-
公开(公告)号：CN112801751A
公开(公告)日：2021-05-14
申请号：CN202110155597.7
申请日：2021-02-04
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据挖掘领域，具体涉及一种多任务图神经网络的个性化景区推荐方法，该方法包括：获取用户与景区的交互数据、用户属性数据以及景区属性数据；根据用户与景区数据构建景区知识图谱以及用户知识图谱；通过两个图神经网络学习知识图谱中实体和关系的向量表示，从而构建深度神经网络预测用户对景区的评分；通过推荐网络评分任务和用户以及景区知识图谱表示学习任务的多任务交替训练的方式训练三个网络，完成模型优化；本发明引入景区与用户属性信息并构建知识图谱，通过多任务交替训练的方式训练网络，精确地学习到用户与景区特征间的关系，多任务交替训练网络可以增强模型的可扩展性，避免模型过拟合，能有效提升推荐性能。
-
公开(公告)号：CN111612763A
公开(公告)日：2020-09-01
申请号：CN202010431122.1
申请日：2020-05-20
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉、目标检测领域，具体涉及手机屏幕缺陷检测方法、装置及系统、计算机设备及介质；所述检测方法包括采集不同类型缺陷的多款手机屏幕图像，并进行预处理；构建全卷积神经网络，输出二通道的缺陷图像；建立孪生神经网络，在其两个子网络中输入配对后的缺陷图像，判断两者是否属于同一缺陷类型；采用迁移学习的方式训练全卷积神经网络和孪生神经网络，利用源域进行预训练，利用目标域进行微调，直至训练完完成；将待测手机屏幕图像预处理后，待测图像与抽取后的已标注图像进行配对，输出待测手机屏幕图像缺陷类型的判断结果以及其语义分割图像；本发明能够在小样本的基础上，仍提升缺陷检测的精确性，降低误检率、漏检率。
-
公开(公告)号：CN106953780B
公开(公告)日：2020-04-07
申请号：CN201710154545.1
申请日：2017-03-15
Applicant: 重庆邮电大学
IPC: H04L12/26
Abstract: 本发明涉及一种支持网络产品信息查询的众核平台深度包检测装置及方法，该装置使用三颗TILE‑Gx36众核处理器。其中一颗负责完成数据预处理，另外两颗众核处理器各自独立完成DPI、产品信息查询与数据整合、输出等功能。众核按照一定的核心分配方案，并借助产品信息库完成以上三种功能。本发明利用众核的并行处理能力完成对原始网络数据包内容级别的DPI处理，与传统方法相比，计算性能、功耗比大幅提升，实时性强，集成度高。
-
公开(公告)号：CN109902214A
公开(公告)日：2019-06-18
申请号：CN201910118231.5
申请日：2019-02-15
Applicant: 重庆邮电大学
IPC: G06F16/951 , G06F16/9535
Abstract: 本发明涉及一种基于改进PageRank算法的用户偏好挖掘方法，利用用户的历史上网日志数据，通过改进的PageRank算法挖掘用户的偏好，能够提高用户偏好挖掘的准确率与召回率。该方法包括以下步骤：检查输入数据格式，提取用户上网过程中的兴趣点集合和上网时长集合；分析兴趣点集合和上网时长集合，确定用户访问兴趣点的频次、时长以及自转移参数；以兴趣点的频次、时长以及自转移参数为输入，通过自定义函数计算用户对兴趣点的关注度；将用户对兴趣点的关注度引入到PageRank算法中，计算每个兴趣点的IR值(兴趣点重要性得分，值域为0-1)；对兴趣点的IR值进行迭代计算，当满足迭代终止条件时，输出所有兴趣点的IR值；最后选取IR值靠前的Top-K个兴趣点作为用户偏好。
-
公开(公告)号：CN109858974A
公开(公告)日：2019-06-07
申请号：CN201910123326.6
申请日：2019-02-18
Applicant: 重庆邮电大学
IPC: G06Q30/02
Abstract: 本发明公开了一种已购车用户识别模型构建方法及识别方法，本发明针对已购车用户特征维度高，数据量大，为了保证特征信息最大化的同时降低训练复杂度，引入了特征分层处理思想，并利用了xgboost训练属性重要性分数来进行特征选择，达到了数据降维的目的，构建基于xgboost的学习模型动态特征提取，其次考虑特征的全面性，构建特征组合来提升分类的效果。针对xgboost参数的调优，利用pso的全局搜索以及记忆特点来弥补xgboost算法多个参数调优收敛速度慢，易陷入局部最优解和正确率波动大的缺陷，并应用最优参数组合来构建基于pso_xgb的已购车用户识别模型对已购车用户特征进行训练，提升了模型的准确度。
-
Patent Agency Ranking
公开(公告)号：CN109858901A
公开(公告)日：2019-06-07
申请号：CN201910077709.4
申请日：2019-01-28
Applicant: 重庆邮电大学
