-
公开(公告)号：CN115085808A
公开(公告)日：2022-09-20
申请号：CN202210645161.0
申请日：2022-06-09
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/69 , G06N3/04 , G06N3/08
Abstract: 本发明属于可见光通信中数字信号处理领域，特别涉及一种基于小波神经网络的VLC系统时频联合后均衡方法，包括在接收端的信号经过同步、归一化后输入到基于小波神经网络的时频联合后均衡器进行非线性补偿，得到均衡后的PAM信号，所述基于小波神经网络的时频联合后均衡器包括时域子网、频域子网、通道注意力模块以及输出层，其中时域子网和频域子网分别用于提取时域和频域的特征，并将提取的特征输入通道注意力模块获取时域分量、频域分量的补偿权重，在输出层通过时域分量、频域分量及其分别对应补偿权重计算获取均衡后的信号；本发明联合时域和频域特征来补偿信号在传输过程中产生的非线性损伤，降低系统的误码率，提高系统的传输性能。
-
公开(公告)号：CN114978313A
公开(公告)日：2022-08-30
申请号：CN202210539304.X
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/54 , H04L25/03 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/04 , G06N3/08
Abstract: 本发明属于可见光通信技术领域，具体涉及一种基于贝叶斯神经元的深度学习可见光CAP系统的非线性补偿方法；该方法包括：在可见光CPA系统中，将接收端下采样接收到的信号输入到基于贝叶斯神经元的深度学习非线性补偿模块中进行非线性补偿，得到补偿后的QAM信号；对补偿后的QAM信号进行QAM解映射，得到均衡信号，实现对可见光CAP系统的非线性补偿；本发明能将接收到的畸变信号补偿为发送前的正常信号，提高VLC系统的传输速度，改善系统的整体性能，本发明中神经网络的权重参数是随机变量，而非确定的值，可以给出预测的不确定性，防止过拟合，在非线性补偿上，具有非常强的鲁棒性。
-
公开(公告)号：CN104731962B
公开(公告)日：2018-10-12
申请号：CN201510158310.0
申请日：2015-04-03
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种社交网络中基于相似社团的好友推荐方法，属于数据挖掘和信息检索领域。通过用户的社交信息找到社交网络中的社交社团，从结构和属性两方面提出一种计算社团间相似度的规则，利用用户节点在社团中的拓扑结构将用户分类，通过分析用户节点在自身社团中以及其它社团中的角色地位来定义节点在网络中的角色，为目标社团的各类用户提供相似社团中相对应的同类或多类的用户作为好友推荐集。该方法将传统的单个用户之间的相似度计算扩展为社团间相似度的计算，将传统的用户之间的好友推荐问题扩展为在相似社团中通过角色发现，将用户分类，为目标社团的各类用户推荐同类或多类用户。可以广泛应用于社交网络、电子商务等相关领域。
-
公开(公告)号：CN104346575A
公开(公告)日：2015-02-11
申请号：CN201410578729.7
申请日：2014-10-24
Applicant: 重庆邮电大学
IPC: G06F21/57
CPC classification number: G06F21/57
Abstract: 本发明请求保护一种软件定义安全体系结构(Software Defined Security Architecture,SDSA)，通过分层思想将安全软件设计体系分解为三层体系结构，分别为：安全基础层、控制层、应用层。其具体实现包括如下内容：将传统跨层安全组件与软件设计进行解耦；将跨层安全方法、加密算法组件化；构造集安全执行平台和开发环境于一体的中间件；将组件化的安全方法、加密算法通过中间件技术虚拟化成服务提供给软件设计。
-
公开(公告)号：CN114186582B
公开(公告)日：2025-04-25
申请号：CN202111347252.8
申请日：2021-11-15
Applicant: 重庆邮电大学
IPC: G06F18/22 , G06F18/2415 , G06F18/25 , G06F40/30 , G06N3/0442 , G06N3/045
Abstract: 本发明属于智能交通领域，涉及一种基于自然语义处理的同行车辆发现方法，包括获取车辆行驶轨迹，并通过POI数据富化原始轨迹；从时间、空间、语义三个维度对轨迹数据进行特征提取，并根据其重要程度对特征进行加权融合，获取轨迹向量化表示；将提取的三维特征量化进行融合后，通过划分轨迹‑子轨迹的轨迹对数据集合，形成轨迹语料库；利用GRU模型建立同行车辆发现模型，进行训练时将轨迹语料库中子轨迹作为输入，源轨迹作为目标输出；得到模型中的隐层向量后，由此计算得到每一条轨迹的实际表达；计算所有轨迹的相似度，相似度大于指定阈值的车辆群组即为同行车辆群组；本发明可应用于物流规划、轨迹聚类及轨迹预测，帮助车辆进行路径规划。
-
