-
公开(公告)号：CN111444933B
公开(公告)日：2023-10-10
申请号：CN201911173658.1
申请日：2019-11-26
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/22 , G06F18/23 , G06F18/25
Abstract: 本发明实施例提供了一种对象分类方法及装置，涉及数据处理技术领域，其中，上述方法包括：获得各个对象的各类特征；针对每一类特征，计算每两个对象的该类特征之间的特征相似度；对每两个对象对应的特征相似度进行融合处理，得到每两个对象之间的对象相似度；根据所得到的对象相似度对各个对象进行聚类，得到聚类结果；针对所述聚类结果中的每一类，根据该类所包含对象的属性，确定该类的类别。应用本发明实施例提供的方案进行对象分类，可以提高对对象进行分类处理结果的准确度。
-
公开(公告)号：CN115050039A
公开(公告)日：2022-09-13
申请号：CN202210470540.0
申请日：2022-04-28
Applicant: 北京邮电大学
IPC: G06V30/412 , G06V30/26 , G06F16/31 , G06Q10/06 , G06Q50/20
Abstract: 本发明提供一种自动化试卷分析方法、系统、电子设备、存储介质，所述方法包括：获取所述试卷的答题情况信息；基于试卷信息提取知识点；将所述答题情况信息关联至所述知识点，形成知识点掌握分析。通过对试卷的知识点进行提取，结合实际答题情况，实现知识点层级的统计分析，得到学生知识点掌握情况，给教学提供详细参考。
-
公开(公告)号：CN114996394A
公开(公告)日：2022-09-02
申请号：CN202210432232.9
申请日：2022-04-22
Applicant: 北京邮电大学
Abstract: 本发明提供一种知识图谱中知识点的抽取方法、系统、电子设备，所述方法包括：针对待抽取所述知识点的语料，通过无监督算法抽取关键词，通过NER模型抽取知识点实体；基于所述关键词和所述知识点实体，融合得到所述知识点。通过关键词和知识点实体的共同抽取与融合，能够实现更精确、覆盖更全面的专业知识图谱，为使用者提供更好的借鉴。
-
公开(公告)号：CN112905807B
公开(公告)日：2022-07-08
申请号：CN202110320156.8
申请日：2021-03-25
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F16/387 , G06F40/194 , G06N20/00
Abstract: 本发明公开了一种多源时空知识融合方法，属于知识图谱领域。具体为：首先，选取两种时空精度和采样率都有较大差异的异质时空数据源，分别进行预处理，得到各自对应的时空轨迹序列；并分别构建各自对应的时空知识图谱；接着、利用基于衰减机制的长路径的知识图表示算法对时空知识图谱中的三元组分别进行训练学习，得到每个实体对应的最终低维向量；依次选择第二种时空知识图谱中的未对齐实体S，经过变换函数后与第一种时空知识图谱中的所有实体逐一进行相似度对比，选择相似度最高的实体进行实体对的匹配；最后，按照所有实体对齐的结果，对两种不同的时空数据源进行时空知识的融合；本发明有效的弥补了单一时空数据源中时空知识的不完整性。
-
公开(公告)号：CN104124930A
公开(公告)日：2014-10-29
申请号：CN201410374570.7
申请日：2014-07-31
Applicant: 北京邮电大学 , 罗德与施瓦茨(中国)科技有限公司
Abstract: 本发明公开了一种双功率模式包络跟踪方法，包括以下几个步骤：步骤1：获取最大PAE整形表和恒定增益整形表；步骤2：通过误差矢量幅度不超过阈值EVMth，来获得功率区域分界点P′o；步骤3：确定恒定增益整形方法的最低增益值Glow，最高增益值Ghigh；步骤4：采用恒定增益整形方法时，放大器在高功率区域使用低增益值Glow，低功率区域使用高增益值Ghigh，来分别获得最好的性能。本发明在不同的功率区域选用不同恒定增益值的恒定增益整形方法，使低功率区域，此时效率也较低，提高线性性能；在高功率区域，满足一定线性的条件下，尽可能的提高效率。
-
Patent Agency Ranking
公开(公告)号：CN102497671A
公开(公告)日：2012-06-13
申请号：CN201110397637.5
申请日：2011-12-02
Applicant: 北京邮电大学
