-
公开(公告)号：CN106874478A
公开(公告)日：2017-06-20
申请号：CN201710086932.6
申请日：2017-02-17
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30705 , G06F2216/03
Abstract: 本发明请求保护一种基于Spark大数据平台的并行化随机标签子集多标签文本分类方法。首先,读取大规模文本数据集和配置信息文件，创建分布式数据集RDD，将训练数据集和预测数据集缓存到内存中，完成初始化操作。其次，并行地随机生成规定数目的标签子集，由原始训练集为每一个标签子集生成一个新的训练集，再次，将新训练集的多个标签通过标签幂集法转换为单个标签，该数据集转化为一个单标签多类数据集，并行地为这些数据集训练一个基分类器。然后，进行预测将得到的单标签多类预测结果转化为多标签结果。最后，将所有预测结果进行汇总投票，得到测试集最终的多标签预测结果。本发明提高了分类的精度、大幅降低处理大规模多标签数据的学习时间。
-
公开(公告)号：CN106845731A
公开(公告)日：2017-06-13
申请号：CN201710089934.0
申请日：2017-02-20
Applicant: 重庆邮电大学
CPC classification number: G06Q10/04 , G06K9/6215 , G06K9/6268 , G06K9/6269 , G06K9/6276 , G06Q30/0201
Abstract: 本发明提出一种基于多模型融合的潜在换机用户发现方法，该方法主要包括用户的消费数据和换机轨迹数据采集和预处理、特征构建、模型构建及模型融合、预测等步骤。本发明旨在利用机器学习算法的多样性和差异性，将多个模型组合起来，以获得更好的效果，使集成的模型具有更强的泛化能力。通过用户历史数据进行训练，最后在数据集上进行预测，从而得到即将换机的高价值用户，并精确的为用户推送手机信息。
-
公开(公告)号：CN105825472A
公开(公告)日：2016-08-03
申请号：CN201610149009.8
申请日：2016-05-26
Applicant: 重庆邮电大学
IPC: G06T3/00
CPC classification number: G06T3/0012
Abstract: 本发明请求保护一种快速的基于多尺度高斯滤波器的色调映射系统及方法，包括多尺度分解模块、粗化层模块、细节层模块、融合模块、色度处理模块、伽玛校正模块、终端显示模块。采用高斯滤波器构造一组多尺度高斯滤波器，对高动态范围图像进行分解，获得粗化图像和细节图像；所述融合模块，利用线性组合的方式把高动态范围图像分解成的粗化层图像和细节层图像融合成为新的低动态范围图像；所述色度处理模块，引入对色度信息的补偿处理；所述伽玛校正模块，采用伽玛校正，预先补偿显示系统输入信号与输出信号之间的非线性关系。本发明可以有效地压缩高动态范围图像，较好地保留图像信息，并且算法效率高，消耗时间短，适用于移动终端上。
-
公开(公告)号：CN105761267A
公开(公告)日：2016-07-13
申请号：CN201610129868.0
申请日：2016-03-08
CPC classification number: G09G3/3406 , G06T2207/20104
Abstract: 本发明公开了一种图像处理的方法及装置，所述方法包括：获取待显示的图像，通过边缘检测算子对所述待显示的图像进行预处理，得到所述待显示的图像中的感兴趣ROI；计算所述ROI中的特征参数；根据所述特征参数和线性回归法得到目标映射函数；在根据所述特征参数和所述目标映射函数确定所述特征参数满足预设调整条件时，根据所述目标映射函数对所述特征参数进行自适应调整，并将自适应调整后的所述待显示的图像输出并显示。实现自适应调整，提高图像的显示质量和用户体验。
-
公开(公告)号：CN104915627A
公开(公告)日：2015-09-16
申请号：CN201410088106.1
申请日：2014-03-11
Applicant: 重庆邮电大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开了一种文字识别方法及装置，所述方法包括：接收输入的任一待识别文字；将所述待识别文字进行向量处理后，得到所述待识别文字的待识别特征集，所述待识别特征集包括待识别特征；根据所述待识别特征生成预设个数的待识别超边；将所述待识别超边与预先存储的超边库中的超边进行对比，当所述待识别超边与所述超边库中的超边匹配个数满足预设条件时，确定所述待识别文字识别成功。与现有技术相比，本发明能够提高文字的识别效率，同时尽量避免识别误差的产生。
-
Patent Agency Ranking
公开(公告)号：CN119743482A
公开(公告)日：2025-04-01
申请号：CN202411451134.5
申请日：2024-10-17
Applicant: 重庆邮电大学
IPC: H04L67/104 , H04L41/00 , H04L9/00 , G06N3/126
