-
公开(公告)号：CN107944913A
公开(公告)日：2018-04-20
申请号：CN201711164670.7
申请日：2017-11-21
Applicant: 重庆邮电大学
CPC classification number: G06Q30/0202 , G06K9/6218 , G06K9/6228 , G06Q30/0201
Abstract: 本发明请求保护一种基于大数据用户行为分析的高潜在用户购买意向预测方法，包括：101数据预处理，对电商用户历史行为数据集进行预处理操作；102样本定义与打标，根据用户历史消费行为，以有交互的用户产品对为关键字构建样本；103训练集测试集划分，采用时间窗口划分法，将历史数据划分为训练集与测试集；104特征构建，对用户的历史行为数据进行特征工程构建；105算法设计与实现，首先对特征群特征选择和对数据集进行不平衡数据的处理，随后本发明提出一种两层模型迭代学习算法预测最终结果。本发明基于时间跨度45天的电商用户历史行为数据，建立预测模型，从而预测未来5天用户是否下单候选商品集合P中的商品。
-
公开(公告)号：CN107909433A
公开(公告)日：2018-04-13
申请号：CN201711121288.8
申请日：2017-11-14
Applicant: 重庆邮电大学
CPC classification number: G06Q30/0631 , G06K9/629 , G06Q30/0202
Abstract: 本发明请求保护一种基于大数据移动电子商务的商品推荐方法，包括：101对用户的历史行为数据进行预处理操作；102根据行为时间对用户历史数据进行数据划分操作；103对用户历史行为数据打标；104对用户历史数据进行特征工程构建操作；105建立多个机器学习模型，并进行模型融合操作；106通过已建立的模型，根据用户行为数据对用户在未来一天是否购买某商品进行预测。本发明主要是通过对用户历史数据进行预处理和分析提取特征，建立多个机器学习模型，从而预测用户在未来一天中购买某商品的概率，提高商家给用户推荐商品的精度。
-
公开(公告)号：CN107895283A
公开(公告)日：2018-04-10
申请号：CN201711086963.8
申请日：2017-11-07
Applicant: 重庆邮电大学
IPC: G06Q30/02
CPC classification number: G06Q30/0202
Abstract: 本发明请求保护一种基于时间序列分解的商家客流量大数据预测方法，属于智能信息处理领域。主要包括步骤：101对历史消费数据进行预处理；102对经过预处理的数据构建特征工程并选取特征；103基于时间序列分解构建客流量预测模型；104对已建立模型进行多模型加权融合，预测商家客流量。本发明能够为商家更为精准的预测客流量，有利于商家更精确的配置资源，提前做好准备以及适时采取宣传措施等。
-
公开(公告)号：CN107092644A
公开(公告)日：2017-08-25
申请号：CN201710131434.9
申请日：2017-03-07
Applicant: 重庆邮电大学
CPC classification number: G06F17/3071 , G06F17/277 , G06K9/6215 , G06K9/6269 , G06K9/628
Abstract: 本发明公开了一种基于MPI和Adaboost.MH的中文文本分类方法，用于解决当数据量较大时，Adaboost.MH训练时间较长因而导致总的中文文本分类时间较长的问题。该方法包括：将经过分词处理的中文文本保存到训练数据集，然后将互信息方法与MPI相结合，实现特征词选择，然后所有进程通过MPI中的MPI_Reduce函数进行归约求和进而求得相似度，根据相似度的大小选择特征词。接着每个进程根据其所包含的中文文本中选择的特征词是否存在来给特征词赋予权值。然后根据MPI的通信函数将进程计算结果进行整合得到文本分类模型，利用分类模型对待分类的中文文本分类。本发明极大地缩短了对中文文本进行分类的时间。
-
公开(公告)号：CN104599502B
公开(公告)日：2017-01-25
申请号：CN201510079339.X
申请日：2015-02-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车流量统计方法，涉及智能交通监控领域，包括以下步骤：初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；确定前景图像的面积大于设定值的图像为运动目标，计算运动目标的外接矩形，若所述外接矩形的长宽在设定范围内，则其为车辆；否则查找其他可以合并的所述外接矩形，若合并后的外接矩形的长宽在设定范围内，则为车辆；对车辆进行跟踪，若车辆连续三帧出现，则其为运动稳定车辆。当车辆到达所述第2种虚拟线圈时，统计车流量数目。本发明安装方便、精确度高。
-
Patent Agency Ranking
公开(公告)号：CN104599502A
公开(公告)日：2015-05-06
申请号：CN201510079339.X
