-
公开(公告)号：CN119293479A
公开(公告)日：2025-01-10
申请号：CN202411364531.9
申请日：2024-09-29
Applicant: 同济大学
IPC: G06F18/213 , G06F18/214 , G06F18/22 , G06F18/241 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明涉及一种基于内在模式保留视图生成的鲁棒异构图对比学习方法，该方法包括：获取转换特征集合；获取内在模式视图；提取内在模式视图和原始视图的节点嵌入；获取正负样本集合；优化对比学习模型；对优化后的对比模型进行判断，若收敛则利用优化后的对比模型得到的原始视图的节点嵌入输出目标节点的所属类别的预测结果。与现有技术相比，本发明有效提高了异构图面对图结构噪声的鲁棒性，提高了分类的准确性。
-
公开(公告)号：CN116318299A
公开(公告)日：2023-06-23
申请号：CN202310239710.9
申请日：2023-03-14
Applicant: 同济大学
Abstract: 本发明涉及一种基于通信感知联合优化的波束赋形和资源分配方法，应用于分层编码的通信场景，方法包括如下步骤：步骤1，初始化波束赋形矩阵和速率分配向量；步骤2，基于当前的波束赋形矩阵和速率分配向量，求解感知优化子问题，得到新的波束赋形矩阵；步骤3，基于当前的波束赋形矩阵和速率分配向量，求解通信优化子问题，得到新的速率分配向量，判断是否收敛，若否，执行步骤2，若是，执行步骤4；步骤4，基于当前的波束赋形矩阵和当前的速率分配向量，求解通信感知联合优化问题，得到最终的波束赋形矩阵和最终的速率分配向量，实现波束赋形和资源分配。与现有技术相比，本发明具有容量大、速率高、复杂度低等优点。
-
公开(公告)号：CN114337923B
公开(公告)日：2022-12-16
申请号：CN202111619396.4
申请日：2021-12-27
Applicant: 同济大学
IPC: H04L1/00
Abstract: 本发明涉及一种基于连续干扰消除的低复杂度分组解码方法和设备，包括：S1、发射端获取原始编码信息，采用分层编码机制将原始编码信息编码到多组独立码本上，分别结合编码子信息生成中间编码信息发送到接收端；S2、接收端对接收的中间编码信息进行动态划分，根据划分后的编码信息计算满足低复杂度约束的局部解码优化顺序，根据局部解码优化顺序依次选择部分目标信息和干扰信息进行有序解码；S3、接收端根据解码信息，采用有限信道反馈协调局部解码顺序，并基于最大‑最小原理交互更新各码本传输速率，实现码本传输速率和解码顺序的全局优化。与现有技术相比，本发明具有使接收端在既定复杂度约束下快速完成对目标信息的有效解码等优点。
-
公开(公告)号：CN114998122A
公开(公告)日：2022-09-02
申请号：CN202210545190.X
申请日：2022-05-19
Applicant: 同济大学
Abstract: 本申请属于电力传输技术领域，特别是涉及一种低照度图像增强方法。图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。但是拍摄的图像由于光照无法调节而使得图像的细节比较模糊，不能从图像中获得有效信息。本申请提供了一种低照度图像增强方法，所述方法包括对低照度图像进行亮度通道和色度通道分离，采用对比度自适应直方图均衡化对所述亮度通道进行对比度增强得到亮度增强通道，将所述亮度增强通道与所述色度通道进行结合转换得到增强图像。能够提升低照度拍摄条件下的图像的对比度，在增强细节的同时，抑制噪声放大，并进行实时处理。
-
公开(公告)号：CN114912279A
公开(公告)日：2022-08-16
申请号：CN202210539978.X
申请日：2022-05-18
Applicant: 同济大学
IPC: G06F30/20 , G06F119/02
Abstract: 本申请属于输电线路检修技术领域，特别是涉及一种复合绝缘子健康状况综合评价方法。现有方法从不同维度对复合绝缘子的健康状况进行了表征，而如何将具有不同量纲的复合绝缘子量化表征结果用于复合绝缘子健康状况的综合评价是一个困扰运行人员的问题。本申请提供了一种复合绝缘子健康状况综合评价方法，所述方法包括选取复合绝缘子评价指标，根据所述评价指标构建指标评价矩阵，对所述矩阵进行标准化处理获得标准化矩阵，根据所述标准化矩阵计算综合评价值，根据所述综合评价值对所述复合绝缘子的性能进行对比和排序。实现了复合绝缘子健康状况的综合评价。
-
Patent Agency Ranking
公开(公告)号：CN119337128A
公开(公告)日：2025-01-21
申请号：CN202311212320.9
申请日：2023-09-19
Applicant: 同济大学
IPC: G06F18/214 , G06F18/23213 , G06N3/098
