-
公开(公告)号：CN113114722B
公开(公告)日：2022-05-03
申请号：CN202110285692.9
申请日：2021-03-17
Applicant: 重庆邮电大学
IPC: H04L67/1008 , H04L67/1012 , G06F9/455 , G06F9/50
Abstract: 本发明属于边缘计算与物联网领域，具体涉及一种基于边缘网络的虚拟网络功能迁移方法，该方法包括：实时监测边缘服务器节点的信息，根据该信息生成节点列表；采用空闲资源和负载阈值机制对节点列表中的各个节点进行筛选，得到3个候选节点；构建马尔科夫决策，根据马尔科夫决策对3个候选进行策略选择；在进行策略选择过程中，采用深度Q学习训练构建最优选择策略模型，输出最优选择结果；本发明采用空闲资源和负载阈值机制通过对数据分析和负载预测，筛选出3个候选节点，降低了问题复杂度。
-
公开(公告)号：CN114401134A
公开(公告)日：2022-04-26
申请号：CN202210040932.3
申请日：2022-01-14
Applicant: 重庆邮电大学
Abstract: 本发明属于物联网信任管理领域，具体涉及一种端边协同的物联网分布式可信管理方法；所述方法包括将边节点作为社区内的管理员，端节点作为社区内的成员，获得在社区内的每个时刻的设备节点集合；确定出在社区内当前时刻的增量节点集合；将增量节点集合的节点分别按照标签传播算法进行增量动态社区划分；将节点间的社交相似度作为先验知识，计算出节点之间的直接信任值；根据节点之间的社交相似度和直接信任值，计算出节点之间的推荐信任值；并得出综合信任值，边节点按照综合信任值对社区内的端节点进行管理；本发明进一步考虑社交关系的动态性与区域性，并通过在网络中建立动态多源社区进行信任管理来降低信任模型的收敛时间。
-
公开(公告)号：CN114385359A
公开(公告)日：2022-04-22
申请号：CN202210016729.2
申请日：2022-01-07
Applicant: 重庆邮电大学
Abstract: 本发明属于物联网任务协同领域，具体涉及一种物联网云边端任务时序协同方法；该方法包括：获取物联网设备数据，物联网设备包括任务迁移设备、MEC服务器以及云服务器；根据物联网设备数据，采用基于时序兴趣度的计算资源发现方法得到候选计算资源队列；根据任务迁移设备的计算资源需求，采用基于时序社交相似度的计算资源选择算法，在候选计算资源队列、MEC服务器与云服务器内可用的计算资源中作出最佳的计算资源选择结果；任务迁移设备根据计算资源选择结果进行任务迁移；本发明根据物联网设备的时序特征设计端设备辅助的云边端任务协同方法，提高了任务协同的效率并均衡了网络中计算资源的分布，具有广阔的应用前景。
-
公开(公告)号：CN114283158A
公开(公告)日：2022-04-05
申请号：CN202111490173.2
申请日：2021-12-08
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理领域，具体涉及一种视网膜血管图像分割方法、装置及计算机设备；所述方法包括获取视网膜血管图像并预处理；将预处理后的图像输入到训练完成的U‑Net网络中；利用U‑Net网络中编码器的各残差金字塔卷积层与对应的池化层提取特征；将每一层的卷积特征通过跳跃连接的方式传递至对应的注意力机制层，并选择注意力特征；利用U‑Net网络中解码器的各残差金字塔卷积层与对应的上采样层，将上采样层的采样特征与对应的注意力特征进行拼接，并传递至解码器的最后一个残差金字塔卷积层，得到视网膜血管的分割结果。本发明以U‑Net网络为基础，实现了视网膜血管图像的分割。
-
公开(公告)号：CN112927240B
公开(公告)日：2022-04-05
申请号：CN202110249702.3
申请日：2021-03-08
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理领域，具体涉及一种基于改进的AU‑Net网络的CT图像分割方法，该方法包括：获取待分割的脑CT图像，对获取的脑CT图像进行预处理；将处理好的图像输入到训练好的改进AU‑Net网络中进行图像识别分割，得到分割后的CT图像；根据分割后的脑CT图像识别脑出血区域；改进的AU‑Net网络包括编码器、解码器以及跳跃连接部分；本发明针对脑出血CT图像出血部位大小及形状差异性较大而导致分割精度较低的问题，提出了一种基于编码‑解码结构，在该结构中设计了一种残差八度卷积模块，使得模型能更精确的分割识别图像。
-
Patent Agency Ranking
公开(公告)号：CN114202550B
公开(公告)日：2025-02-25
申请号：CN202111403333.5
申请日：2021-11-24
