-
公开(公告)号：CN118626942A
公开(公告)日：2024-09-10
申请号：CN202410749153.X
申请日：2024-06-12
Applicant: 重庆邮电大学
IPC: G06F18/2411 , G06F18/243 , G06N20/10 , G06N20/00 , G06N3/045 , G06F18/2415 , G06F18/214 , G06N3/08 , G06F18/21 , G06F18/27
Abstract: 本发明提供一种基于融合Node2vec与Struc2vec的两级Stacking链路预测方法，属于复杂网络分析领域。该方法采用了Node2vec和Struc2vec算法来提取节点特征并构建连边特征向量，该特征向量可以充分学习网络节点近邻相似性和结构相似性信息，然后这些向量被用作链接预测方法的输入。针对单一机器学习算法在链路预测中精度不高的问题，将SVM、XGBoost和MLP作为基分类器，Logistic Regression作为二层分类器构成了整个Stacking方法。在多个真实网络中进行试验，通过评估指标比对分析了方法及其基分类器效能，验证了集成学习算法的有效性，可以在整体上提升预测精度。
-
公开(公告)号：CN117098119A
公开(公告)日：2023-11-21
申请号：CN202311034604.3
申请日：2023-08-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向VANET的双模式隐蔽信道构建方法，属于车联网信息传输安全领域。该方法包括SCM和DCM模式的切换机制，两种模式下的隐蔽信息编码方案，自定义原始套接字UDP/IP报头字段并嵌入隐蔽信息及数据隐写，两种模式下的隐蔽信息译码方案，设计数据校验及数据包重传机制。本发明通过自定义UDP源端口号的奇偶性切换隐蔽信道模式，设计重组嵌入算法来提高DCM隐蔽信道的隐蔽性，且通过算法本身的选择来额外携带隐蔽信息，并根据车辆密度改变编码映射表，提高隐蔽信息的传输效率和隐蔽性。根据车辆密度调节数据包长度进而携带隐蔽信息，以实现SCM隐蔽信道的构建。
-
公开(公告)号：CN116882257A
公开(公告)日：2023-10-13
申请号：CN202310855302.6
申请日：2023-07-12
Applicant: 重庆邮电大学
Abstract: 本发明提供一种基于粒子群算法(Particle Swarm Optimization,PSO)和随机并行梯度下降(Stochastic Parallel Gradient Descent,SPGD)算法的无波前传感器波前畸变校正方法，该方法结合了PSO算法在初始阶段的快速收敛和SPGD算法的有益收敛效应，避免了SPGD算法需要更多的迭代次数以及易局部极值的缺陷。在本发明中，首先将待校正光束入射到变形镜(Deformable Mirror，DM)上，随后利用远场相机CCD负责采集光斑信息，然后利用本发明提出的基于PSO算法和SPGD算法的混合算法控制模块根据光斑信息生成相应的驱动电压使DM形变，生成相位补偿，以循环迭代的方式实现畸变光束的闭环校正。
-
公开(公告)号：CN111475768A
公开(公告)日：2020-07-31
申请号：CN202010167064.6
申请日：2020-03-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于低相干单位范数紧框架的观测矩阵构造方法，属于信号处理技术领域，包括：S1：初始观测矩阵Φ0初始化为随机部分傅里叶矩阵，并作为初始的α紧框架F；S2：计算框架F对应的Gram矩阵，使用收缩函数将矩阵投影到紧框架的结构约束集上产生新的Gram矩阵；S3：通过加权迭代过程来更新Gram矩阵；S4：降秩新Gram矩阵，计算其平方根，找到最接近于单位范数紧框架的紧框架；S5：求解最优化目标函数解出观测矩阵。本发明降低了观测矩阵和稀疏基之间的互相干性系数，降低了对信号稀疏性的依赖程度，规避了ETF框架构造困难的问题，初始化为部分傅里叶矩阵的初始观测矩阵降低了计算复杂度，减轻了存储和处理设备的压力。
-
公开(公告)号：CN110912564A
公开(公告)日：2020-03-24
申请号：CN201911134222.1
申请日：2019-11-19
Applicant: 重庆邮电大学
IPC: H03M7/30
Abstract: 本发明提出一种基于单位范数紧框架的图像测量矩阵优化方法，从感知矩阵本身的边界条件出发，对其进行极分解，得到初始化的α紧框架，运用投影算法将初始化的α紧框架分别投影到结构约束集上和本文新定义的谱约束集上，然后将得到框架进行归一化处理，最后得到一个逼近于边界条件的单位范数紧框架，新得到框架不在受矩阵维度的限制，不仅行向量正交，而且保留了很多感知矩阵的特性，由谱约束条件可知，构造的框架是一个半正定的矩阵集，更加容易解出测量矩阵，大大降低了互相干系数以及对稀疏度的要求，提高了图像的重构精度，也自从一定程度上增加了图像压缩感知系统鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110830043A
