-
公开(公告)号：CN114444693A
公开(公告)日：2022-05-06
申请号：CN202210070468.2
申请日：2022-01-21
Applicant: 重庆邮电大学
IPC: G06N5/02 , G06F40/205
Abstract: 本发明属于人机交互话题转移领域，具体涉及一种基于协同知识图谱的人机交互话题转移方法；该方法包括：根据话题参与者的社交关系和行为历史获取候选话题集和相似用户集；根据候选话题集和相似用户集构建用户‑话题二部图；获取知识图谱，将用户‑话题二部图与知识图谱进行融合，得到协同知识图谱；将协同知识图谱输入到基于协同知识图谱的人机交互话题转移模型中，得到转移话题；话题参与者将转移话题作为回复内容进行话题切换；本发明考虑相似用户和相似话题两个因素，构建协同知识图，充分挖掘对话相关信息间的高阶关系，极大增强了对话内容特征，使得人机交互过程中对对话话题进行自然、连贯地切换，提升话题参与者的对话兴趣和满意度。
-
公开(公告)号：CN114357141A
公开(公告)日：2022-04-15
申请号：CN202210030263.1
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/36 , G06F16/242 , G06N3/04 , G06N3/08
Abstract: 本发明属于人机交互对话系统领域，具体涉及一种基于时序知识图谱的人机对话兴趣感知方法；该方法包括：获取用户输入内容和机器人对话库数据；根据用户输入内容和对话库数据得到至少两个候选回复；将用户输入内容和候选回复输入到采用基于时序知识图谱的人机对话兴趣感知模型中，得到用户对所有候选回复感兴趣的概率，选择概率最高的候选回复作为机器人的回复内容；本发明既考虑了人机交互过程中外部知识，又考虑了用户兴趣偏好，解决了当前人机交互系统存在机器人背景知识缺乏、用户在对话过程中兴趣度不高的问题，使人机对话更自然，具有广阔的应用前景。
-
公开(公告)号：CN114301935A
公开(公告)日：2022-04-08
申请号：CN202111510623.X
申请日：2021-12-10
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据技术领域，一种基于声誉的物联网边云协同联邦学习节点选择方法；该方法包括：构建基于声誉的物联网边云协同FL体系架构；根据构建的基于声誉的物联网边云协同FL体系架构，根据构建的基于声誉的物联网边云协同FL体系架构采用基于多权重主观逻辑模型的声誉评分方法对节点进行选取，得到最优的节点；本发明利用多权重主观逻辑模型来计算每个参与节点的声誉值，提高了联邦学习的准确率和训练速度，且具有良好的适用性和健壮性。
-
公开(公告)号：CN107784124B
公开(公告)日：2021-08-24
申请号：CN201711182961.9
申请日：2017-11-23
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/955 , G06Q50/00
Abstract: 本发明涉及一种基于时空关系的LBSN超网络链接预测方法，属于数据挖掘领域。该方法包括以下步骤：S1：获取数据源；S2：构建超网络模型；S3：定义和量化超网络边权值；S4：基于该模型，首先构建多种类型的加权超边结构，通过不同的结构挖掘用户间不同的语义关系，最后通过梯度下降方法训练模型参数，进而预测网络中的链接关系。本发明通过加权超边结构，能够有效挖掘节点之间的多种关联关系，不仅能够解决网络中的稀疏性问题，同时能够提高模型的抗噪性与稳定性，并且其预测准确性也有着较大的提升。
-
公开(公告)号：CN113098707A
公开(公告)日：2021-07-09
申请号：CN202110279221.7
申请日：2021-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及边缘计算与物联网技术领域，具体涉及边缘网络中一种虚拟网络功能需求预测方法，包括：获取数据，并进行数据预处理，得到预处理后的数据；获取的数据包括不同区域内的电信活动数据集，主要包含短信服务数据、通话数据以及互联网数据，具体是指短信服务数据、通话服务数据以及互联网服务数据；将预处理后的数据输入到训练好的组合预测模型中，得到预测结果，预测结果为预测的网络服务请求数量；根据预测结果分析边缘节点资源足够和边缘资源不足时的VNF需求，确认VNF的数量。本发明将SVR和GRU两种模型结合以提高VNF需求预测准确率，实现边缘网络中VNF的提前放置。
-
Patent Agency Ranking
公开(公告)号：CN112802193A
公开(公告)日：2021-05-14
申请号：CN202110263368.7
申请日：2021-03-11
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MC‑T算法的CT图像三维重建方法，该方法包括：获取待重建的脑出血CT图像和脑出血CT病灶掩膜图；对获取脑出血CT图像和脑出血CT病灶掩膜图进行预处理；采用MC‑T算法对预处理后的图像数据进行重建，得到重建后的三维图像；本发明针对传统的MC算法中存在的计算速度慢以及二义性问题，提出了一种基于MC算法改进的三维重建算法，该算法以二维脑出血CT图像和病灶分割掩膜切片作为输入，在三维数据场中通过体素棱边标记的方法，有效的排除了空体元的检测。
-
公开(公告)号：CN119248324B
