公开(公告)号：CN118968516B

公开(公告)日：2025-03-18

申请号：CN202410942443.6

申请日：2024-07-15

Applicant: 电子科技大学

Inventor： 朱家辉 ,  牛新征 ,  文帅 ,  张煦 ,  易志军 ,  张杨 ,  周亦恺 ,  邹翔宇

IPC: G06V20/70 ,  G06V20/54 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明涉及计算机技术领域，提供了一种车辆密集场景中的图像‑文本跨模态车辆检索模型训练方法。该方法解决现有技术中车辆检索模型无法准确理解图像主要内容的问题，提高检索准确率。方案包括获取训练样本集，对图像样本和文本样本进行特征提取，得到视觉‑文本联合嵌入；计算图像样本的语义特征；基于余弦相似度计算图像样本和文本样本间的特征相似度，得到全局和局部特征相似度，通过可学习网络整合全局和局部特征相似度，得到最终的模态间相似度；计算交通场景的图像样本间的语义相似度；根据损失函数更新的权重，所述损失函数包含三元组损失和图像语义损失。本发明用于车辆密集场景中的图像‑文本跨模态车辆检索。

公开(公告)号：CN118968516A

公开(公告)日：2024-11-15

申请号：CN202410942443.6

申请日：2024-07-15

Applicant: 电子科技大学

Inventor： 朱家辉 ,  牛新征 ,  文帅 ,  张煦 ,  易志军 ,  张杨 ,  周亦恺 ,  邹翔宇

IPC: G06V20/70 ,  G06V20/54 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明涉及计算机技术领域，提供了一种车辆密集场景中的图像‑文本跨模态车辆检索模型训练方法。该方法解决现有技术中车辆检索模型无法准确理解图像主要内容的问题，提高检索准确率。方案包括获取训练样本集，对图像样本和文本样本进行特征提取，得到视觉‑文本联合嵌入；计算图像样本的语义特征；基于余弦相似度计算图像样本和文本样本间的特征相似度，得到全局和局部特征相似度，通过可学习网络整合全局和局部特征相似度，得到最终的模态间相似度；计算交通场景的图像样本间的语义相似度；根据损失函数更新的权重，所述损失函数包含三元组损失和图像语义损失。本发明用于车辆密集场景中的图像‑文本跨模态车辆检索。

公开(公告)号：CN117978698A

公开(公告)日：2024-05-03

申请号：CN202410132703.3

申请日：2024-01-30

Applicant: 电子科技大学

Inventor： 牛新征 ,  马勇 ,  文帅 ,  张杨 ,  李松明 ,  邹翔宇 ,  易志军 ,  朱家辉

IPC: H04L43/10 ,  H04L43/08 ,  H04L41/06 ,  H04L67/10 ,  G06N3/006

Abstract: 本发明涉及集群故障检测领域，特别是涉及一种网络受限状态下的集群故障检测方法。目的在于解决现有Raft算法中同步心跳存在延迟、资源浪费、短暂故障的检测问题。主要方案包括获取集群中各节点的当前资源、网络使用情况指标数据，并对数据进行均值化处理，得到各节点状态数据；将得到的各个节点中的最近节点状态数据带入故障检测性能评价函数表达式和粒子群优化算法递推表达式中，得到动态故障检测间隔表达式，将每一个节点的动态故障检测间隔表达式都包装为一个单独的任务；采用粒子群优化算法，得到当前网络状态下主节点与各节点之间最优的故障检测间隔时间；发送故障检测消息，并根据节点应答情况，对节点的可用性进行标记。

公开(公告)号：CN119004067A

公开(公告)日：2024-11-22

申请号：CN202410942459.7

申请日：2024-07-15

Applicant: 电子科技大学

Inventor： 朱家辉 ,  牛新征 ,  文帅 ,  罗涛 ,  张杨 ,  易志军 ,  李松明 ,  闫超

IPC: G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明涉及图神经网络事件分析预测领域，提供了一种基于图神经网络的用户浏览事件分析预测方法。本发明旨在解决现有用户浏览事件分析预测方法中存在的数据预处理不足、频繁模式挖掘困难、以及未考虑用户社交关系对浏览数据影响的问题。该方法通过清洗和预处理用户浏览历史事件数据，包括商家信息、用户信息和用户浏览信息，以及去除无效数据和重复值，合并数据源，使用时间滑动窗口分割时间段序列，提高了数据质量。随后，通过FP‑growth算法挖掘频繁用户浏览事件序列，提取出有意义的浏览模式。最后，基于图神经网络，结合事件用户信息和频繁用户浏览事件序列信息，完成用户浏览事件分析预测，通过学习用户社交网络结构，提高了预测的准确性。

公开(公告)号：CN117978874A

公开(公告)日：2024-05-03

申请号：CN202410132682.5

申请日：2024-01-30

Applicant: 电子科技大学

Inventor： 牛新征 ,  马勇 ,  文帅 ,  阎一赫 ,  周亦恺 ,  刘畅 ,  易志军 ,  朱家辉

IPC: H04L67/60 ,  H04L67/1095 ,  H04L41/147 ,  H04L41/16 ,  H04L43/0864 ,  H04L43/0894 ,  G06F9/48 ,  G06F9/50

Abstract: 本发明涉及多集群服务调度领域，特别是涉及一种受限状态下的多集群去中心化调度方法。解决现有技术中多集群服务调度方法存在的缺点，如Master‑Worker架构的单点故障问题、关键数据冗余备份占用大量网络带宽、以及在受限环境下如何有效利用有限资源的问题。主要方案包括集群状态数据在所有集群之间的实时协同；根据预测未来服务资源需求情况，结合混合调度算法得到服务调度方案。通过基于DiffSync的数据同步算法在各个集群之间实时同步状态数据，从而实现实时协同，具体的基于DiffSync的数据同步算法分为两个部分：基于DiffSync的Map数据结构；基于带宽感知的状态同步。