-
公开(公告)号：CN100536437C
公开(公告)日：2009-09-02
申请号：CN200710092531.8
申请日：2007-08-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种分段式共享光分组交换网络缓存结构，涉及光通信技术领域。本发明针对现有光分组交换网络缓存结构光纤利用率低，成本高的特点，提出了一种新的光分组交换网络缓存结构，该缓存结构采用光纤分段式共享机制，由多个延时相等的光纤延时单元组成，除最后一级延时光纤直接接光分组交换矩阵外，其它每级光纤延时单元的两个入口分别连接到下一级延时光纤的出口和直接连接光分组交换矩阵出口，需要延时的光分组数据包根据其到达光分组交换矩阵出口的时间的不同，选择不同的延时光纤入口。该结构充分提高光纤延迟线的利用率、降低核心节点成本的同时，很好的解决了光分组交换网络的端口竞争问题。
-
公开(公告)号：CN101106523A
公开(公告)日：2008-01-16
申请号：CN200710092531.8
申请日：2007-08-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种分段式共享光分组交换网络缓存结构，涉及光通信技术领域。本发明针对现有光分组交换网络缓存结构光纤利用率低，成本高的特点，提出了一种新的光分组交换网络缓存结构，该缓存结构采用光纤分段式共享机制，由多个延时相等的光纤延时单元组成，除最后一级延时光纤直接接光分组交换矩阵外，其它每级光纤延时单元的两个入口分别连接到下一级延时光纤的出口和直接连接光分组交换矩阵出口，需要延时的光分组数据包根据其到达光分组交换矩阵出口的时间的不同，选择不同的延时光纤入口。该结构充分提高光纤延迟线的利用率、降低核心节点成本的同时，很好的解决了光分组交换网络的端口竞争问题。
-
公开(公告)号：CN119888811A
公开(公告)日：2025-04-25
申请号：CN202411913260.8
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/80 , G06V10/764 , G06V20/59 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/084 , G10L15/26 , G06F18/213 , G06F18/25
Abstract: 本发明涉及一种个性感知的驾驶员多模态情绪识别方法，属于车联网技术领域，包括以下步骤：S1：采集驾驶员视觉、音频和文本数据并进行显性三模态特征提取；S2：对三模态数据进行隐性个性化特征提取；S3：将驾驶员的显性三模态特征和个性化特征进行融合；S4：对情绪进行分类。本发明实现了高效准确识别车联网中驾驶员的驾驶情绪。
-
公开(公告)号：CN119884415A
公开(公告)日：2025-04-25
申请号：CN202411948775.1
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F16/783 , G06F40/30 , G06F18/22 , G06V10/74 , G06V20/40 , G06N3/0455 , G06N3/047
Abstract: 本发明涉及一种基于语义通信的智能网联汽车文本视频检索方法，属于智能网联汽车技术领域。该方法融合车辆终端、边缘服务器和云服务器，包括以下步骤：在车辆终端通过多语义交互编码器模块处理用户发起的搜索请求，并提取语义信息；将提取语义信息编码为符号流传输边缘服务器，由其解码恢复语义信息；在云服务器对其数据库中的视频进行语义信息提取，并将视频语义信息传输至边缘服务器；由边缘服务器将文本语义信息与视觉特征信息嵌入至相同维度进行相似度计算，完成细粒度匹配，并将匹配结果返回至车辆终端。本发明利用历史请求提高搜索请求的语义恢复精度，并为视频语义和文本语义中的词项赋予差异化的权重，提高了文本视频检索精度。
-
公开(公告)号：CN119863438A
公开(公告)日：2025-04-22
申请号：CN202411924348.X
申请日：2024-12-25
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T5/70 , G06T5/60 , G06V10/774 , G06V10/54 , G06V10/52 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/09
Abstract: 本发明涉及一种基于编解码器架构的工业异常检测方法，属于工业异常检测领域。首先使用图像处理算法将二维柏林噪声添加至MVTec数据集中的图像，从而引入人工模拟的异常得到缺陷样本图像，缓解了监督学习只能使用正常样本的不足。同时，引入语义通信思想，基于语义通信设计考虑工业异常检测任务特征的图像语义传输模型。此外，为了更有效地利用输入图像中的信息，设计了基于编码器‑解码器架构的多尺度特征融合模块，缓解了图像异常区域与正常区域面积不均衡的问题。本发明的异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。