Patent Agency Ranking
公开(公告)号：CN118094021A
公开(公告)日：2024-05-28
申请号：CN202410336185.7
申请日：2024-03-22
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/9538 , G06F16/35
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于多模态的跨社交平台托攻击识别方法，包括：从跨社交平台数据获取文本模态数据、图片模态数据和视频模态数据；对于视频模态数据进行主题词检测；将文本模态数据和图片模态数据转化为张量形式，并进行情感分类；情感分类后，计算每一类别的情感值；将情感值赋值给主题词，并对赋值后的主题词分类；对于每个主题类，计算所有主题词的类平均情感值；根据主题词的情感值与其所属主题类的类平均情感值进行托攻击嫌疑识别。本发明可以能够有效判断视频是否有托攻击嫌疑，通过利用跨平台多模态数据，不仅依赖于文本分析，还结合了图片和视频内容深度分析，提高了托攻击识别的准确性和可靠性。
-
公开(公告)号：CN117271852A
公开(公告)日：2023-12-22
申请号：CN202311230043.4
申请日：2023-09-21
Applicant: 重庆邮电大学
IPC: G06F16/9035 , G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及智能推荐领域。特别涉及一种基于状态更新的产品推荐方法及系统；所述方法包括获取产品状态时序数据和消费者偏好状态时序数据，将其输入到基于双状态动态神经网络的推荐模型中，输出产品特征向量和消费者偏好特征向量，利用协同过滤方式得到预售产品推荐列表；根据预售产品推荐列表，选择相应的认养产品；将产品生长过程结束后未被认养的产品状态时序数据以及消费者偏好状态时序数据输入到基于双状态动态神经网络的推荐模型中，输出实时产品特征向量和实时消费者偏好特征向量，利用协同过滤方式得到正式产品推荐列表。本发明可以兼顾农产品的全过程，并可以根据农产品状态动态调整推荐内容。
-
公开(公告)号：CN112600618B
公开(公告)日：2023-04-07
申请号：CN202011414459.8
申请日：2020-12-07
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04L25/03 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及可见光通信技术领域，具体涉及一种基于注意力机制的可见光信号均衡系统及方法，包括：数据接收端接收到数据后，将接收到的数据进行解码，得到解码数据；将解码数据输入到训练好网络权重参数的CLSTM神经网络模型中，得到均衡信号并输出。本发明利用卷积神经网络和长短时记忆网络(LSTM)补偿接收数据中存在的线性和非线性损伤，提高了可见光通信系统的传输速率和接收机的灵敏度，改善传输性能。
-
公开(公告)号：CN110795641B
公开(公告)日：2022-09-27
申请号：CN201911071623.7
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18 , G06F40/289
Abstract: 本发明属于社交网络谣言信息控制技术领域，特别涉及一种基于表示学习的网络谣言传播控制方法，包括获取原始数据进行预处理，并对预处理后的原始数据进行时间分片；提取用户社交结构、用户历史信息、用户基本属性三个方面的相关属性向量，并将相关属性转换为低位稠密实质向量；构建图卷积神经网络，并将特征向量作为图卷积神经网的输入；利用训练数据对图卷积神经网络进行训练；图卷积神经网络输出下一个时刻用户的粉丝参与话题的概率、该粉丝参与谣言的概率以及该粉丝参与辟谣话题的概率；若该用户参与谣言的概率最大，则将辟谣消息推送给该用户；本发明使用表示学习的方法全貌表示了谣言话题下用户的特征，从而使最后的预测效果更好。
-
公开(公告)号：CN113055372B
公开(公告)日：2022-07-01
申请号：CN202110255051.9
申请日：2021-03-09
Applicant: 重庆邮电大学
IPC: H04L9/40
Abstract: 本发明属于互联网应用技术领域，尤其涉及一种恶意软件的传播预测方法；所述方法包括获取数据库中用户节点及其交互数据，并提取出用户节点的传播属性；采用Doc2vec算法从用户节点传播内容组成的段落中学习出用户节点的用户行为特征向量；采用基于张量分解的向量化算法Tensor2vec从恶意软件传播网络中学习出用户节点网络结构特征向量；在图卷积神经网络中对恶意软件进行传播预测，并预测出恶意软件是否传播给用户节点和该恶意软件的传播趋势；本发明考虑到数据的稀疏性带来的计算精度不准的问题，采用张量分解的方法计算用户节点间的感染强度，并利用表示学习方法挖掘恶意软件传播空间特征信息，能有效进行恶意软件的传播预测。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.024 seconds)