申请日：2015-02-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车流量统计方法，涉及智能交通监控领域，包括以下步骤：初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；确定前景图像的面积大于设定值的图像为运动目标，计算运动目标的外接矩形，若所述外接矩形的长宽在设定范围内，则其为车辆；否则查找其他可以合并的所述外接矩形，若合并后的外接矩形的长宽在设定范围内，则为车辆；对车辆进行跟踪，若车辆连续三帧出现，则其为运动稳定车辆。当车辆到达所述第2种虚拟线圈时，统计车流量数目。本发明安装方便、精确度高。
-
公开(公告)号：CN115909790B
公开(公告)日：2025-03-14
申请号：CN202211382439.6
申请日：2022-11-07
Applicant: 重庆邮电大学
IPC: G08G1/0968 , G08G1/14 , H04W4/40 , H04W4/44 , H04W12/06
Abstract: 本发明涉及自动驾驶、车路协同、智能交通系统技术领域，特别涉及一种增强型自主代客泊车停车场外区域的行车系统及其应用方法，所述系统包括客户端、E‑AVP云端、路测单元以及5G‑V2X车端；客户端通过5G与E‑AVP云端相互通信；E‑AVP云端通过5G与客户端、路测单元以及5G‑V2X车端相互通信；路测单元与5G‑V2X车端通过V2X通信相互通信；5G‑V2X车端，通过CAN总线实现车辆间交互本发明实现E‑AVP管理系统与用户终端、车载终端的交互，以解决现存用户停车难、寻车难的问题，以达到实现远程代客泊车的无人监管，提高用户泊车体验的目的。
-
公开(公告)号：CN119584123A
公开(公告)日：2025-03-07
申请号：CN202411608803.5
申请日：2024-11-12
Applicant: 重庆邮电大学
IPC: H04W12/06 , H04W4/40 , H04L9/00 , G06F18/23213
Abstract: 本发明涉及车联网、区块链、共识算法等技术，并公开了一种面向车联网身份认证的PBFT算法改进方法。在该方法中，仅将动态的车辆节点作为共识节点，基于K‑Medoids聚类算法，预先设置k个固定可信的路侧单元作为聚类中心，根据车辆之间的通信距离将车辆划分到最近的分组中，并设置阈值使每组节点数相近，然后根据分组结果对共识流程进行改进，分为组内共识和组间共识，减少PBFT共识算法的通信消耗和通信时延以及网络中传播的消息的数量，降低网络负载和通信开销。
-
公开(公告)号：CN119577083A
公开(公告)日：2025-03-07
申请号：CN202411608814.3
申请日：2024-11-12
Applicant: 重庆邮电大学
IPC: G06F16/3329 , G06F16/332 , G06F16/335 , G06F40/35 , G06N3/0455 , G06N3/0442 , G06N3/0985
Abstract: 本发明提出了一种基于多意图感知和双重门控的会话推荐方法。所述方法包括：首先，捕捉会话的位置信息来区分顺序，频率信息来表示会话的重要性。随后，将会话嵌入、位置嵌入、频率嵌入输进双门控机制层，通过双层门控机制将用户嵌入与用户行为嵌入相结合，突出了用户行为的重要性。然后使用双向自注意层自注意生成与每个项目相关的会话信息的多个上下文化表示，通过高速网路来强调用户意图嵌入，防止上下文过度相似，在一定程度上提取出会话中用户的不同意图。然而，并不是所有的会话项目都是必要的，有些可能是嘈杂的，我们计算了多个表示的重要性，提取重要的用户意图。最后我们采用最大池化和平均池化聚合项目分布得到最终的输出。本发明可以有效去除用户随机行为产生的噪声数据对模型最终的预测产生误导的问题以及从会话中提取出用户的多种意图。
-
公开(公告)号：CN119479288A
公开(公告)日：2025-02-18
申请号：CN202411608791.6
申请日：2024-11-12
Applicant: 重庆邮电大学
IPC: G08G1/01 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提出了一种基于时空分解和注意力机制的交通流量预测方法。该方法包括以下步骤：首先，通过傅里叶变换及其逆变换，将原始交通流量数据分解为低频的趋势项和高频的事件项，并引入时间嵌入信息以增强时序特征的表达能力。其次，针对趋势项，利用时间卷积、时间注意力模块以及趋势类别学习模块，构建趋势处理分支，重点提取单个节点的趋势信息。针对事件项，采用时间卷积和多时间片空间注意力门控模块，构建事件处理分支，侧重捕捉不同节点之间的事件影响和空间依赖性。最后，通过自适应融合模块，将趋势项和事件项的特征进行加权融合，得到更为准确和鲁棒的交通流量预测结果。该方法在有效处理时空信息的同时，能够提升预测精度，适用于复杂交通场景下的流量预测。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.024 seconds)
