公开(公告)号：CN119625217A

公开(公告)日：2025-03-14

申请号：CN202411676703.6

申请日：2024-11-22

Applicant: 重庆邮电大学

Inventor： 杨康 ,  王进

IPC: G06T17/20

Abstract: 本发明属于计算机图形学几何处理技术领域，具体涉及一种基于Voronoi图和卷绕数的各向同性三角形网格生成方法，包括获取三角形网格模型，针对每一三角面，通过重心和顶点方向插值方法生成3个采样源点；获取每一三角面的半平面集合；将每一三角面的所有半平面两两相交，得到多个公共边；将每一公共边投影到三角形网格表面得到一个Voronoi图线段；根据Voronoi图线段获取每个顶点的区域点集和候选线段集；使用快速卷绕数法确定每一顶点的Voronoi单元区域；根据每个顶点的Voronoi单元区域进行CVT重新网格化，得到各向同性三角形网格；本发明能够保证生成网格质量同时提高运算效率。

公开(公告)号：CN118410172A

公开(公告)日：2024-07-30

申请号：CN202310420799.9

申请日：2023-04-19

Applicant: 重庆邮电大学

Inventor： 王进 ,  牟以恒 ,  周羽 ,  彭云曦 ,  苏柯润 ,  贺小龙

IPC: G06F16/36 ,  G06F40/126 ,  G06F40/242 ,  G06F40/295 ,  G06F40/30 ,  G06N3/0499

Abstract: 本发明属于自然语言处理的命名实体识别和关系抽取领域，具体涉及一种基于大数据的法律判决文书知识图谱智能构建方法，包括：使用法律判决文书数据构造司法领域知识词典；根据文本数据和关系类型特征进行实体关系抽取，得到判决文书中的实体以及实体间的关系；将抽取的实体关系进行交叉注意力计算，得到实体与关系之间的注意力矩阵；从注意力矩阵中解码出实体关系三元组，得到法律判决文书知识图谱。本发明通过进行实体关系抽取时引入了通用词语信息和司法词典知识，解决了法律判决文书信息抽取困难的问题，实现了司法知识图谱的有效构建。

公开(公告)号：CN118199055A

公开(公告)日：2024-06-14

申请号：CN202410492705.3

申请日：2024-04-23

Applicant: 重庆邮电大学

Inventor： 刘彬 ,  涂明胜 ,  范浩然 ,  王进

IPC: H02J3/00 ,  G06N3/0464 ,  G06N3/045 ,  G06F18/213 ,  G06F18/25 ,  G06Q50/06

Abstract: 本发明属于风力发电技术领域，具体涉及一种基于大数据的风电场发电功率预测方法；该方法包括：获取风电场数据并对其进行预处理，得到预处理好的风电场数据；其中，风电场数据包括历史气象数据、未来气象数据和发电出力时序数据；对风电场数据中的离散特征进行嵌入处理，得到嵌入特征；拼接嵌入特征和风电场数据中的连续特征，得到拼接特征；对拼接特征进行分块化处理，得到风电特征；采用训练好的风电场发电功率预测模型对风电特征进行处理，得到风电场发电功率预测结果；本发明的预测结果准确性高，具有良好的应用前景。

公开(公告)号：CN117034905B

公开(公告)日：2024-05-14

申请号：CN202310985688.2

申请日：2023-08-07

Applicant: 重庆邮电大学

Inventor： 宋金淼 ,  王进 ,  王一雄

IPC: G06F40/20 ,  G06F18/24 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种基于大数据的互联网假新闻识别方法，包括:获取互联网新闻数据并进行预处理得到新闻文本数据集；采用贪婪策略对新闻文本数据集进行重复事件检测得到多个原始事件图；为每一个原始事件图设置相应的节点特征、边特征和簇特征，得到初始事件图；构造Motif特征提取器，并采用初始事件图进行训练；根据训练好的Motif特征提取器构建图模型，并采用初始事件图进行训练；将待识别互联网新闻输入训练好的图模型，输出待识别互联网新闻的真假判别结果；本发明对虚假信息进行早期检测并及时阻断其传播，极大降低虚假新闻带来的危害，营造清朗的网络舆论空间。

公开(公告)号：CN117423378A

公开(公告)日：2024-01-19

申请号：CN202311413783.1

申请日：2023-10-27

Applicant: 重庆邮电大学

Inventor： 王进 ,  吴思奇 ,  刘彬 ,  周青

IPC: G16B5/00 ,  G16B30/00 ,  G16B40/00 ,  G16B15/30 ,  G16C20/50 ,  G16C20/70

Abstract: 本发明属于计算生物学领域，具体涉及一种基于图表示学习的药物‑靶标智能推荐方法；该方法包括：获取药物‑靶标信息，包括药物分子信息和氨基酸序列信息；根据药物分子信息构建初始药物分子嵌入向量；根据氨基酸序列信息构建初始氨基酸序列嵌入向量；采用分层注意力机制对初始药物分子嵌入向量和初始氨基酸序列嵌入向量进行处理，得到更新后的药物分子嵌入向量和氨基酸序列嵌入向量；拼接药物分子嵌入向量和氨基酸序列嵌入向量，将拼接后的向量输入到全连接层进行处理，得到药物‑靶标交互概率；选取交互概率大于交互阈值的药物‑靶标推荐给用户；本发明的预测结果准确度高，有助于减轻生物医学研究者对药物‑靶标研究负担。

