-
公开(公告)号:CN109631887A
公开(公告)日:2019-04-16
申请号:CN201811632825.X
申请日:2018-12-29
Applicant: 重庆邮电大学
CPC classification number: G01C21/165 , G01S19/48 , G01S19/49
Abstract: 本发明请求保护一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,本发明设计基于双目定位+高精度GPS信息确定惯性导航参考位置特征点三维坐标,通过特征点坐标值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由于积分产生的累计误差,实现基于惯性导航和双目定位结合辅助室内停车场车辆的高精确定位。本发明结构框图包括以下几个部分:一、高精度惯性导航系统组成及参考坐标系结构;二、惯性导航导航起始坐标的获取方法;三、双目高精度定位参考点的选择方法;四、高精度惯性导航坐标系的选择与设计;五、高精度惯性导航坐标系的转换方法;六、惯性导航累计误差的消除方法。
-
公开(公告)号:CN103529821A
公开(公告)日:2014-01-22
申请号:CN201310461120.7
申请日:2013-09-29
Applicant: 重庆邮电大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于CAN总线诊断协议栈的可配置化方法,该诊断协议栈按照国际诊断标准ISO15765和AUTOSAR标准实现,包括封装的网络层和应用层模块、应用层标准接口、ECU抽象层标准接口以及可配置文件。用户在进行诊断需求开发时,应用现有模块通过配置文件设置可配置参数,只需按照标准接口专注于应用层和底层驱动的实现。本发明增强诊断软件的通用性、可靠性、移植性,方便在不同硬件平台上移植,避免网络层、应用层协议栈的重复开发,大大缩短了开发时间,减少开发成本,方便了开发和扩展。
-
公开(公告)号:CN119783854A
公开(公告)日:2025-04-08
申请号:CN202411960303.8
申请日:2024-12-30
Applicant: 重庆邮电大学
IPC: G06N20/00 , G06N3/0475 , G06N3/094
Abstract: 本发明属于联邦学习领域,具体涉及一种基于数据异构的纵向联邦学习数据增强方法,包括各客户端在本地训练局部条件生成对抗网络,用于产生新的训练数据上传至中心服务器;中心服务器根据各客户端上传的训练数据处理得到全局模型,并将其下发至各客户端;各客户端将全局模型作为本地模型,通过具有双重平滑机制的指数移动平均SGD方法训练得到更新后的本地模型参数,并上传给中心服务器;中心服务器根据样本占比和数据分布计算每一客户端的聚合权重;中心服务器根据聚合权重对各客户端上传的本地模型参数进行聚合得到新的全局模型下发至各客户端;重复上述内容直至全局模型收敛;本发明能够有效解决异构数据环境下联邦学习的数据增强问题。
-
公开(公告)号:CN119538123A
公开(公告)日:2025-02-28
申请号:CN202411640841.9
申请日:2024-11-18
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/213 , G06F16/9535 , G06F16/906 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/0442 , G06N3/08
Abstract: 本发明属于社交网络信息处理领域,具体涉及一种衍生话题网络中的关键用户识别方法、装置及系统;所述方法包括获取话题网络中的数据信息;从所述话题网络中的数据信息中提取出原生话题、衍生话题用户关系网络,原生话题、衍生话题传播网络、用户基本属性以及用户间亲密度;根据用户基本属性以及用户间亲密度,通过社区标签传播算法提取出用户特征向量表示;根据原生话题、衍生话题传播网络,通过联合分布自适应算法提取出原生话题和衍生话题的话题向量表示;将所述用户特征向量表示和所述话题向量表示输入到基于注意力机制的用户影响力动态时空模型中,输出为意见领袖用户或为长尾用户。本发明能够准确识别出衍生话题网络中的关键用户。
-
公开(公告)号:CN119415785A
公开(公告)日:2025-02-11
申请号:CN202411547948.9
申请日:2024-11-01
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06F18/213 , G06F18/27 , G06N20/00
Abstract: 本发明属于互联网应用技术领域,涉及基于小样本学习和数据增强的话题爆发初期影响力检测方法,包括:对用户关系网络以及用户基本信息进行特征提取,得到用户特征表示;从用户历史信息中提取领域特征,利用提取的领域特征得到用户领域特征表示;将用户特征表示和用户领域特征表示基于注意力机制进行加权融合;根据融合后的特征表示计算用户高影响力原型向量和低影响力原型向量;根据每个用户分别与用户高影响力原型向量和低影响力原型向量之间的距离与设定阈值之间的大小,确定当前用户的影响力;本发明能够预测用户在某话题爆发初期的行为是否会推动其发展,从而对其趋势和影响范围进行预测,可以制止某话题的恶性传播或者适当推动话题发展。
