公开(公告)号：CN117892150A

公开(公告)日：2024-04-16

申请号：CN202410074934.3

申请日：2024-01-18

Applicant: 昆明理工大学

Inventor： 付晓东 ,  卢润茁 ,  刘骊 ,  刘利军 ,  冯勇 ,  彭玮 ,  丁家满

IPC: G06F18/23 ,  G06F18/241 ,  G06F18/22 ,  G06Q10/0639

Abstract: 本发明涉及一种基于一致性聚类的在线服务信誉值度量方法，属于数据处理技术领域。首先根据用户对服务的评分构建用户‑评分矩阵；根据用户‑评分矩阵，将用户的评分视为用户对服务的分类，度量这些分类的相似性，并构建相似图；然后在相似图上执行图切割过程，将相似的服务聚合到一个簇中；最后，给每个簇分配不重复的分数，作为簇中服务的信誉值。本发明通过与一致性聚类技术结合，将用户的评分视为用户对服务的分类，解决了现有的在线服务信誉值度量并未考虑服务信誉值与用户评分一致性的问题，最大限度地提高所获得的服务信誉值与用户对服务分类之间的一致性，使得服务的信誉值与群体评价意见最大程度达成一致。

公开(公告)号：CN117390683A

公开(公告)日：2024-01-12

申请号：CN202311538911.5

申请日：2023-11-17

Applicant: 昆明理工大学 ,  云南省科学技术院

Inventor： 付晓东 ,  李云飞 ,  冯艳 ,  刘骊 ,  彭玮 ,  丁家满 ,  贾连印 ,  刘利军

IPC: G06F21/62 ,  G06F18/241

Abstract: 本发明涉及一种用于分类分级数据频率估计的多层多级个性化本地差分隐私方法，属于信息安全领域。定义阶段，对多层多级个性化本地差分隐私进行定义。编码阶段，根据分类分级标准，实现用户多层次分类、多级别隐私预算选择。扰动阶段，用户在本地端使用相应参数对自身拥有的数据进行扰动，并将结果发送至相应的数据层或数据类服务器。聚合阶段，服务器分层分级加权聚合扰动数据，得到各数据层或数据类的频率估计。最终总服务器汇聚各数据层或数据类服务器的频率估计值。本发明可满足分类分级数据特定的隐私安全需求，同时多层分布式系统结构可充分发挥分布式系统的算力，缓解单服务器聚合时的通信及计算压力。

公开(公告)号：CN116229304A

公开(公告)日：2023-06-06

申请号：CN202211608953.7

申请日：2022-12-14

Applicant: 昆明理工大学

Inventor： 刘骊 ,  张宇 ,  付晓东 ,  彭玮 ,  刘利军

IPC: G06V20/40 ,  G06V40/20 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种融合多尺度时空特征的三维人体姿态估计方法，属于计算机视觉、图形图像领域。本发明首先对人体运动视频数据集中的二维姿态序列进行姿态识别，生成描述人体姿态的关节点、肢体和上/下身的三种尺度，并将其映射为不同大小的高维向量；其次，构建空间多尺度特征提取模块，采用多头注意力并行提取三种尺度下的关节点、肢体和上/下身人体姿态特征；然后，计算三种特征的查询、键、值矩阵，得到融合了空间多尺度特征的三维人体姿态；最后，对融合后的不同空间多尺度特征帧间进行多尺度时序信息编码，最终生成细化的三维人体姿态。本发明通过融合多尺度空间和时间特征，提升了二维视频输入的三维人体姿态估计的准确率和效率。

