-
公开(公告)号：CN116310960A
公开(公告)日：2023-06-23
申请号：CN202310155405.1
申请日：2023-02-23
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06V10/82 , G06N3/047 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明属于视频异常监控领域，具体涉及一种基于记忆神经网络的视频监控异常检测方法，包括：获取待检测的视频帧段，对待检测的视频帧段提取特征图；对频帧段特征图做矩阵变换，得到视频帧段的查询信息；将查询信息均等分割后分别做矩阵变换，得到前置检索地址及权重信息；融合两组地址信息，得到最终检索的地址和权重；根据地址从记忆模块检索出存储单元存储的视频帧特征信息，将视频帧特征信息加权拼接为解码特征图；将解码特征图输入到解码器中，输出重构的解码视频帧，得到视频监控异常检测结果；本发明通过记忆神经网络增强深度自编码器，使深度自编码器能够学习正常视频帧段的特征信息，提高异常视频监控的检测性能。
-
公开(公告)号：CN115982587A
公开(公告)日：2023-04-18
申请号：CN202310036344.7
申请日：2023-01-09
Applicant: 重庆邮电大学
IPC: G06F18/214 , G06F18/2413 , G06Q10/04 , G06Q50/02
Abstract: 本发明属于煤矿瓦斯领域，具体涉及一种基于自适应最近邻模型的瓦斯浓度预测方法及装置；该方法获取监测点的初始瓦斯数据，对其进行预处理得到瓦斯训练数据作为最近邻模型的训练集；获取最新一小时的瓦斯数据并归一化得到最新一小时的瓦斯样本，并将其加入到最邻近模型的训练集；采用样本去噪方法处理最近邻模型的训练集；根据最新一小时的处理后瓦斯数据查找已删除数据，并使用样本重用策略对查找到的已删除数据进行判定，将有效的已删除数据重新放入最近邻模型的训练集，并根据当前的训练集重新训练最近邻模型；根据最新一小时的处理后瓦斯数据的特征查找最邻近瓦斯数据，并加权求和预测瓦斯浓度；本发明对瓦斯浓度预测结果更可靠，更有优势。
-
公开(公告)号：CN114064897A
公开(公告)日：2022-02-18
申请号：CN202111382797.2
申请日：2021-11-22
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/117
Abstract: 本发明涉及人工智能技术领域，涉及一种情感文本数据标注方法、装置、系统及电子设备；所述方法包括获取待标注的情感文本数据，并对其处理；采用基于超球体的k‑means聚类算法对其进行聚类；获取各个球簇的稳定域和环域，根据需要的标记量从外到内的环域中筛选出具有代表性的数据；对各个球簇的稳定域中选择出部分数据进行标注处理，使用经过标注处理后的数据训练分类器；将具有代表性的数据输入到训练后的分类器中，得到分类概率，对分类概率进行不确定性处理，输出具有不确定性的数据；对具有不确定性的数据进行标注处理，并输出已标注情感文本数据。本发明利用大数据处理技术和基于超球的主动学习，解决了文本标注领域中盲目标注的问题。
-
公开(公告)号：CN111814851A
公开(公告)日：2020-10-23
申请号：CN202010584834.7
申请日：2020-06-24
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明属于煤矿瓦斯安全邻域，具体涉及一种基于单类支持向量机的煤矿瓦斯数据标记方法，包括：实时获取原始数据集，将原始数据集进行分类，得到二分类不平衡数据集；采用K-means聚类算法对二分类不平衡数据集进行处理，得到k个样本池；每个样本池包括一个未打标的样本池和一个打标的样本池；将k个样本池中的数据分别输入到单类支持向量机模型中，预测k个未打标样本池中的打标标签；根据预测的打标标签对原始数据进行打标；本发明在对煤矿瓦斯数据进行标记时采用单类支持向量机主动学习，减少了煤矿瓦斯数据的标记样本；本发明在进行主动学习过程中加入密度以及分布信息，使得挑选的样本更具有代表性。
-
公开(公告)号：CN111680268A
公开(公告)日：2020-09-18
申请号：CN202010528525.8
申请日：2020-06-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于云模型的多粒度煤矿瓦斯风险预测方法，所述方法包括：根据原始数据生成多个含混度小于阈值的高斯云；将论域边界由高斯云表征的概念转换成半梯形云，最终生成表示原始数据宏观概念的多个混合云；按照煤矿监管监察时间架构离散化数据集，调用逆向云发生器将每个离散的时间片转换成赋有语义的时间粒；按照煤矿监管监察空间架构离散化数据集，调用逆向云发生器将每个离散的空间片转换成赋有语义的空间粒；计算每个时间粒所隶属的相应宏观概念及隶属度；根据煤矿瓦斯浓度的多粒度表示结果构建云规则推理，对短期内的瓦斯浓度进行预测；本发明能够充分考虑真实生产环境，高效地处理海量煤矿安全生产数据，属于数据分析技术领域。
-
Patent Agency Ranking
