-
公开(公告)号：CN119888561A
公开(公告)日：2025-04-25
申请号：CN202411892929.X
申请日：2024-12-20
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于高低频注意力和双动态记忆网络的视频异常检测方法，包括：获取待检测视频；将待检测视频输入预训练的基于高低频注意力和双动态记忆网络的视频异常检测模型，输出异常检测结果。本发明利用预训练的视频异常检测模型处理待检测视频，在特征学习模块FL中，通过分离的注意力机制，以捕获视频中高频特征和低频特征的不同关联性，有效改善正常事件和异常事件之间存在的边界模糊性；在特征增强模块FA中，利用正常记忆单元和异常记忆单元更好地区分正常和异常的模式。同时引入了双存储分离损失，以学习更加稳健和具有区分性的特征，实现了对正常和异常视频数据的高效利用，且本发明所提出的视频异常检测模型具有更好的检测精度。
-
公开(公告)号：CN119625540A
公开(公告)日：2025-03-14
申请号：CN202510146940.X
申请日：2025-02-11
Applicant: 西安邮电大学
IPC: G06V20/10 , G06N3/0455 , G06N3/084 , G06N3/096 , G06N3/0985 , G06V10/62 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于大模型域自适应的遥感影像变化检测方法及系统，该方法包括如下步骤：S1：将一对待检测的双时遥感影像输入经过训练的遥感影像变化检测网络中；S2：输出变化检测图。本申请属于遥感影像变化检测技术领域，本申请解决了目前将SAM2模型用于变化检测任务中时，存在的域差异和边界位移的问题。本申请通过层级低秩自适应策略，克服了SAM2与变化检测任务间的知识差异，通过在SAM2关键层引入低秩矩阵，引导模型学习遥感领域知识，实现SAM2向遥感的域自适应。
-
公开(公告)号：CN118509920A
公开(公告)日：2024-08-16
申请号：CN202410820621.8
申请日：2024-06-24
Applicant: 西安邮电大学
Abstract: 本申请公开了一种面向不确定性MEC环境的任务卸载方法，包括以下步骤：获取任务数据；联合多路径并行传输、任务缓存和隐私保护构建联合不确定性任务卸载优化模型；利用混合双层卸载算法求解联合不确定性任务卸载优化模型，得到最终任务卸载策略、最终任务缓存策略和最终任务数据分配策略；分别根据最终任务卸载策略、最终任务缓存策略和最终任务数据分配策略进行卸载位置分配、边缘缓存、将任务数据分配给不同的传输网络。本申请通过将联合不确定性任务卸载优化模型转换为确定性双层机会约束模型，具有高内聚低耦合的优点；通过结合改进遗传算法、蒙特卡洛模拟和人工神经网络构建混合双层卸载算法，降低了算法实现成本，提高了复用率。
-
公开(公告)号：CN118363780A
公开(公告)日：2024-07-19
申请号：CN202410540241.9
申请日：2024-04-30
Applicant: 西安邮电大学
IPC: G06F11/07 , G06F18/2431 , G06F18/25 , G06F18/243
Abstract: 本发明公开了一种系统KPI根因定位方法及装置、电子设备、存储介质。该方法包括：分别提取每类故障KPI类别数据的多指标融合特征；分别将每类多指标融合特征输入至对应的训练好的随机森林模型，以令随机森林模型对故障原因进行根因定位，得到每个随机森林模型预测的故障概率，其中，不同的随机森林模型用于对不同类别的故障进行根因定位；根据故障概率，确定根因故障单元。根据本发明提供的方法，通过从原始数据中提取特征对故障进行根因定位，而不需根据原始数据提炼故障依赖图来进行根因定位，能够提高方法的可用性、提高根因定位的效果。
-
公开(公告)号：CN114489926B
公开(公告)日：2024-06-07
申请号：CN202111503398.7
申请日：2021-12-09
Applicant: 西安邮电大学
IPC: G06F9/455
Abstract: 本发明提供的一种基于截止期限制的云中微服务负载均衡方法，通过在云环境下已租赁的虚拟机中分别创建虚拟机剩余资源列表t和容器镜像列表；接收用户提交的工作流，并对该工作流进行解耦，得到多个子任务；根据每个任务对应的最长路径以及携带的子截止期，计算每个子任务的紧急度；按照紧急度对至少一个工作流的多个子任务进行快速排序；将子任务按照排序结果分配至虚拟机运行在容器中的微服务实例，以使容器镜像列表更新；当接收到新的子任务，则查询更新后的容器镜像列表，当列表中存在该子任务对应的镜像标号时，则在存在剩余资源的情况下拉取该子任务对应的容器镜像以创建容器，以缩短提取容器映像的时间并且降低成本。
-
Patent Agency Ranking
公开(公告)号：CN118094464A
公开(公告)日：2024-05-28
申请号：CN202410130348.6
申请日：2024-01-30
Applicant: 西安邮电大学