公开(公告)号：CN111584010A

公开(公告)日：2020-08-25

申请号：CN202010249587.5

申请日：2020-04-01

Applicant: 昆明理工大学

Inventor： 彭玮 ,  李霞 ,  戴伟

IPC: G16B40/20 ,  G16B25/10 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明公开了一种基于胶囊神经网络和集成学习的关键蛋白质识别方法，包括：步骤1：利用Cytoscape工具提取蛋白质在蛋白质相互作用网络中的八种生物学特征；步骤2：使用胶囊神经网络提取八种生物学特征的更深层的增强特征；步骤3：将生物学特征和蛋白质增强特征进行连接；步骤4：将步骤3得到的连接后的特征放入到集成模型Multi-ensemble中，对模型进行训练，并利用训练好的集成模型预测新的关键蛋白质；步骤5：输出结果。本发明通过胶囊神经网络提取的增强特征比初始的生物学特征更能提高一些机器学习模型预测关键蛋白质的准确性。并且通过融合初始生物学特征和增强特征能进一步提高机器学习模型预测关键蛋白质的准确性。

公开(公告)号：CN119943439A

公开(公告)日：2025-05-06

申请号：CN202510103197.X

申请日：2025-01-22

Applicant: 昆明理工大学

Inventor： 张浩轩 ,  戴伟 ,  彭玮

IPC: G16H70/40 ,  G16H50/70 ,  G16H20/10 ,  G06F18/243 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/08 ,  G06N5/01 ,  G06N20/20

Abstract: 本发明公开了一种基于超图的协同药物预测方法，属于药物协同组合预测技术领域。该方法首先根据药物组合与细胞系的关系构建超图；其次使用超图节点编码器学习药物特征；接着使用超图超边编码器学习细胞系特征；然后将学习到的两个特征输入超图解码器重建超图计算损失以学习到最优的特征；最后将学习到的特征计算哈达玛积以进行链路预测。本发明能够在不使用任何药物和细胞系特征的前提下，提高协同药物组合预测的准确性，有助于为药物协同组合预测技术领域开阔新的视野。

公开(公告)号：CN119206327A

公开(公告)日：2024-12-27

申请号：CN202411258488.8

申请日：2024-09-09

Applicant: 昆明理工大学

Inventor： 付晓东 ,  刘海军 ,  丁家满 ,  刘骊 ,  彭玮 ,  代飞

IPC: G06V10/764 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0895 ,  G06N3/096 ,  G06N3/098

Abstract: 本发明涉及一种结合旋转自监督和CLIP指导的长尾图像分类的联邦学习方法，属于长尾联邦学习领域。首先，本发明通过使用旋转自监督学习来指导本地客户端地训练，减少长尾数据对模型特征提取器造成的影响并使模型更好地学习图像的特征。其次，本发明利用预训练的CLIP对旋转之后的图像进行指导，将CLIP中丰富的知识转移到客户端模型中，进一步提升模型特征提取器的性能。最后，服务器生成一组使用CLIP指导的类别平衡的联邦特征，用于重新训练聚合后的模型的分类层，以提升全局模型的精度。本发明通过利用旋转自监督和CLIP指导模型训练，有效提高了客户端模型特征提取器提取图像中特征的能力，并缓解了长尾数据造成的影响，提升了最终全局模型的识别准确率。

公开(公告)号：CN118429514B

公开(公告)日：2024-12-13

申请号：CN202410608159.5

申请日：2024-05-16

Applicant: 昆明理工大学

Inventor： 刘骊 ,  尹巍 ,  付晓东 ,  彭玮 ,  刘利军

IPC: G06T15/20 ,  G06T15/00 ,  G06T3/04 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及一种单视角图像驱动的高真实感虚拟服装神经渲染方法，属于计算机视觉、图形图像领域。首先获取分割后的服装图像、服装部件掩码和输入姿态下的三维服装网格；再对分割后的服装图像、三维服装网格、服装部件掩码进行服装特征编码，分别得到风格特征、空间特征和映射特征；然后通过构建的基于神经辐射场的服装特征解码模块，融合风格、空间和映射特征，得到用于渲染的服装神经辐射场颜色与密度；最后，通过求解服装查询点在观测空间、规范空间和姿态空间之间渲染参数的变换关系，进行服装神经渲染，最终得到服装渲染结果。本发明可以用于有效表示单视角图像中的服装，并基于输入的视角和姿态进行高真实感虚拟服装渲染。