Abstract: 本发明公开了一种家庭基站干扰自适应的频率分配方法和家庭基站，其中，该方法包括：家庭基站确定其可用的频率带宽；家庭基站根据其邻居家庭基站的参考信号的接收功率判断该邻居家庭基站是否为强干扰邻居家庭基站，并根据强干扰邻居家庭基站的数量确定家庭基站的受干扰强度等级；家庭基站根据其可用频率带宽和受干扰强度等级，对家庭小区的总频率需求带宽进行自适应频率资源分配。通过本发明，充分考虑跨层干扰和层内干扰，频率分配机制既避免了对附近MUE的干扰，又减小了家庭小区之间的层内干扰，保证了受强干扰MUE的基本通信，提高了系统的吞吐量。
-
公开(公告)号：CN102438018A
公开(公告)日：2012-05-02
申请号：CN201110421815.3
申请日：2011-12-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于自治域的P2P-VoIP网络中继节点选择方法。为会话源端或目的端提供服务的基于自治域的P2P-VoIP网络的第一超级节点接收到源端或目的端发送的查找中继节点的请求消息；第一超级节点从存储的时延矩阵中，找到最小的和/或次小时延值的中继AS，向中继AS中的第二超级节点发送中继节点的请求消息，所述时延矩阵的行与列均为AS的时延值；中继AS中的第二超级节点从其服务的普通节点中选择至少一个性能高且负载低的普通节点作为中继节点，返回给第一超级节点；第一超级节点将所述至少一个中继节点返回给源端或目的端。本发明选择低时延的中继节点，提高了P2P-VoIP网络的通话质量。
-
公开(公告)号：CN1845524A
公开(公告)日：2006-10-11
申请号：CN200610081402.4
申请日：2006-05-18
Applicant: 北京邮电大学
IPC: H04L12/46
Abstract: 本发明提供了一种基于P2P网络技术的信息交互、共享系统方法，该方法包括以下特点：系统中唯一的注册服务器管理系统中节点的ID，保证ID在系统中的唯一性。并保存有系统中部分的节点信息。系统中的所有节点根据其在网络中的性能以及系统状态被分为三种类型：普通、高级、超级。普通节点的信息由超级节点进行管理，高级节点的信息由超级节点进行管理，超级节点的信息在系统中进行同步。系统将所有用户进行动态分区管理，小区由普通节点组成由高级节点进行管理，一定数量的高级节点又由超级节点管理。当系统中的节点发起搜索另一个节点时，将通过高级节点、超级节点进行查找，改变了在网络中进行大规模泛洪的模式，而且支持节点的精确定位。小区的规模，即小区中普通节点的数量由系统初始化时设定，并可根据实际情况进行调整，这使整个系统具有良好的扩展性。
-
公开(公告)号：CN116321219A
公开(公告)日：2023-06-23
申请号：CN202310024302.1
申请日：2023-01-09
Applicant: 北京邮电大学
IPC: H04W24/02
Abstract: 本发明提供一种自适应蜂窝基站联邦形成方法、联邦学习方法及装置，根据基站数据的分布进行初始聚类形成初始联邦，采用中心性原则在初始联邦选取联邦领导者基站，由联邦领导者基站通过粒子群优化算法动态选择联邦参与者基站，通过引入联邦学习任务指定过程中的性能参数计算适应度值进行求解，能够实现选择得到的联邦参与者基站能够实现联邦学习性能整体最优，使得移动通信中蜂窝基站之间非独立分布的数据也能实现高效利用，完成联邦学习任务。
-
公开(公告)号：CN115051925A
公开(公告)日：2022-09-13
申请号：CN202210683711.8
申请日：2022-06-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于迁移学习的时空序列预测方法，属于时空序列预测领域和迁移预测领域；具体为：首先，收集待预测城市的无线业务流量，作为时空序列源数据，基于时空预测模型的局部卷积网络和残差网络，学习时空特征；同时提取外部信息源数据，基于局部卷积学习外部信息特征；然后，将时空特征输入对抗生成网络，学习得到时空共性特征；通过融合时空特征、时空共性特征和外部信息特征，得到时空预测模型的预测值；并通过最小化预测损失函数，优化预测模型的参数。最后，将该时空预测模型迁移到与源数据具备同时空的共性特征的目标域数据，得到目标域模型参数，并进一步对目标域进行预测。本发明提高了预测准确度和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.046 seconds)