IPC: G06F18/25 , G01R31/392 , G01R31/367 , G06F18/214 , G06N3/0455 , G06N3/08 , G06N20/20
Abstract: 本发明公开了一种融合投影算子和条件变分自编码器的锂电池剩余寿命预测方法，包括：获取待测锂电池数据；其中，待测锂电池数据包括采样时长内，各时刻下待测锂电池的端电压、充放电电流和电池壳体温度；将待测锂电池数据输入预先训练完成的m个基学习器模型，分别得到针对待测锂电池剩余寿命的第一预测结果；基于m个第一预测结果和预先训练完成的多层条件变分自编码器模型，得到针对待测锂电池剩余寿命的m个第二预测结果；利用预先训练得到的2m个投影算子系数，对所有第一预测结果和第二预测结果进行加权求和，得到待测锂电池剩余寿命的最终预测结果。本发明针对锂电池剩余寿命，能得到稳定且性能最优的集成预测结果。
-
公开(公告)号：CN117896690A
公开(公告)日：2024-04-16
申请号：CN202410063059.9
申请日：2024-01-16
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于动态子空间的工业无线传感器网络数据异常检测方法，包括：利用基于熵的自适应滑动窗口获取当前时刻的IWSN数据，并经过子空间技术对其进行数据降维处理得到多个候选子空间；通过进化算法和子空间的评价函数对候选子空间进行迭代优化得到最优子空间集合；在最优子空间中进行异常检测。根据本发明提供的方法，能够缓解“维度诅咒”问题，实现对高维数据的处理；能够尽可能地避免丢失低相关性维度的异常值；在对子空间进行优化时对子空间执行交叉重组和突变，能够提升最优子空间的多样性，预防在降维过程中出现维度信息的丢失，提高检测精度；同时，通过自适应滑动窗口能够实现对高维IWSN数据的获取和实时处理。
-
公开(公告)号：CN111598822B
公开(公告)日：2023-05-16
申请号：CN202010420380.X
申请日：2020-05-18
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于GFRW与ISCM的图像融合方法，包括以下步骤：S1，针对所有待融合源图像进行NSST变换，每幅源图像分别得到一幅低频子带图像和多幅高频子带图像；S2，得出每个像素点的改进型拉普拉斯能量和SML，获得初始融合决策映射图，利用GF得到粗糙融合决策映射图，利用RW获得最终融合决策映射图，完成低频子带图像的融合；S3，基于神经网络领域构建改进型脉冲皮层模型ISCM，将所有高频子带图像导入构建的ISCM模型并完成高频子带图像的融合；S4，将最终融合图像的高频子带图像和低频子带图像进行NSST逆变换，得到最终融合图像F。本发明在低频子带图像融合过程中，综合利用了GF模型和RW模型的优势，完成了低频子带图像的融合过程。
-
公开(公告)号：CN111368254B
公开(公告)日：2023-04-07
申请号：CN202010137047.8
申请日：2020-03-02
Applicant: 西安邮电大学
IPC: G06F18/15 , G06F17/16 , G06F17/18 , G06F18/2321 , G06N20/00
Abstract: 本发明公开了一种多流形正则化非负矩阵分解的多视角数据缺失补全方法，通过多视角间的一致性假设，利用多流形正则化非负矩阵分解算法，获得无标记多视角数据趋于一致的流形及全局聚类；采用视角协同改进高斯混合方法，构建多视角协同判别模型。通过对存在缺失数据的样本，在非缺失视角下簇相关度水平的计算，实现样本所属簇的预标定；利用多视角在低维空间中的一致性，采用多元线性回归分析方法，建立特定视角下的缺失数据预测模型，实现在多属性缺失条件下的数据精确补全。本发明不需要大规模的标注样本进行训练，避免了预先定义类别关系和相关特征，提高了现有多视角挖掘技术对于无标记多源数据的理解发现能力。
-
公开(公告)号：CN113988149A
公开(公告)日：2022-01-28
申请号：CN202110780627.3
申请日：2021-07-09
Applicant: 西安邮电大学
IPC: G06K9/62 , G06N3/00 , G06F16/951 , G06F40/216 , G06F16/35
Abstract: 本发明公开了一种基于粒子群模糊聚类的服务聚类方法，包括：获取多个服务对应的服务数据；对所述服务数据进行预处理，以得到目标服务数据，所述目标服务数据中包括关键词数据和关键词词频数据；确定所述服务数据对应的服务的簇个数；初始化粒子群；确定每个粒子的适应度值；更新每个粒子的速度和位置；判断更新后的每个粒子的位置是否满足全局位置最优值；根据判断结果，对服务进行聚类处理，其中，当粒子的位置满足全局位置最优值时，则基于模糊聚类算法，对所述服务进行聚类；当粒子的位置不满足全局位置最优值时，则重复步骤5至步骤8，直到服务聚类完成。本发明能够考虑服务与服务之间的相互关系，从而提高服务聚类准确度。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.03 seconds)
