-
公开(公告)号：CN117875472A
公开(公告)日：2024-04-12
申请号：CN202311646094.5
申请日：2023-12-04
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/10 , G06F18/214 , G06F18/213 , G06F18/27 , G06N3/0442 , G06N3/0985 , G06N3/006 , G06F123/02
Abstract: 本发明涉及煤矿开采涌水量预测技术领域，公开了及一种基于神经网络和成分分解法的矿井水情预测方法、系统，包括：S1、获取若干矿井水情数据，并对所述矿井水情数据进行预处理，得到矿井水情数据集；S2、基于所述训练集所对应的时间构建NeuralProphet模型；S3、基于所述训练集构建成分分解预测模型；S4、分别利用步骤S2和步骤S3中训练的模型在所述验证集上进行预测实验，计算出所述NeuralProphet模型和成分分解预测模型之间的最佳权重组合；S5、利用所述初始组合模型在所述测试集上进行预测实验；S6、将实际矿井水情数据输入到所述最终预测模型中，得到最终的预测结果。本发明设计了一种成分分解预测模型，能更好地适应非线性和非平稳的时间序列。
-
公开(公告)号：CN116416682A
公开(公告)日：2023-07-11
申请号：CN202310394926.2
申请日：2023-04-13
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06V10/762 , G06V10/764 , G06V10/74 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/088 , G06V20/52 , G06V20/40 , G06V10/62
Abstract: 本发明涉及一种基于双域融合和跨批次存储的行人重识别方法，属于计算机视觉领域。该方法在ResNet‑50的Stage0和Stage1之间嵌入一个双域融合模块，该模块可以在特征层面上对经过增强处理的源域特征和目标域特征进行融合，并且使用融合损失和多样性损失共同保证融合特征的有效性。为了进一步提升无监督跨域行人重识别模型的性能，本发明在双域融合网络的基础上设计了一种跨批次存储队列机制，该机制能够在更大范围内挖掘困难样本，而不仅仅局限于当前一个批次内的数据，从整体上提高模型在目标域上的匹配性能。
-
公开(公告)号：CN111274338B
公开(公告)日：2022-11-08
申请号：CN202010017938.X
申请日：2020-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于移动大数据的预出境用户识别方法，属于数据挖掘技术领域。该方法包括：采集出境服务机构的通信基站位置数据、出境服务通话端口数据和出境服务APP的域名关键词数据，利用所采集数据建立维表数据库；基于维表数据库与移动大数据，分别提取用户的通话行为特征、上网行为特征、出行行为特征和静态特征；将用户的行为特征和静态特征进行聚合关联，构建特征宽表；设计特征选择算法，从特征宽表中筛选出与类别强相关的特征子集；借助逻辑回归分类器构建预出境用户识别模型，完成模型的训练、评估与调参；将待测试数据输入识别模型，识别预出境用户。本发明能够有效识别预出境用户，主要用于数据挖掘场合。
-
公开(公告)号：CN114756783A
公开(公告)日：2022-07-15
申请号：CN202210348108.4
申请日：2022-03-29
Applicant: 重庆邮电大学
IPC: G06F16/955 , G06N3/04 , G06N3/08 , H04L9/40
Abstract: 本发明涉及一种基于生成对抗网络的欺诈网址识别方法，属于大数据挖掘领域，包括获取合法网址和欺诈网址作为原始样本数据，对获取的数据进行预处理，并从处理后的样本数据中提取网址属性特征、网址JavaScript特征、网址页面特征和网址文本特征，对提取特征后的数据进行清洗操作；构建生成对抗网络的生成器模块和鉴别器模块；将处理后的网址数据集输入到模型中训练生成对抗网络；利用训练好的生成对抗网络增强原始网址数据集；利用增强过后的网址数据训练分类算法，完成欺诈网址识别。本发明提高了分类算法的准确度和稳定度。
-
公开(公告)号：CN114693317A
公开(公告)日：2022-07-01
申请号：CN202210397973.8
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G06Q30/00 , G06Q50/00 , G06K9/62 , H04W12/12 , H04W12/128
Abstract: 本发明涉及一种融合同质图与二分图的安全联邦电信诈骗检测方法，属于大数据分析与挖掘领域，S1：基于电信运营商的用户业务数据，提取并预处理用户的语音通话数据、短信通信数据以及手机应用访问数据；S2：构建电信用户社交网络同质图与用户手机应用二分图数据集；S3：针对社交网络同质图构建同质图嵌入网络，针对用户访问手机应用二分图构建二分图嵌入网络，对用户节点进行采样得到邻居节点共现序列，迭代训练得到各节点的嵌入表示，融合作为用户的嵌入表示；S4：不同参与方根据本地数据特点提取本地电信用户特征，采用安全联邦梯度提升树分类模型对不同机构的本地数据进行联合训练，输出诈骗号码的最终预测结果。
