-
公开(公告)号：CN106875670A
公开(公告)日：2017-06-20
申请号：CN201710131675.3
申请日：2017-03-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种Spark平台下基于GPS数据的出租车调配方法，包括：101从调度中心获取出租车历史GPS数据部署到Spark平台上，对数据做并行地预处理操作；102在Spark平台下对出租车历史GPS数据进行分析，提取特征建立回归模型；103在Spark平台下对出租车的实时GPS数据进行提取并预测其未来的路径、终点位置以及到达时间；104根据预测结果对出租车的调配进行优化。本发明主要是在Spark平台下解决出租车调配问题，通过对出租车历史GPS数据的分析，提取特征建立回归模型，从而预测出租车未来的GPS路径、终点位置以及到达时间，继而对出租车的调配进行优化。
-
公开(公告)号：CN118410700A
公开(公告)日：2024-07-30
申请号：CN202410461794.5
申请日：2024-04-17
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F18/214 , G06N3/045 , G06N3/0442 , G06F18/25 , G06F119/02 , G06F111/08
Abstract: 一种电力系统低压断路器剩余机械寿命预测方法，包括：获取低压断路器的参数，该参数包括电流、电压以及温度；抽取参数的原始特征，构建低压断路器的行为序列，采用随机游走策略对行为序列进行处理，得到行为表征；将原始特征输入到LateAttentionLSTM模块中，将行为表征中输入到DeepFM模块中，得到时序表征和衍生行为表征；将时序表征和衍生行为表征输入到TACrossBlock，交互输出时序与行为的联合特征；将时序与行为的联合特征输入到下游结构中，得到低压断路器的剩余机械寿命；本发明对采集到的低压断路器的运行参数进行建模，采用不同的时间粒度对大量冗余数据进行层级抽样，抽取出关键有效的序列信息。
-
公开(公告)号：CN117745859A
公开(公告)日：2024-03-22
申请号：CN202311767993.0
申请日：2023-12-21
Applicant: 重庆邮电大学
Abstract: 本发明属于脑机接口视觉图像重建领域，具体涉及一种基于fMRI和图像深度特征的图像重建方法及系统，方法包括对磁共振功能数据进行预处理得到体素数据；将体素数据输入大脑活动特征解码器，得到目标图像大脑活动解码特征；通过图像重建模型随机生成粗糙图像，将粗糙图像输入特征提取模型得到深度特征；计算目标图像大脑活动解码特征与深度特征间的误差，并将误差返回至图像重建模型；图像重建模型根据误差优化粗糙图像得到新图像，判断误差是否达到最小值，若是，则将该新图像作为重构图像输出，否则将新图像输入特征提取模型得到新深度特征，重新计算误差；本发明提高了图像的重建质量与真实度。
-
公开(公告)号：CN117743004A
公开(公告)日：2024-03-22
申请号：CN202311576916.7
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G06F11/07 , G06F18/243 , G06F18/214 , G06F18/213 , G06N20/20 , G06F123/02
Abstract: 本发明涉及机器学习和数据挖掘技术领域，具体涉及一种基于多源类别不平衡数据的系统故障检测方法，包括：获取系统中每个服务器的多源时序数据，根据多源时序数据得到初始数据集；对初始数据集进行特征工程，得到结构化数据集；使用标签特定距离度量算法对结构化数据集进行处理，得到实例集合和近邻实例集合；通过多标签分层抽样方法对结构化数据集进行划分，得到训练集和测试集；对实例集合和近邻实例集合进行采样，得到采样训练集；建立分类器链模型，将采样训练集输入分类器链模型进行训练，得到训练好的分类器链模型；本发明通过标签特定采样方法，有效地平衡各个故障源的实例数量，确保每个故障类别在训练过程中都能得到充分的关注。
-
公开(公告)号：CN117495566A
公开(公告)日：2024-02-02
申请号：CN202311521960.8
申请日：2023-11-15
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据处理技术领域，具体涉及一种基于人工智能的区块链异常交易检测方法，包括：获取区块链交易数据并构建成图结构，使用Attention机制和GCN模型对图中的交易节点特征和其邻近节点的特征进行编码，将编码后的交易节点特征和邻近节点特征拼接后通过前馈神经网络进行二分类，预测本次交易是否为异常交易；本发明在对每个交易节点的邻近节点进行编码时，增大模型的视野域，考虑该节点周围多跳节点信息，提高异常交易识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117333924A
公开(公告)日：2024-01-02
申请号：CN202311411712.8
