-
公开(公告)号：CN114499874B
公开(公告)日：2023-10-31
申请号：CN202111642100.0
申请日：2021-12-29
Applicant: 重庆邮电大学
Abstract: 本发明属于区块链技术共识算法领域，具体涉及一种应用于工业互联网的拜占庭容错共识优化方法；该方法包括：协调阶段、准备阶段、投票阶段和提交阶段；协调阶段在区块链系统中选举Q个领导者，每个领导者配置一个协调者，其中协调者为在领导者集合中随机选取的领导者，每个领导者只能作为一个领导者的协调者；准备阶段客户端向所有领导者和协调者广播区块生成请求；投票阶段领导者和协调者对区块生成请求进行投票表决；提交阶段，领导者和协调者验证投票结果，若验证通过，则达成共识，若验证不通过，则共识失败；各个节点重复执行拜占庭容错共识优化算法，直到所有的节点完成共识；与现有技术相比，具有更低的时延、更高的吞吐量和更大的节点容量。
-
公开(公告)号：CN116091703A
公开(公告)日：2023-05-09
申请号：CN202310162465.6
申请日：2023-02-24
Applicant: 重庆邮电大学
IPC: G06T17/00 , G06T7/80 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多视图立体匹配的实时三维重建方法，属于三维重建领域。该方法首先基于实时拍摄的单目RGB图像，通过采用半直接法的视觉里程计进行关键帧的选取以及相应相机位姿的估计，形成数据流输入到改进后的基于深度学习的多视图立体匹配网络；多视图立体匹配网络首先利用金字塔结构的深度特征网络提取关键帧的深度特征，将深度特征在不同的深度假设上作单应性变换得到代价空间，之后将代价空间正则化得到概率空间，计算期望后得到深度图；最后，将每一帧的深度图进行TSDF融合后得到三维模型。该方法能够针对某一场景快速的构建其三维模型，且仅使用单目RGB图像。
-
公开(公告)号：CN116015660A
公开(公告)日：2023-04-25
申请号：CN202211553186.4
申请日：2022-12-06
Applicant: 重庆邮电大学工业互联网研究院
Abstract: 本发明涉及一种基于改进RSA的防篡改电子病历存储方法，包括将服务器作为节点分别搭建区块链网络和IPFS网络；利用密钥生成算法生成主密钥、患者的公钥和私钥；利用RSA加密算法对患者上传的病历信息进行加密，并将加密后的患者病历信息存储至IPFS网络并生成患者病历信息的访问地址；根据患者病历信息的访问地址、当前时刻的时间戳以及患者的公钥并利用哈希算法生成患者的病历信息交易数据并上传至区块链网络进行存储；利用患者的病历信息交易数据从IPFS网路中获取患者加密的病历信息，再根据主密钥和患者的私钥利用中国剩余定理和改进的RSA解密算法对患者加密的病历信息进行解密，获得患者的病历信息。
-
公开(公告)号：CN114219477B
公开(公告)日：2022-09-16
申请号：CN202111296962.2
申请日：2021-11-03
Applicant: 重庆邮电大学
IPC: G06Q20/38 , G06Q20/40 , G06F16/901 , G06F16/903
Abstract: 本发明属于区块链技术领域，具体涉及一种基于链上存储的区块链数据存储扩展方法，包括：引入半节点存储部分区块详细数据以及全部区块索引值；引入副链存储哈希区块组数据；区块链网络中各节点对交易数据优化打包；将打包的交易数据发送给背书节点验证，验证后进行区块排序压缩；领导节点对排序压缩的区块进行接受与验证，验证成功将此区块广播至该网络所有节点并上链存储；散列新区块高度达到预设值时，多个连续新区块合为一个哈希区块组，根据各哈希区块组数据存储数量决定新节点是否存储数据，该发明对区块链的数据进行了结构优化与压缩，同时引入半节点减少区块链网络数据的臃肿，并能够保证所有节点在对交易数据查询时的效率以及真实性。
-
公开(公告)号：CN109712098B
公开(公告)日：2022-07-08
申请号：CN201910019969.6
申请日：2019-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于统计推理的图像修复方法，包括以下步骤：S1：通过机器学习算法将基本的统计推理应用于信号重建；S2：利用深度神经网络算法避免传统的对损失信号进行先验统计建模，转而通过训练大量的损坏输入和清楚的目标输出参数，来建立卷积神经网络回归模型；S3：通过最小化经验风险的方法，学习将损坏的观察结果映射到观察的清晰的信号上，从而得出，在常见的情况下，即使没有观察到清晰的信号，仅通过观察损坏的数据，也能通过这种方法来修复图像。本发明基于统计推理原理，可以在未观察到完整目标数据的情况，仅训练被破环的目标数据来进行图像修复，并且在通常情况下，可取得使用完整数据接近的图像修复性能。
-
Patent Agency Ranking
公开(公告)号：CN113971360A