-
Patent Agency Ranking
公开(公告)号：CN109858460B
公开(公告)日：2022-06-10
申请号：CN201910127877.X
申请日：2019-02-20
Applicant: 重庆邮电大学
IPC: G06V10/25 , G06V10/30 , G06V10/762 , G06V20/54 , G06K9/62
Abstract: 本发明涉及一种基于三维激光雷达的车道线检测方法，属于智能交通道路环境感知领域，用于获取道路环境中的车道线，包括步骤：以激光雷达中心为原点建立三维坐标系，设置感兴趣区域；检测出道路路沿，根据路沿的几何特征提取路沿候选点，根据路沿方向一致性的特征去除噪声；由路沿位置确定车道线所在路面的点云数据，根据不同介质的反射强度不同的特征，对扫描线进行分层处理，设置反射强度阈值提取车道线候选点，根据车道线全局连续性的特征进行聚类去噪；使用二项式曲线拟合车道线。本发明使用三维激光雷达传感器检测车道线，解决了传统相机在夜晚、强光等光照条件差的情况下无法识别车道线的问题，检测精度较高，可靠性强。
-
公开(公告)号：CN112950324B
公开(公告)日：2022-06-03
申请号：CN202110278391.3
申请日：2021-03-15
Applicant: 重庆邮电大学
Abstract: 发明属于大数据挖掘领域，具体涉一种知识图谱辅助的成对排序个性化电商推荐方法及系统，方法包括获取原始数据，对原始数据进行预处理，并利用处理后的原始数据构建知识图谱；从获取的数据中抽取目标用户的负样本，通过负样本构建输入数据；构建个性化推荐模型，将通过负样本构建的输入数据作为输入，进行训练；将目标用户的实时数据经过预处理并提取负样本，构成输入数据输入个性化推荐模型，个性化推荐模型输出针对目标用户的商品推荐列表；本发明解决了传统成对排序算法随机抽取负样本导致模型收敛速度缓慢、推荐精度不高等问题。
-
公开(公告)号：CN111339165B
公开(公告)日：2022-06-03
申请号：CN202010130947.X
申请日：2020-02-28
Applicant: 重庆邮电大学
IPC: G06F16/2458 , G06K9/62
Abstract: 本发明涉及一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法，属于数据挖掘领域。首先利用Fisher准则保留分类能力强的特征，剔除不相关特征和弱相关特征。其次融合最大信息系数MIC和对称不确定性SU两种度量方法，设计相关性度量标准MSCC，利用MSCC标准进一步剔除不相关特征。最后结合MSCC度量标准，利用近似Markov‑Blanket判断条件剔除Fisher候选特征集中的冗余特征，最终获得维度规模较小的最优特征子集。本发明能够有效的对移动用户的出境特征进行选择，提高模型的分类准确率。
-
公开(公告)号：CN109919934B
公开(公告)日：2021-01-29
申请号：CN201910182026.5
申请日：2019-03-11
Applicant: 重庆邮电大学
Abstract: 本发明为一种基于多源域深度迁移学习的液晶面板缺陷检测方法，属于计算机视觉、目标检测与识别领域，涉及一种基于双向卷积特征融合网络的液晶面板缺陷检测方法。包括采集多种典型缺陷类型的液晶面板图片，标记其缺陷类型和边框位置；基于DDCNNs构建液晶面板缺陷检测卷积神经网络的主干部分，基于面向多任务学习的全连接分类回归网络构建缺陷检测头部和域分类头部；通过多源域训练数据集对神经网络进行深度迁移学习；将待测图片输入已训练模型进行检测，在域分类头部输出图片来自各个域的概率分布；选出超过缺陷阈值的所有候选边框，并确定其缺陷类型，基于非极大值抑制方法获得缺陷区域的最优边框位置，从而获得最终检测结果。本发明提高了深度卷积神经网络的泛化性能，降低了漏检率和误检率。
-
公开(公告)号：CN111988185A
公开(公告)日：2020-11-24
申请号：CN202010900277.5
申请日：2020-08-31
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于BB步长的多步通信分布式优化方法，属于大规模机器学习及信息处理技术领域。该方法包括：1)确定问题目标函数及其强凸系数和光滑系数；2)搭建有向强连通非平衡通信网络，并根据网络拓扑的邻接矩阵，采用均匀权值策略生成行列随机权重矩阵；3)将系统所有变量进行初始化；4)利用节点当前所储存的变量信息计算BB步长；5)系统根据相关参数计算内循环次数P；6)节点接收邻居节点的信息，并结合自身所储存的信息，对变量进行更新，直到变量收敛，得到问题目标函数的最优值。本发明能够在有向强连通非平衡通信网络下解决无约束优化问题；提高所提算法收敛速率和梯度估计精确性。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.028 seconds)