申请日：2023-10-27
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多模态大数据的互联网短视频情绪识别方法，包括：利用短视频中的文本、音频和视频帧信息进行情绪识别，具体包括将文本，音频，视频帧分别编码；使用动态自适应的多层双向LSTM网络融合模态信息；原始音频信息和原始文本信息进行模态间对比学习；原始音频信息和原始视频信息进行模态内部对比学习；原始音频信息、原始文本信息和原始视频信息进行局部与全局的对比学习；利用bert模型获得视频与音频的联合信息；对联合特征向量与文本特征向量采用双编码器进行联合编码，本发明通过动态自适应调整双向LSTM的层数来增强模型的特征表达能力，通过多角度下的对比学习增强特征的表达能力，从而提高了情绪识别任务的能力。
-
公开(公告)号：CN116340520A
公开(公告)日：2023-06-27
申请号：CN202310381973.3
申请日：2023-04-11
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/36 , G06F40/211 , G06F40/284 , G06F18/25 , G06N3/042 , G06N3/044
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种电商评论情感分类方法；该方法包括：获取电商评论文本，对文本进行分词处理并对文本进行编码，得到分词结果和文本向量；根据分词结果和文本向量构建文本关键词图；基于文本关键词图计算滑动窗口大小；采用滑动窗口获取文本关键词图中包含各节点的路径；分别聚合节点的每条路径的特征，得到多个聚合路径特征；取多个聚合路径特征的平均值作为节点的长距离特征；聚合节点的所有路径特征，得到节点聚合特征；融合长距离特征和节点聚合特征，得到文本特征；对文本特征进行情感分类，得到情感分类结果；本发明可以更加有效精确地应用于电商评论的情感分析业务中，提高电商评论的分类准确性。
-
公开(公告)号：CN115713083A
公开(公告)日：2023-02-24
申请号：CN202211475281.7
申请日：2022-11-23
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06F16/35 , G06F18/241 , G06F18/2415 , G06F18/214 , G06N3/047 , G06N3/084 , G06N3/0985
Abstract: 本发明属于文本处理领域，具体涉及一种中医药文本关键信息的智能抽取方法，包括将待识别的中医药文本数据输入到训练好的实体片段识别模型中，预测中医药文本中实体的位置；将待识别的中医药文本数据以及对应的实体位置信息输入到实体类别识别模型，预测中医药文本中实体的类别；其中，所述实体片段识别模型采用BIO标记法结合Bert+CRF模型架构；所述实体类别识别模型采用原型网络结构，通过本发明能够准确地识别出中医药文本中的实体位置信息以及实体所属的类别。
-
公开(公告)号：CN115422939A
公开(公告)日：2022-12-02
申请号：CN202211260276.4
申请日：2022-10-14
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于大数据的细粒度商品命名实体识别方法，包括：采用无标注的商品数据S对预训练NEZHA模型进行增量训练，得到继续预训练模型M；构建GPNER模型包括文本处理层、编码层、特征融合层、卷积层、实体边界层、实体分类层；GPNER模型使用特征融合层融入词组信息，增强实体识别的准确率；采用实体边界层和实体分类层多任务的方式对模型参数进行调优。本发明不仅使用了无标注数据对预训练模型NEZHA模型进行了继续预训练，能模型更加适应垂直领域，同时GPNER模型利用了文本长度、词汇信息等知识融入到数据，使模型更加精准的识别到实体边界和辨别实体的种类。
-
公开(公告)号：CN115422362A
公开(公告)日：2022-12-02
申请号：CN202211226353.4
申请日：2022-10-09
Applicant: 重庆邮电大学
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于人工智能的文本匹配方法，包括：获取问题匹配的文本，其中包含用户的输入问题和标准问题，对数据集S进行预处理；构建BERT_MF模型包括BERT模型层、知识增强层、精确匹配层、相似度匹配层；BERT_MF模型利用拼音、词性以及句法知识，使用精确匹配层提取局部细粒度表征和全局细粒度表征；采用横向拼接的方式对多粒度特征进行融合，经过Softmax函数进行文本匹配。本发明不仅使用了预训练模型ERNIE‑Gram进行了微调，能够得到文本匹配程度，同时充分使用预训练模型的语义表征和词语表征，可以对文本的局部信息和全局信息进行辨识，进而细粒度的区分文本语义上的匹配。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.027 seconds)