公开(公告)日：2025-03-18
申请号：CN202411764469.2
申请日：2024-12-04
Applicant: 四川中电启明星信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网浙江省电力有限公司 , 重庆邮电大学 , 腾讯科技(深圳)有限公司
IPC: G06F8/65 , G06F9/445 , H04L41/082 , H04L67/30
Abstract: 本发明公开了一种移动应用工作台配置方法，本发明涉及更新配置技术领域，解决了未通过设置寻找最佳更新时段的方式来进行关联更新的问题，本发明通过对移动应用工作台不同更新项的相关更新量以及具体的更新速率进行具体分析，对相关待更新项的更新均速区间进行关联确认，后续基于所确认的具体时间区间，对指定待更新项在过往的应用时段进行确认，并基于多个不同应用时段的相关交叉情况，来确定相关的交叉时段，并对交叉时段进行处理后，锁定对应的交叉时段序列，再从交叉时段序列中锁定对应的更新时段，方便对应的待更新项在具体的更新时段内执行对应的更新进程，以此完成具体的更新效果，方便对应待更新项在指定时段内进行关联更新。
-
公开(公告)号：CN119516518A
公开(公告)日：2025-02-25
申请号：CN202411459430.X
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V20/59 , G06V40/16 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/70 , G06V10/771 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N5/01 , G06N20/20 , G06N3/048
Abstract: 本发明涉及一种基于集成学习的驾驶员情感识别方法，属于计算机视觉和人工智能领域。该方法包括图像预处理和集成深度学习架构两个阶段。图像预处理阶段对输入图像进行大小调整、归一化和数据增强，以消除噪声并提高模型泛化能力。集成深度学习架构阶段使用宽残差网络、VGG网络和DenseNet网络提取图像特征，并通过主成分分析PCA对特征进行降维。降维后的特征输入随机森林进行分类预测，以提高识别准确率。本发明通过集成多种深度学习网络的特征，并结合随机森林的优势，有效地提高了驾驶员情感识别的准确率和鲁棒性，为高级驾驶辅助系统等应用场景提供技术支持。
-
公开(公告)号：CN119418070A
公开(公告)日：2025-02-11
申请号：CN202411459427.8
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V10/46 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/75 , G06V10/25 , G06V10/28 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N5/04 , G16H50/20 , G06N3/048
Abstract: 本发明涉及一种基于足底表面数据的内部骨骼关键点预测方法，属于计算机视觉领域。该方法包括：获取病人足部的X光图像，并标定图像中足部骨骼的关键点；基于获取X光图像时的相机视角，获取同一病人足部的深度图，并对X光图像和深度图的边缘轮廓进行配准，使X光图像中标定的关键点与深度图特征相关联；将经过配准操作后的深度图输入改进的YOLOv8‑pose模型中对该模型进行训练，从而使该模型能够根据足部深度图进行足部骨骼关键点的预测。本发明能够以更快速、更低成本以及无损害的方式对足底骨骼关键点进行提取，这些关键点可用于对扁平足、高弓足等骨骼发育类疾病的判断，具有重要的临床诊断价值。
-
公开(公告)号：CN119415968A
公开(公告)日：2025-02-11
申请号：CN202411459433.3
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06F18/22 , G06F18/25 , G06V40/20 , G06V20/52 , G06V20/40 , G06V10/25 , G06V10/62 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , H04W4/029 , H04W4/33 , H04W4/02 , H04W64/00 , G06N3/0464 , G06N3/045 , G06N3/048 , G06F123/02
Abstract: 本发明涉及一种多源信息融合的行人身份信息识别方法，属于计算机视觉技术领域。该方法首先为每位患者佩戴UWB手环，将患者的真实身份信息与其佩戴的UWB手环标号进行绑定，然后同时进行视频拍摄和UWB定位坐标获取；再通过视频图像采用目标检测算法Yolov5模型获取每位患者的行人检测框中点坐标，通过目标跟踪算法DeepSort追踪行人检测框；接着，将UWB/IMU定位坐标与行人检测框中点坐标进行时间戳对齐和坐标系对齐；然后，然后通过匈牙利算法将两模态的坐标点进行初始匹配，再识别出误匹配，最终将UWB手环上患者的真实信息准确地给与图像中检测到的行人，为下游的行为分析任务提供可靠的行人身份信息。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.03 seconds)