Abstract: 本发明属于移动大数据技术领域，公开了一种基于手机信令大数据的移动用户支付识别方法，该方法包括采集移动用户支付行为和支付方式在发生支付时产生的支付数据，根据支付数据建立支付行为参考数据库；将参考数据库与手机信令大数据中的上网日志数据进行匹配，根据线上购物支付和线下扫码支付制定规则，识别用户支付行为；将参考数据库与上网日志数据和短信话单数据进行匹配，根据软件支付和银行卡支付制定规则，识别用户支付方式；将识别的支付行为和支付方式与用户轨迹数据建立关联规则，识别用户支付区域和支付时段，从而实现移动用户支付识别；本发明能够有效识别移动用户支付行为、支付方式、支付区域和支付时段。
-
公开(公告)号：CN109800209A
公开(公告)日：2019-05-24
申请号：CN201910119739.7
申请日：2019-02-18
Applicant: 重庆邮电大学
IPC: G06F16/13
Abstract: 本发明涉及一种智能变电站SCD文件并行解析方法，采用主从解析机制，主线程提取SCD文件的结构，从线程解析标签的名称与性质。主线程与从线程是串行关系；主线程与主线程、从线程与从线程是并行关系。依据SCD文件结构并行启动五种类型主线程，标记SCD文件的一级标签位置，保存标签位置信息；统计一级标签位置的个数，启动相同数量的从线程解析一级标签及其所包含标签的名称与性质，每个从线程解析结果采用树型结构存储，建立类型子树，并将每棵子树按SCD文件结构整合成一颗完整的主树；解析过程采用并行哈希算法实现树结构的快速查询。本发明采用并行多线程技术大幅降低了SCD文件解析时间，提高了结果查询效率。
-
公开(公告)号：CN109738910A
公开(公告)日：2019-05-10
申请号：CN201910077748.4
申请日：2019-01-28
Applicant: 重庆邮电大学
IPC: G01S17/93
Abstract: 本发明属于智能汽车技术中交通道路环境感知领域，涉及一种基于三维激光雷达的路沿检测方法，利用安装在车辆上的三维激光雷达获取周围道路环境的点云数据，采用随机采样一致性算法分割出地面；根据路沿多种几何特征设置较宽阈值进行判断，利用同一扫描层各扫描点之间邻域关系，提取路沿候选点；根据路沿数据点在密度和道路方向上连续的特征，应用基于密度的聚类算法对路沿候选点进行聚类并去除密度较大和孤立的噪声点；最终对符合条件的路沿候选点用加权最小二乘法拟合，提高拟合准确性。本发明根据路沿的多个特征提取路沿候选点，并综合考虑路沿在密度和道路方向上连续的特征进行去噪，使得最终的检测误差小，精度高。
-
公开(公告)号：CN120050083A
公开(公告)日：2025-05-27
申请号：CN202510188973.0
申请日：2025-02-20
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L43/02 , H04L43/04 , G06N3/0442
Abstract: 本发明涉及一种基于多尺度时间序列的APP流量异常检测方法与系统，属于移动互联网流量监控领域。本系统包括流量数据采集模块、流量数据预处理模块、多尺度时间序列分解模块和异常流量检测模块。通过流量数据采集模块对目标APP的网络流量进行抓包，并按API调用、资源加载、广告请求类型进行分类，同时记录APP运行状态作为上下文信息；流量数据预处理模块对采集的流量数据按场景分组，并基于设定的时间窗口提取统计特征；多尺度时间序列分解模块对特征向量序列进行小波变换和经验模态分解，分别提取流量的高频成分和低频成分，捕捉短期突发和长期趋势变化。本发明针对APP流量特点设计异常检测方法，能更精准地检测APP流量异常。
-
公开(公告)号：CN120030541A
公开(公告)日：2025-05-23
申请号：CN202510195752.6
申请日：2025-02-21
Applicant: 重庆邮电大学
IPC: G06F21/56 , G06F40/30 , G06N3/045 , G06N3/08 , G06F18/25 , G06F11/34 , G06F40/205 , G06F40/289 , G06F18/23
Abstract: 本发明涉及一种基于API语义分析的APP涉诈检测方法，属于软件安全检测技术领域。该方法包括：获取APP样本，并对APP样本进行静态分析、动态分析得到APP样本的参数信息和运行日志，并针对APP样本的参数信息进行精细化特征分析构建API特征语句，针对APP样本运行日志构建API语料库；基于API语料库和API特征语句生成API专有语义词向量；结合BERT生成的上下文向量进行加权融合，得到融合后的词向量，将融合后的词向量嵌入到BERT预训练模型的词嵌入层中；微调训练词嵌入层中的BERT模型，利用API特征语句对BERT模型进行微调训练，训练完成后对涉诈恶意APP的预测。本发明有效解决了当前涉诈恶意APP检测方法中因特征精细度低导致预测准确率低的问题。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.024 seconds)