Abstract: 本申请涉及智能网联汽车与边缘计算技术领域，具体而言，涉及一种基于位置感知的联邦学习训练方法及装置，一定程度上可以解决现有的联邦学习方法不能很好地适配VEFL应用场景的问题。方法包括：获取所述客户端的历史轨迹及资源情况，所述资源情况包括所述客户端的计算能力与通信能力；在每一轮训练中，根据所述历史轨迹进行轨迹预测，得到每个客户端的轨迹预测结果，并根据所述资源情况所述资源情况和所述轨迹预测结果预估得到每个客户端的响应延迟；基于每个客户端的所述响应延迟及所述轨迹预测结果，为每个集群选择对应的采样客户端集合及测试客户端集合；对所述采样客户端集合及所述测试客户端集合分配相应的集群模型进行本地训练及测试任务，循环上述过程，直至满足训练的结束条件。
-
公开(公告)号：CN118278567A
公开(公告)日：2024-07-02
申请号：CN202410372969.5
申请日：2024-03-29
Applicant: 同济大学
IPC: G06Q10/04 , G08G1/01 , G06Q50/26 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于图神经网络的交通流时空预测方法，该方法包括以下步骤：首先，输入交通流数据到全连接层，全连接层将特征维度转换到指定维度；然后，通过并行的图卷积增强的transformer模块和时间特征提取模块分别提取交通流数据的空间特征和时间特征；最后，在时空混合层里将空间特征与时间特征进行融合，并经过全连接层转换到指定的输出维度得到最终的交通流预测结果。与现有技术相比，本发明具有预测准确、预测复杂度低和高效等优点。
-
公开(公告)号：CN117829964A
公开(公告)日：2024-04-05
申请号：CN202410146313.1
申请日：2024-02-01
Applicant: 同济大学
IPC: G06Q30/0601 , G06N3/045 , G06N3/042 , G06N3/0464 , G06F18/25 , G06Q30/0202 , G06N3/0442
Abstract: 本发明涉及一种基于图神经网络的序列推荐方法、装置及介质，所述方法包括以下步骤：S1、获取当前用户的当前序列和其他用户的历史序列，构造序列扩展图#imgabs0#通过注意力机制聚合全局上下文信息；S2、获取当前用户的当前序列和当前序列对应的用户节点，构造本地图#imgabs1#提取用户个性化兴趣；S3、整合步骤S1和步骤S2的输出，预测待预测物品为当前用户下一交互物品的概率，选择概率最高的待预测物品作为推荐结果。与现有技术相比，本发明增强了图神经网络对用户数据稀疏性的鲁棒性，同时可以进一步提升预测精确度。
-
公开(公告)号：CN117788329A
公开(公告)日：2024-03-29
申请号：CN202311830662.7
申请日：2023-12-28
Applicant: 同济大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是涉及一种基于深度图拉普拉斯正则化的点云去噪方法及装置。该方法将噪声点云划分为多个斑块，每个斑块包括多个补丁；将每个补丁的三维坐标输入特征提取神经网络，得到补丁特征，并根据补丁特征获取每组补丁对之间的距离，得到子图；根据每组补丁对之间的距离获取相似度量，进而获取子图的邻接矩阵和度矩阵，进而获取图拉普拉斯矩阵；根据图拉普拉斯矩阵和所有补丁的三维坐标，优化每个斑块的去噪点云块；利用超采样聚合方法处理所有斑块的去噪点云块，得到最终的去噪点云。与现有技术相比，本发明具有兼顾基于优化方法的鲁棒性和数据驱动方法的强大学习能力，且不易在小数据集下出现过拟合现象等优点。
-
公开(公告)号：CN118364266A
公开(公告)日：2024-07-19
申请号：CN202410537560.4
申请日：2024-04-30
Applicant: 同济大学
IPC: G06F18/213 , G06F16/901 , G06N3/042 , G06N3/084 , G06F18/22 , G06N3/0895 , G06N3/088
Abstract: 本发明涉及一种基于图结构学习的社区关系网络挖掘方法、设备和介质，包括以下步骤：S1、采集社区中各节点的相关数据，并转化为结构化的嵌入数据；S2、基于所述嵌入数据构建多个关系子图，整合所有的关系子图，将社区关系网络建模为异构图；S3、对所述异构图并行进行多次数据增强，得到相应的增强图，通过共享权重的图神经网络分别提取各增强图的高级特征；S4、基于各增强图的高级特征计算对比损失，通过梯度下降法迭代优化所述异构图，获得最终的社区关系网络挖掘结果。与现有技术相比，本发明可以进一步提高社区关系网络挖掘的准确性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