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于图像处理领域，具体涉及一种基于RAPNet网络的脑肿瘤MRI图像三维分割方法，包括构建RAPNet网络并对其进行训练；将脑部MRI图像输入到训练好的RAPNet网络中进行图像识别分割，得到分割后的脑肿瘤MRI图像及其亚结构区域，RAPNet网络包括主干网络、特征金字塔以及辅助预测，主干网络由空洞卷积和多个ISE‑R2CU单元组成，用于提取输入图像的浅层特征和深层特征；本发明采用的由3D空洞卷积和跨模型注意力机制构成的特征金字塔与主干相结合以学习整个肿瘤及其亚结构的有效特征，从而具有拟合肿瘤内各种组织边界的优势。
-
公开(公告)号：CN119484559A
公开(公告)日：2025-02-18
申请号：CN202410292069.X
申请日：2024-03-14
Applicant: 重庆邮电大学
IPC: H04L67/12 , H04L67/568 , H04L41/12 , H04L41/14 , H04L41/16 , G06N3/0442
Abstract: 本发明涉及一种基于数字孪生的车辆社交网络缓存方法，属于车辆社交网络领域。该方法包括：S1、提取车辆网络和社交网络之间的联系纽带；S2、基于数字孪生技术将车辆网络从物理层映射至孪生网络层；S3、从孪生网络层中提取车辆的关系特征并建立车辆社交网络层；S4、建立车辆社交网络层中的缓存云；S5、基于车辆社交网络层以及其内的缓存云确定车辆缓存协作策略。本发明有效地提高了车载网络的内容分发效用，在效用和卸载成功率指标方面都有一定的优势。
-
公开(公告)号：CN119418400A
公开(公告)日：2025-02-11
申请号：CN202411459403.2
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/143 , G06V10/44 , G06V10/42 , G06V10/25 , G06V10/80 , G06V10/74 , G06V10/82 , G06F16/783 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明涉及一种多尺度多分支特征利用的跨模态行人重识别方法，属于跨模态行人重识别领域。其包括：获取原始数据集，并通过随机通道学习原始数据集中的可见光模态图像的每个通道与单通道红外光模态图像之间的关系；将处理后图像输入跨模态特征提取模块，其中，先通过双流网络处理不同模态的不同属性，随后再通过共享网络提取多尺度特征；将多尺度特征输入多尺度信息挖掘模块进行特征融合；融合特征再由多分支联合模块进行判别特征提取，通过各分支提取的判别特征协同进行行人重识别。本发明将多层次的空间特征信息结合进行特征提取，并利用全局特征和局部特征来增大视觉表征中红外模态与可见光模态的相关性，提高了跨模态行人重识别的检索准确率。
-
公开(公告)号：CN119364531A
公开(公告)日：2025-01-24
申请号：CN202411459404.7
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: H04W72/0446 , H04W72/50 , H04W72/566
Abstract: 本发明涉及一种基于空闲保护带的时间敏感网络流量调度方法，属于流量传输技术领域。由于时间敏感网络中保护带机制主要为TT流提供服务，导致AVB流的传输延迟较大，甚至超过截止时间；且大部分TSN流的传输时间可能远小于最大传输时间单位，使得在某段时间没有流量传输形成了空闲保护带，导致了带宽的浪费。本发明通过考虑AVB流量及其截止时间进行优化AVB流量传输，在空闲保护带期间对AVB流量进行传输，根据AVB流量的截止时间对AVB流量的优先级进行重新定义，并将最早截止的AVB流量填充到保护带中进行传输。此方法既保证了TT流的传输延迟和稳定性，又提高了AVB流量的传输成功率和整个传输链路的带宽利用率。
-
公开(公告)号：CN119254824A
公开(公告)日：2025-01-03
申请号：CN202411358601.X
申请日：2024-09-27
Applicant: 重庆首讯科技股份有限公司 , 重庆邮电大学
IPC: H04L67/50 , H04L41/50 , H04L41/5061 , H04L67/12
Abstract: 本发明属于物联网技术领域，具体涉及一种物联网中的服务委派方法，包括S100，服务请求者根据任务的目标、属性和上下文环境构建任务，并发布任务请求；S200，构建信任模型，通过信任模型计算服务提供者和服务请求者的可信度，并生成从服务请求者的角度来看服务提供者的可信度和从服务提供者的角度来看服务请求者的可信度；S300，服务提供者决定是否响应服务请求者的任务请求；S400，服务请求者确定委派的服务提供者；S500，服务提供者接受服务请求者委托的任务，并执行任务；S600，服务提供者执行任务后生成任务执行结果，并提交任务执行结果至服务请求者；S700，服务提供者和服务请求者之间相互评价，本方案有助于建立更稳定和可靠的服务委派关系。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.03 seconds)