公开(公告)日：2022-01-25
申请号：CN202111311671.6
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/23 , G06K9/62 , G06F111/08
Abstract: 本发明属于数字孪生数据驱动技术领域，具体涉及一种基于数字孪生模型的组件状态估计方法；该方法包括：实时获取组件参数，将组件参数输入到改进的数字孪生模型中，得到原型组件的状态估计结果；本发明与传统的单一模型简化技术相比，可以有效地扩展到大型复杂系统，并为模型快速自适应提供了灵活表达的框架；避免了在单一模型缩减方法中计算成本随着参数的增加而迅速增加；降阶模型的使用大大加快了贝叶斯推理速度，实时求解更容易，由此产生的概率分类为数字孪生的更新提供了基础，同时对模型中的不确定性进行量化，提高了模型的精度。
-
公开(公告)号：CN112598186A
公开(公告)日：2021-04-02
申请号：CN202011581751.9
申请日：2020-12-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于改进的LSTM‑MLP的小型发电机故障预测方法，属于人工智能和机器学习技术领域。该方法包括基于改进的LSTM‑MLP与多层感知机两种模型，通过输入小型发电机组DTU模块所采集的数据进行预测的输入，在网络中改进的LSTM网络作为前置网络负责小型发电机组的状态预测，多层感知机作为后置网络负责小型发电机组故障分类并对整个系统的结果进行输出。本发明通过改进LSTM网络结构，通过在网络的门控结构中引入上个时序状态和本时序状态的协方差作为权重系数，进一步提高了LSTM网络预测的准确率，增加了小型发电机的可靠使用时间，并减少了发电机组运维所需要的人力成本。
-
公开(公告)号：CN110502479A
公开(公告)日：2019-11-26
申请号：CN201910793068.2
申请日：2019-08-26
Applicant: 重庆邮电大学
IPC: G06F16/13 , G06F16/172 , G06F16/182
Abstract: 本发明涉及一种基于HDFS的海量医疗小文件分布式存储方法，属于分布式存储性能优化领域，在标准HDFS集群基础上分配预处理节点，实现对医疗文件中海量小文件的判断、缓存、合并及存储；对于大于阈值的文件，直接存入HDFS集群，对于小于阈值的文件，则先存入缓存，后提取特征，通过hash运算得到相应特征数字串，再通过加权、求和、降维等步骤生成每个文件对应的特征01数字串，并根据该01数字串的相同位数判断文件相似性；将相似文件合成大于阈值的SequenceFile格式文件存入HDFS，同时生成[key.value]形式的index索引文件。
-
公开(公告)号：CN119887529A
公开(公告)日：2025-04-25
申请号：CN202510085754.X
申请日：2025-01-20
Applicant: 重庆邮电大学
IPC: G06T3/4076 , G06T3/4046 , G06N3/0475 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明属于深度图像处理领域，具体涉及一种基于扩散模型的深度图超分辨率重构方法，包括：获取高分辨率深度图和高分辨率彩色图，将高分辨率深度图和高分辨率彩色图输入训练好的深度图超分辨率重构模型，得到重建的超分辨率深度图；深度图超分辨率重构模型包括：第一引导生成网络、引导估计网络以及深度图超分辨率网络；本发明根据多模态的图像利用引导生成网络生成引导信息，根据低分辨率深度图利用基于扩散模型的引导估计网络对引导信息进行估计，能够更好地还原深度图所需的先验知识，得到引导估计信息，并联合引导信息和引导估计信息来引导重建深度图，能够有效提高深度图的重建精度，特别是在复杂纹理和边缘细节的恢复上表现优异。
-
公开(公告)号：CN113971360B
公开(公告)日：2025-04-11
申请号：CN202111311671.6
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/23 , G06F18/24 , G06F18/20 , G06F111/08
Abstract: 本发明属于数字孪生数据驱动技术领域，具体涉及一种基于数字孪生模型的组件状态估计方法；该方法包括：实时获取组件参数，将组件参数输入到改进的数字孪生模型中，得到原型组件的状态估计结果；本发明与传统的单一模型简化技术相比，可以有效地扩展到大型复杂系统，并为模型快速自适应提供了灵活表达的框架；避免了在单一模型缩减方法中计算成本随着参数的增加而迅速增加；降阶模型的使用大大加快了贝叶斯推理速度，实时求解更容易，由此产生的概率分类为数字孪生的更新提供了基础，同时对模型中的不确定性进行量化，提高了模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.024 seconds)