-
公开(公告)号:CN119006098A
公开(公告)日:2024-11-22
申请号:CN202411049165.8
申请日:2024-08-01
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/042
Abstract: 本发明属于序列推荐领域,涉及一种基于多模态多行为的跨视图序列推荐方法,包括:序列推荐模型的训练过程包括:获取多模态电商平台序列,并输入预处理模块,得到多模态特征嵌入向量和多行为感知交互序列;将多模态特征嵌入向量输入多模态偏好提取模块,得到多模态中不同因素的独立特征表示和多模态偏好;将多行为感知交互序列输入多行为偏好提取模块,得到多行为偏好;将多模态中不同因素的独立特征表示、多模态偏好和多行为偏好输入跨视图学习模块计算损失函数值,根据损失函数值更新模型参数,当损失函数值最小时,完成模型训练;本发明采用跨视图学习框架学习多模态和多行为之间的协同关系,双向优化增强推荐性能,进一步提高推荐的准确性。
-
公开(公告)号:CN118862061A
公开(公告)日:2024-10-29
申请号:CN202410937158.5
申请日:2024-07-12
Applicant: 重庆邮电大学
IPC: G06F21/55 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于掩膜条件扩散模型的深度伪造对抗样本防御方法,属于深度伪造信息安全领域。通过在扩散模型加入掩膜条件编码器和采用残差预测,训练扩散模型能够有效去除对抗图像中的对抗扰动,同时不改变样本自身的信息。包括步骤获取目标图像,该目标图片是待防御的对抗样本图像;利用训练好的掩膜条件扩散模型,去除目标图像的对抗扰动,得到净化图像;利用深度伪造检测模型对所述净化图像进行检测,若所述净化图像被分类到正确的类别,则防御成功;反之,则防御失败。本发明以较低的计算成本实现了多种对抗样本攻击的防御,对于未知攻击也具有良好的鲁棒性,可以用作现有深度伪造检测领域中的对抗攻击防御。
-
公开(公告)号:CN118643227A
公开(公告)日:2024-09-13
申请号:CN202410767462.X
申请日:2024-06-14
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06Q50/00
Abstract: 本发明属于社交网络领域,具体涉及一种基于用户观点变迁的话题传播控制方法,包括:获取用户信息;构建话题传播模型;计算用户信息中的各个因素影响力;根据各个因素影响力采用多类型观点博弈驱动机制对用户信息进行处理,得到用户消极、积极和促消极观点的驱动力;采用用户观点变迁机制对消极、积极和促消极观点的驱动力进行处理,得到用户观点变迁动力学方程;根据用户观点变迁动力学方程构建目标函数,计算目标函数的最优解;将最优解带入用户观点变迁动力学方程进行求解,得到不同时刻用户的观点状态集;根据不同时刻用户的观点状态集对话题进行传播控制;本发明通过引入哈密尔顿函数实现损失函数最小化,得到最优的控制方案。
-
公开(公告)号:CN117496715B
公开(公告)日:2024-09-10
申请号:CN202311602798.2
申请日:2023-11-28
Applicant: 重庆邮电大学
IPC: G08G1/01 , G06F18/213 , G06F18/25 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明属于智能交通领域,具体涉及一种基于隐藏时空特征挖掘的时空交通流预测方法,包括:将道路口作为路网节点,获取路网节点的历史交通数据,并转化为交通态势嵌入矩阵;将粒度信息与交通态势嵌入矩阵融和,得到交通态势像素矩阵;根据交通态势像素矩阵从时间、空间多个维度捕获特征并进行融合;通过非线性激活的前馈神经网络实现未来交通流量的预测。本发明针对交通隐私数据泄漏和动态的时空相关性,通过捕获交通数据中隐藏的时空间依赖关系,同时,引入Transformer多头注意力机制有效地捕获长时依赖与多维特征的动态变化关系,有效的提升了交通流的预测准确性。
-
公开(公告)号:CN115906162B
公开(公告)日:2024-07-12
申请号:CN202211458568.9
申请日:2022-11-17
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06N3/04 , G06N3/08 , G06N20/00 , G06F18/214
Abstract: 本发明属于联邦学习技术应用领域,具体涉及一种基于异质表示和联邦因子分解机的隐私保护方法,该方法包括:获取各客户端用户数据,并在客户端本地对数据进行预处理;对预处理后的数据进行安全对齐;构建纵向联邦因子分解机模型,将安全对齐后的数据通过异质表示后输入到纵向联邦因子分解机模型中,得到隐私保护后的客户端局部模型;本发明通过对用户数据进行对齐处理,并采用数据加密算法对用户ID等隐私信息进行加密保护,使得非重叠用户的信息不泄露。
-
-
-
-
-
-
-
-
-