Abstract: 本发明涉及车联网和区块链共识领域，具体涉及一种基于车端区块链的改进PBFT共识算法。本发明首先基于信誉值与是否在成为主节点期间发布过无效块，将节点进行划分，并因此授予不同的权限，减少主节点崩溃以及频繁选举的可性能；然后提出基于遗传算法与节点特征进行均匀分组，使得改进后的算法降低了共识节点的数量、降低了共谋攻击的可能性并在很大程度上确保共识节点是诚实节点的可能性；最后基于投票实现主节点的选举，并设置相应的奖惩措施，实现预防节点作恶、激励节点参与投票的目标。与传统PBFT算法相比，本方法提高了系统的运行效率、稳定性和安全性。
-
公开(公告)号：CN119743277A
公开(公告)日：2025-04-01
申请号：CN202411608797.3
申请日：2024-11-12
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L41/16 , G06F18/15 , G06F18/2131 , G06F18/25 , G06F18/2415 , G06Q20/06 , G06Q20/22 , G06Q20/38 , G06Q20/40 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/088 , G06N3/0895 , G06N3/0985
Abstract: 本发明提出了一种基于高低频融合Transformer的对比学习以太坊钓鱼识别方法，用于识别以太坊中的钓鱼诈骗地址。该方法结合区块链交易数据构建交易序列，利用基于Transformer模型的掩码地址预测和对比学习框架进行无监督预训练，通过高低频信息的融合捕捉交易数据中的局部和全局特征。在预训练的基础上，使用多层感知机进行微调，并最终对交易地址进行分类判断。该方法结合掩码地址预测任务和对比学习方法，能够充分利用自监督学习预训练方式进行高效的特征表示学习，不依赖于图结构，注重交易的序列信息和账户行为模式，有效提升了模型的泛化能力与鲁棒性，提升以太坊网络钓鱼和欺诈行为的识别精度以及用户交易的安全性。
-
公开(公告)号：CN119493871A
公开(公告)日：2025-02-21
申请号：CN202411449897.6
申请日：2024-10-17
Applicant: 重庆邮电大学
IPC: G06F16/432 , G06F16/48 , G06F18/241 , G06F18/25 , G06N3/0464
Abstract: 本发明提出基于模态特异特征和模态共享特征的跨模态细粒度检索方法。跨模态细粒度检索任务的目标是用户给定任意一个样本作为查询样例，系统检索得到与查询样例相关的各个模态样本。一方面，本发明使用分支网络提取各个模态的模态特异性特征，以便充分利用每个模态的特征信息；另一方面，使用同一个网络提取模态的共同特征，以加强模态间的联系，使模型学习到不同模态数据间的共性及联系。这样同时利用各个模态自身的特有信息及不同模态的共享信息，增加高维语义空间向量中包含的语义信息，消减样本间的异构鸿沟和语义鸿沟，增强模型对高维空间向量的聚类能力，进一步提高模型的跨模态检索能力。
-
公开(公告)号：CN118866225A
公开(公告)日：2024-10-29
申请号：CN202410870943.3
申请日：2024-06-28
Applicant: 重庆邮电大学
IPC: G16H15/00 , G16H30/40 , G06N3/0455 , G06V10/40 , G06N3/045 , G06V10/82 , G06F18/22 , G06N3/0464 , G06V10/80 , G06F40/284 , G06F40/30 , G06V10/74 , G06N3/08
Abstract: 本发明涉及深度学习、自然语言处理、跨模态对齐、图像字幕等技术，并公开了一种基于周期性跨模态对齐的医学影像报告生成方法。该方法构建图像文本对应关系，并采用自适应注意因子，通过多层感知器学习和改进单词与图像区域之间的对应关系。同时使用相似度得分评估每个单词的重要性，确保模型能够更好地选择和加权单词，以提高报告生成的质量。在此基础上，模型引入了循环周期，允许模型多次迭代对齐操作，以进一步提高模型性能。最终，将循环跨模态对齐更新后的文本特征与图像特征拼接，用于生成医学报告。本发明的技术方案弥合了医学影像报告生成领域的视觉与语言之间的鸿沟，为解决这一难题提供了一种创新方法。
-
公开(公告)号：CN117994766A
公开(公告)日：2024-05-07
申请号：CN202311705600.3
申请日：2023-12-12
Applicant: 重庆邮电大学
IPC: G06V20/59 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/90
Abstract: 本发明涉及疲劳检测领域，公开了基于Zero‑DCE++与改进YOLOv7的疲劳检测算法。本发明中，针对驾驶员面部特征的检测方法存在的问题进行分析，设计了融合低光图像增强模块的疲劳检测算法，利用摄像头获取驾驶员的面部区域图像，把得到的图像送入改进的YOLOv7目标检测模型进行人脸及相关特征点进行检测，将所得到的特征点相关数据传入疲劳检测算法中计算眼部纵横比、嘴部纵横比、PERCLOS等与疲劳相关的指标，若结果为疲劳则进行疲劳报警及其他处理措施，未检出疲劳则静默进行下一次图像采集。特别的，算法中加入了一个几乎不影响性能的低光图像增强模块，当图像亮度较低时，可以为图像实时提高亮度，改善目标检测的效果和疲劳检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.027 seconds)