公开(公告)号：CN111552882A
公开(公告)日：2020-08-18
申请号：CN202010386342.7
申请日：2020-05-09
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明属于数据分析领域，为一种新闻影响力计算方法、装置、计算机设备及存储介质；其中方法包括采集历史新闻数据，确定出新闻来源平均阅读数指标和新闻类型热度指标；按照用户行为增长率选择出用户行为趋于稳定的历史新闻数据；确定出与用户行为相关的新闻评论数指标和新闻阅读数指标；对不同的历史新闻数据进行划分出多个事件编号；建立出影响力计算模型；从相同事件编号的历史新闻数据中，按照各指标确定出该历史新闻数据的影响力，并打上等级标签；通过BP神经网络对所述影响力计算模型进行训练；将待计算新闻数据输入到训练后的影响力计算模型中，输出结果。本发明考虑到对新闻影响力更有支持性指标，使得影响力计算模型的准确率更高。
-
公开(公告)号：CN109409496A
公开(公告)日：2019-03-01
申请号：CN201811349939.3
申请日：2018-11-14
Applicant: 重庆邮电大学
IPC: G06N3/00
Abstract: 本发明属于机械故障诊断和分类领域；具体为一种基于蚁群算法改进的LDTW序列相似度量方法，所述方法包括将给定长度的两个序列转换为距离矩阵；将距离矩阵映射成栅格法的0-1矩阵，在0-1矩阵中按照禁忌表对蚂蚁在栅格中的搜索范围进行第一次限制；根据LDTW距离的步长对蚂蚁的搜索范围第二次限制；蚂蚁在第一次和第二次共同限制后的栅格区域移动，根据动态调整状态转移概率移动到下一访问点；从而搜索得到路径；根据蚂蚁搜索得到的栅格值之和，确定适应度函数；适应度函数最小时，为最佳的序列距离长度；根据序列距离长度，确定两个序列的相似度；本发明既保证了弯曲路径长度不超过LDTW限制的弯曲路径长度，又降低计算的时间成本。
-
公开(公告)号：CN106759546B
公开(公告)日：2018-11-13
申请号：CN201611252546.1
申请日：2016-12-30
Applicant: 重庆邮电大学
IPC: E02D33/00
Abstract: 本发明属于地铁工程技术领域，特别涉及一种基于改进多变量灰色预测模型的地铁基坑变形预测方法及装置；所述方法包括获取m个监测点的基坑原始沉降值序列；利用基坑原始沉降值序列生成基坑累计沉降值序列；采用多变量灰色预测模型，根据基坑累计沉降值序列计算基坑背景值序列；采用多变量灰色预测模型，根据基坑累计沉降值序列计算基坑变形发展趋势参数；根据基坑变形发展趋势参数计算基坑沉降预测值序列；本发明降低了多变量灰色预测模型的基坑沉降预测值预测误差，优化了多变量灰色预测模型的基坑沉降预测效果；本发明装置可以实现地铁基坑围护结构中多个监测点的变形预测，更好的分析基坑的变形情况，是解决地铁基坑变形预测的有效设备。
-
公开(公告)号：CN108337685A
公开(公告)日：2018-07-27
申请号：CN201810076862.0
申请日：2018-01-26
Applicant: 重庆邮电大学
Abstract: 本方法涉及高性能计算技术领域，特别涉及基于分簇DGM的无线传感器网络数据融合方法；方法包括按照空间相关性对多传感器数据进行动态分簇；对数据序列群中的异常点检测和补齐；借助灰理论中的离散区间灰数概念对传感器节点之间的相关性进行描述；采用离散灰数DGM预测模型对数据序列的发展趋势进行建模预测；实现多传感器数据融合；本方法能有效地对异常点进行检测和补齐，提升数据的可靠性；利用数据之间的空间关联性进行预测数据的修正，有效地提升数据预测的准确性；减少了簇头节点和汇聚节点之间的数据发送量；有效减少传感器节点的传输距离；降低传感器节点的传输能耗；减少了汇聚节点的对接点数，缓解了网络拥塞问题。
-
公开(公告)号：CN115148359B
公开(公告)日：2025-03-21
申请号：CN202210783403.2
申请日：2022-07-05
Applicant: 重庆邮电大学
IPC: G16H50/30 , G16H10/60 , G06F18/23213 , G06F18/241 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06F123/02
Abstract: 本发明属于风险预测技术领域，具体涉及一种基于对比学习的ICU患者死亡风险预测方法；该方法包括：获取ICU患者的电子病历数据集并对其进行处理，得到多个批次数据样本；将批次内数据样本输入到构建好的基于transformer‑gru‑cnn的分类器中，得到分类损失函数；构建辅助对比学习损失函数；根据分类损失函数和辅助对比学习损失函数构建优化损失函数；根据优化损失函数对分类器的参数进行更新，得到构建好的基于对比学习的ICU患者死亡风险预测模型；将电子病历数据输入到构建好的基于对比学习的ICU患者死亡风险预测模型，得到待预测患者的死亡风险预测结果；本发明的预测精度高，实用性高，具有良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.025 seconds)