-
Patent Agency Ranking
公开(公告)号：CN119691809A
公开(公告)日：2025-03-25
申请号：CN202411859192.1
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06F21/32 , G06V40/16 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F17/16 , G06F17/18 , G06Q50/00
Abstract: 本发明涉及一种社会信任驱动的人脸信息保护方法，属于信息安全技术领域，包括以下步骤：S1：系统初始化三个实体，包括数据发布者、可信第三方以及数据访问者；S2：可信第三方利用图注意力机制计算数据发布者与数据访问者之间的实时社会信任值；S3：根据数据访问者的社会信任值赋予其隐私等级，利用差分隐私机制生成保护身份向量，其中，隐私等级用于控制隐私预算大小；S4：将保护身份向量输入条件身份匿名生成对抗网络获得人脸信息保护图像，发送给相应数据访问者。
-
公开(公告)号：CN119599143A
公开(公告)日：2025-03-11
申请号：CN202411644076.8
申请日：2024-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向异构环境的分层联邦学习方法，属于人工智能技术领域。该方法包括：构建云边端场景中的分层联邦学习框架；构建能够减小因节点间异构性导致的模型性能损失的分层联邦学习算法；构建边缘服务器增强算法中使用的虚拟数据集，以及边缘服务器的数据分配方式；在严格数学假设下，从理论上推导了平均全局梯度偏差的边界，以量化云边缘聚集区间、参与设备的数量和其他重要因素的影响，分析在异构环境影响下分层联邦学习算法的理论收敛边界。
-
公开(公告)号：CN119577648A
公开(公告)日：2025-03-07
申请号：CN202411644141.7
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种多因素融合的物联网离群数据识别方法，属于物联网技术领域，包括确定识别的目标因素，并融合与其相关联的多种影响因素，获取对应的历史数据并进行预处理；对具体指标进行相关性分析，选择对目标因素有显著影响的指标数据，形成最终的有效指标组合；构建LSTM结合特征注意力机制的预测模型，利用相关性分析筛选后的数据进行预测，输出未来一段时间的预测值，通过反归一化获得实际预测值；采用预测模型，融合多因素综合分析的离群数据识别方法，使用孤立森林算法建模，将预测残差和影响因子作为输入特征，计算每个数据点的异常分数；基于异常分数的分布，采用滑动窗口技术动态设置阈值，将超出阈值的数据点判定为离群数据。
-
公开(公告)号：CN119577373A
公开(公告)日：2025-03-07
申请号：CN202411644116.9
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06F18/20 , G06N3/0442 , G06N3/08 , G06N3/006 , G16Y40/00
Abstract: 本发明涉及一种基于深度学习的物联网感知数据预测方法，属于物联网技术领域。该方法包括：获取物联网感知长期数据并进行预处理，根据物联网数据具有季节性的特点，使用STL方法对时间序列数据进行分解，提取周期性、趋势性和残差特征。从位置更新策略以及预防陷入局部最优的角度对鲸鱼算法进行改进，采用改进后的鲸鱼优化算法对双向长短期记忆网络模型的超参数进行优化；利用优化后的BiLSTM模型进行物联网感知数据预测。本发明能够高效预测物联网感知数据的未来趋势，适用于流量监测、智能环境感知等场景，为物联网应用提供了可靠的决策支持。
-
公开(公告)号：CN119479675A
公开(公告)日：2025-02-18
申请号：CN202411644128.1
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G10L21/0208 , G10L25/30 , H04L67/12 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的目标信号增强方法，属于信号处理技术领域，包括以下步骤：S1：使用训练集对生成对抗网络的生成器和鉴别器进行对抗训练，在训练过程中添加注意力机制和音频修复模块，得到训练后的目标信号增强模型；S2：使用训练后的目标信号增强模型对复杂信号样本进行识别、提取、去噪与修复处理，得到目标信号；S3：将训练好的目标信号增强模型进行模型剪枝与再训练，从而优化所述目标信号增强模型。本方法提高了复杂信号中目标信号处理的精度和效果，为复杂信号场景应用提供更实时可靠的信号数据处理能力。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.025 seconds)