公开(公告)号：CN118643067A

公开(公告)日：2024-09-13

申请号：CN202410784668.3

申请日：2024-06-18

Applicant: 昆明理工大学

Inventor： 付晓东 ,  柯森福 ,  丁家满 ,  刘骊 ,  贾连印 ,  彭玮 ,  刘利军

IPC: G06F16/2455 ,  G06F16/22 ,  G06N7/01 ,  G06N3/047 ,  G06N3/082

Abstract: 本发明涉及一种基于CP‑Nets的Skyline查询方法，属于数据管理和多属性数据查询技术领域。本发明针对用户在进行数据库查询时偏好具有依赖关系的情况，设计了一种利用CP‑Nets表达用户条件偏好，进而进行Skyline查询的方法。首先用CP‑Nets表示用户的条件偏好，并通过CP‑Nets的语义对候选数据集进行剪枝；然后根据CP‑Nets的推理功能得出用户对数据的偏好，在此基础上定义一种新的基于CP‑Nets的Skyline—CP‑Skyline；最后，根据CP‑Skyline的定义，将满足用户条件偏好的最优结果集返回给用户。本发明可以在用户进行数据检索时，充分考虑用户对数据各属性之间的偏好具有依赖性的情况，基于CP‑Nets对数据集合理剪枝，从而大量减少数据之间的支配关系计算，提高Skyline查询效率，具有明显的实际应用价值。

公开(公告)号：CN118334160A

公开(公告)日：2024-07-12

申请号：CN202410563661.9

申请日：2024-05-08

Applicant: 昆明理工大学

Inventor： 刘骊 ,  张万辉 ,  付晓东 ,  彭玮 ,  刘利军

IPC: G06T11/00 ,  G06V10/40 ,  G06V10/54 ,  G06F18/213 ,  G06V10/56 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/09 ,  G06N3/0455

Abstract: 本发明涉及细粒度时尚文本引导的服饰图像生成方法，属计算机视觉、人工智能领域。本发明首先获取得到时尚文本特征和纹理图案、服饰图像特征；其次，分别对时尚文本、纹理图案、服饰图像特征进行编码得到全局时尚描述符、细粒度时尚文本特征、细粒度图像特征和粗粒度图像特征；然后，对细粒度时尚文本特征和细粒度图像特征进行细粒度时尚特征学习，得到具有风格、颜色、配饰等时尚服饰细节信息的细粒度文本‑图像特征；最后，结合全局时尚描述符、细粒度文本‑图像特征和粗粒度图像特征进行服饰图像生成，得到新的服饰图像。本发明能够结合细粒度时尚文本和纹理图案自动生成具有更加真实自然效果的服饰图像，提高服饰图像生成的精准性。

公开(公告)号：CN116580164B

公开(公告)日：2023-10-17

申请号：CN202310867466.0

申请日：2023-07-15

Applicant: 昆明理工大学

Inventor： 刘骊 ,  黄千芃 ,  付晓东 ,  刘利军 ,  彭玮

IPC: G06T17/00 ,  G06V10/762

Abstract: 本发明涉及面向单视角三维人体重建的着装特征学习方法。首先对输入的着装人体图像集中的单视角图像进行着装姿态特征学习，得到着装姿态特征；再基于着装姿态特征，定义着装人体关节点采样空间的柔性形变损失函数，对输入三维数据集中的着装人体网格进行着装褶皱特征学习，得到着装褶皱特征；然后结合特征编解码器、特征图采样和姿态参数回归，构建联合着装人体像素和体素的人体形状特征学习模块，得到着装人体形状特征；最后，结合着装褶皱特征、着装人体形状特征和计算的三维采样空间，通过定义有向距离场进行三维人体重建，输出最终的着装人体模型。本发明能有效学习单视角三维人体重建的着装特征，生成具有复杂姿态和动态褶皱的着装人体模型。