公开(公告)号：CN117350287A

公开(公告)日：2024-01-05

申请号：CN202311347848.7

申请日：2023-10-18

Applicant: 重庆邮电大学

Inventor： 王进 ,  李翔宇 ,  刘彬 ,  周青 ,  吴思远

IPC: G06F40/289 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于舆情大数据的文本情感分析方法，包括：获取舆情文本数据，分组后将文本数据根据情感正负倾向排序；使用预训练模型对文本向量化，得到词向量和句向量特征；对文本进行分词，对分词结果中的词进行逐个删除，计算删除词后的特征向量和原始文本向量的相似度；根据计算出的文本相似度表示词汇重要性，使用词向量加权求和方法表示文本特征；根据情感相对排序关系构造损失函数，根据损失函数调整模型参数，当损失函数最小时完成模型训练；本发明提出一种计算词汇重要性的方法，利用该权重加权词向量计算文本向量特征，增加了模型评判文本情感分数的能力。

公开(公告)号：CN116910752A

公开(公告)日：2023-10-20

申请号：CN202310872806.9

申请日：2023-07-17

Applicant: 重庆邮电大学

Inventor： 苏柯润 ,  牟以恒 ,  王进

IPC: G06F21/56 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于深度学习领域，具体涉及一种基于大数据的恶意代码检测方法，包括：获取的代码文本数据，对代码文本进行拆分和处理得到灰度图像，对灰度图像进行数据增强，构建恶意代码检测初步模型并训练的得到最终模型；本发明采用Word2Vec模型的训练方法解决了恶意代码在转化为灰度图时文本特征遭到破坏的难题，并使用带有辨别器的变分自编码器进行数据增强，缓解了了恶意代码检测领域图像提取特征单一，抗混淆能力不足的困难，可以高效、可靠地完成恶意代码检测。

公开(公告)号：CN116879753A

公开(公告)日：2023-10-13

申请号：CN202310740300.2

申请日：2023-06-21

Applicant: 重庆邮电大学

Inventor： 王进 ,  陆志 ,  苏卓萱

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明属于深度学习领域，具体涉及一种基于大数据的电池寿命预测方法，包括：采用循环电池容量损失与归一化方法对电池进行充电‑放电循环，得到电池容量损失，对电池的实际容量进行估计，得到电池数据；采用循环电池残余寿命分析方法计算电池数据多维度特征之间的相关性特征；将特征输入到Bi‑LSTM模型中，得到电池寿命特征表示；使用XGboost模型对电池寿命特征表示进行加权，并采用基于多维度特征的电池寿命预测模型对多个XGboost预测模型进行融合，得到最优的电池寿命预测结果；本发明采用循环电池残余寿命分析方法考虑电池的多维度特征，更全面地评估电池的寿命。

公开(公告)号：CN116647374A

公开(公告)日：2023-08-25

申请号：CN202310580044.5

申请日：2023-05-23

Applicant: 重庆邮电大学

Inventor： 王进 ,  陆志 ,  汤正宗

IPC: H04L9/40 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明属于网络信息安全领域，具体涉及一种基于大数据的网络流量入侵检测方法，包括：获取带标签的网络流量数据，平衡获取的网络流量数据；对数据平衡后的网络流量数据进行离散化处理得到特征向量，并进行特征分解，得到离散化特征分解向量；将网络流量数据建立图结构，并融入离散化特征分解向量，对该图进行卷积操作，提取图结构中的关系信息；根据图结构的关系信息和标签信息对Bi‑LSTM模型进行训练；使用训练完成后的模型进行网络流量数据进行分类，判断其是否为正常流量还是网络入侵。本发明通过网络流量密度的少数类过采样克服数据不平衡问题，采用大数据多尺度频带特征提取法来进行特征提取，提高了模型的检测精度和泛化能力。

公开(公告)号：CN116542391A

公开(公告)日：2023-08-04

申请号：CN202310587950.8

申请日：2023-05-24

Applicant: 重庆邮电大学

Inventor： 王进 ,  蒋诗琪 ,  杨添善

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06F18/211 ,  G06F18/2132 ,  G06F18/25 ,  G06N5/01 ,  G06N20/20

Abstract: 本发明属于机器学习领域，具体涉及一种基于大数据的城市区域客流量预测方法，包括：建立基于AutoFM模块、基于注意力机制的双通道LSTM模块、基于转移权重的卷积神经网络模块、基于树模型的特征选择模块的城市区域客流量预测模型，并训练城市区域客流量预测模型，采用训练完成的城市区域客流量预测模型对城市区域客流量进行预测，得到预测结果；本发明通过建立城市区域客流量预测模型，不仅考虑了时间上的特点，还关注了空间特征，对客流量的移动趋势做出预测，解决了传统方法受到外部环境变化的影响，准确度较低的问题。