公开(公告)日：2020-02-21
申请号：CN201911055874.6
申请日：2019-10-31
Applicant: 重庆邮电大学
IPC: H03M7/30 , H04N19/176
Abstract: 本发明涉及一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，属于属于信号处理技术领域。该方法包括：S1首先对原始图像进行CS处理，得到观测图像；然后利用平均曲率M构造的边缘检测器对观测后的图像进行分解，得到高频部分和低频部分；再对图像的低频部分进行二阶全变分处理，对图像的高频部分进行一阶加权全变分处理，得到一个混合加权全变分模型；S2将图像样本块和样本相似块按列聚合成为一个数据矩阵，得到一个非局部低秩模型；S3将混合加权全变分模型和非局部低秩模型联合，得到最终的目标函数，通过ADMM算法对目标函数进行优化求解。本发明在采样率较低的情况下具有更高的重构质量。
-
公开(公告)号：CN110796625A
公开(公告)日：2020-02-14
申请号：CN201911057241.9
申请日：2019-10-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于组稀疏表示和加权全变分算法，属于信号处理技术领域，以稀疏表示为基础，开发一种利用信号的稀疏性、非局部相似性、平滑性三种先验信息；利用平滑性先验信息来抑制噪声的影响，并针对传统的全变分对边缘的信息保护不足，将图像分为高低频，并利用差分曲率算子计算权重，只对高频加权，来提高算法的鲁棒性；为了保护低频信息，并提出一个硬阈值-模平方算子，来更好的求解组稀疏表示的系数。算法以最小压缩感知重建误差为约束构建模型，为了有效求解提出的联合正则化优化问题，利用分裂Bregman迭代方法求解，实验证明本发明提出的重构算法保护了图像的细节信息，重构效果优于目前主流的重构算法。
-
公开(公告)号：CN110048814A
公开(公告)日：2019-07-23
申请号：CN201910325061.8
申请日：2019-04-22
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于混合迭代功率分配的稀疏叠加码设计方案，具体地，先采用独热编码方式对输入的实值信号进行稀疏表示，使得每个分组中仅有一个非零值。之后利用本发明所提混合迭代功率分配方案，对稀疏消息向量每一分组中的非零值进行赋值。然后与随机哈达玛设计矩阵进行对应分组的线性结合，形成相应的码字。接着，将形成的码字输入AWGN信道，码字添加均值为0，方差为σ2的高斯白噪声。将输出的带噪码字经过AMP译码算法，进行码字的迭代估计运算获得消息向量的估计值。将得到的估计值每个分组中最大值对应位设置为功率分配得到的预设值，其余位设置为0，即可得到原信号的重构值。使用spyder3进行实验，需要用到的python第三方包有numpy，pyfht等。
-
公开(公告)号：CN109712205A
公开(公告)日：2019-05-03
申请号：CN201811502515.6
申请日：2018-12-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于非局部自相似模型的图像压缩感知重建方法，属于信号与图像处理领域。具体地，为了提高传统图像压缩感知重建的质量，本发明利用图像的先验信息，构建了图像的非局部自相似模型，通过计算图像块的权值矩阵，进而利用图像块的非局部自相似先验信息构造了一个图像的自适应非局部正则项，提出了图像压缩感知重建的数学模型，并利用高效的Split Bregman Iteration(SBI)算法交替迭代更新，进而改进了图像压缩感知的重建性能。同时在字典的学习的过程中，通过当前近似估计图像d，提取训练样本，利用K-SVD算法交替更新得到自适应学习字典。本发明提出的非局部自相似模型的自适应图像压缩感知重建方法，在实际中具有普遍意义。有效的提高了图像压缩感知重建的质量，减小了图像的块效应，保持图像的纹理和细节不丢失，更好的刻画了图像的纹理和细节。
-
公开(公告)号：CN109584319A
公开(公告)日：2019-04-05
申请号：CN201811477032.5
申请日：2018-12-05
Applicant: 重庆邮电大学
IPC: G06T9/00
Abstract: 为准确有效地实现自然图像的压缩感知重构，本发明提出了一种基于图像非局部低秩和全变分的压缩感知重构算法。该算法考虑图像的非局部自相似性和局部光滑特性，对传统的全变分模型进行改进，只对图像的高频分量设置权重，并用一种差分曲率的边缘检测算子来构造权重系数。此外，算法以改进的全变分模型与非局部低秩模型为约束构建优化模型，并分别采用光滑非凸函数log det(·)和软阈值函数来求解低秩和全变分优化问题，很好地利用了图像的自身性质，保护了图像的细节信息，并提高了算法的抗噪性和适应性。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.028 seconds)
