文本局限性问题，利用知识图谱与ScSIFT结合的优势取得了较完备的检索结果。为融媒体信息获取领域提供了一种全面信息获取的方法。
-
公开(公告)号：CN112101462B
公开(公告)日：2022-04-19
申请号：CN202010974747.2
申请日：2020-09-16
Applicant: 北京邮电大学
Abstract: 本发明涉及基于BMFCC‑GBFB‑DNN的机电设备视听信息融合方法，是一种对对现代化机电设备运行过程中分布式视觉信息和听觉信息融合的方法，属于目标追踪与神经网络领域，其特征在于采用如下步骤：(1)提取MFCC特征，确定听觉信息的F比；(2)确定MFCC参数加权后的表达式；(3)MFCC参数进行主成分分析；(4)提取听觉信息的GBFB特征；(5)将卷积后结果分解为子块矩阵；(6)图像的可听化处理；(7)搭建DNN架构。本发明利用BMFCC及GBFB提取听觉信息特征，极大地提高了特征的代表性和噪声的鲁棒性。利用DNN神经网络对视听信息融合，一定程度上提高了内容的丰富性以及融合的实时性。这说明本算法在机电设备视听信息融合时，能达到很好的效果。
-
公开(公告)号：CN114202034A
公开(公告)日：2022-03-18
申请号：CN202111542399.2
申请日：2021-12-13
Applicant: 北京邮电大学
Abstract: 本发明涉及基于IPSO‑FDT的多态灾情信息融合方法，是一种对多态灾情信息进行融合的算法，属于信息驱动和机器学习领域，其特征在于采用如下步骤：(1)粒子速度位置初始化；(2)确定模糊决策树的属性重要度；(3)确定类别分布矩阵；(4)确定模糊概率；(5)计算适应度；(6)确定更新权重；(7)确定粒子速度和位移参数。本发明有效的解决了由于灾情信息的复杂性和多样性导致的传统灾情信息分析对于分析结果产生的误差，通过优化信息融合速度，有效的改善了灾情信息分析的速度，提高了灾情信息研判的效率。为多态灾情信息融合领域提供了一种拥有较高融合准确率的方法。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.037 seconds)
