-
公开(公告)号：CN113971373B
公开(公告)日：2024-10-25
申请号：CN202111311305.0
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/08 , G06F111/08
Abstract: 本发明属于智能交通领域，具体涉及一种基于视频修复技术的交通流量插补方法，该方法包括：获取车辆数据，根据获取的车辆数据构建车辆轨迹；将车辆轨迹输入到Skip‑gram模型中，提取卡口特征向量；采用t‑SNE算法对卡口特征向量进行降维处理，得到卡口二维特征分布；将卡口二维特征分布进行扩散，生成卡口矩阵，并填充卡口流量生成路网流量图像；将路网流量图像输入到交通流量插补模型中，得到恢复流量的数据；所述交通流量插补模型包括周期子网络、空间子网络以及融合网络；本发明为智能交通系统的构建提供了高质量的数据基础，也可以应用于同类型的时空数据插补或预测。
-
Patent Agency Ranking
公开(公告)号：CN118094021B
公开(公告)日：2024-10-22
申请号：CN202410336185.7
申请日：2024-03-22
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/9538 , G06F16/35
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于多模态的跨社交平台托攻击识别方法，包括：从跨社交平台数据获取文本模态数据、图片模态数据和视频模态数据；对于视频模态数据进行主题词检测；将文本模态数据和图片模态数据转化为张量形式，并进行情感分类；情感分类后，计算每一类别的情感值；将情感值赋值给主题词，并对赋值后的主题词分类；对于每个主题类，计算所有主题词的类平均情感值；根据主题词的情感值与其所属主题类的类平均情感值进行托攻击嫌疑识别。本发明可以能够有效判断视频是否有托攻击嫌疑，通过利用跨平台多模态数据，不仅依赖于文本分析，还结合了图片和视频内容深度分析，提高了托攻击识别的准确性和可靠性。
-
公开(公告)号：CN114186582A
公开(公告)日：2022-03-15
申请号：CN202111347252.8
申请日：2021-11-15
Applicant: 重庆邮电大学
Abstract: 本发明属于智能交通领域，涉及一种基于自然语义处理的同行车辆发现方法，包括获取车辆行驶轨迹，并通过POI数据富化原始轨迹；从时间、空间、语义三个维度对轨迹数据进行特征提取，并根据其重要程度对特征进行加权融合，获取轨迹向量化表示；将提取的三维特征量化进行融合后，通过划分轨迹‑子轨迹的轨迹对数据集合，形成轨迹语料库；利用GRU模型建立同行车辆发现模型，进行训练时将轨迹语料库中子轨迹作为输入，源轨迹作为目标输出；得到模型中的隐层向量后，由此计算得到每一条轨迹的实际表达；计算所有轨迹的相似度，相似度大于指定阈值的车辆群组即为同行车辆群组；本发明可应用于物流规划、轨迹聚类及轨迹预测，帮助车辆进行路径规划。
-
公开(公告)号：CN114186582B
公开(公告)日：2025-04-25
申请号：CN202111347252.8
申请日：2021-11-15
Applicant: 重庆邮电大学
IPC: G06F18/22 , G06F18/2415 , G06F18/25 , G06F40/30 , G06N3/0442 , G06N3/045
Abstract: 本发明属于智能交通领域，涉及一种基于自然语义处理的同行车辆发现方法，包括获取车辆行驶轨迹，并通过POI数据富化原始轨迹；从时间、空间、语义三个维度对轨迹数据进行特征提取，并根据其重要程度对特征进行加权融合，获取轨迹向量化表示；将提取的三维特征量化进行融合后，通过划分轨迹‑子轨迹的轨迹对数据集合，形成轨迹语料库；利用GRU模型建立同行车辆发现模型，进行训练时将轨迹语料库中子轨迹作为输入，源轨迹作为目标输出；得到模型中的隐层向量后，由此计算得到每一条轨迹的实际表达；计算所有轨迹的相似度，相似度大于指定阈值的车辆群组即为同行车辆群组；本发明可应用于物流规划、轨迹聚类及轨迹预测，帮助车辆进行路径规划。
-
公开(公告)号：CN118094021A
公开(公告)日：2024-05-28
申请号：CN202410336185.7
申请日：2024-03-22
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/9538 , G06F16/35
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于多模态的跨社交平台托攻击识别方法，包括：从跨社交平台数据获取文本模态数据、图片模态数据和视频模态数据；对于视频模态数据进行主题词检测；将文本模态数据和图片模态数据转化为张量形式，并进行情感分类；情感分类后，计算每一类别的情感值；将情感值赋值给主题词，并对赋值后的主题词分类；对于每个主题类，计算所有主题词的类平均情感值；根据主题词的情感值与其所属主题类的类平均情感值进行托攻击嫌疑识别。本发明可以能够有效判断视频是否有托攻击嫌疑，通过利用跨平台多模态数据，不仅依赖于文本分析，还结合了图片和视频内容深度分析，提高了托攻击识别的准确性和可靠性。
-
公开(公告)号：CN113971373A
公开(公告)日：2022-01-25
申请号：CN202111311305.0
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明属于智能交通领域，具体涉及一种基于视频修复技术的交通流量插补方法，该方法包括：获取车辆数据，根据获取的车辆数据构建车辆轨迹；将车辆轨迹输入到Skip‑gram模型中，提取卡口特征向量；采用t‑SNE算法对卡口特征向量进行降维处理，得到卡口二维特征分布；将卡口二维特征分布进行扩散，生成卡口矩阵，并填充卡口流量生成路网流量图像；将路网流量图像输入到交通流量插补模型中，得到恢复流量的数据；所述交通流量插补模型包括周期子网络、空间子网络以及融合网络；本发明为智能交通系统的构建提供了高质量的数据基础，也可以应用于同类型的时空数据插补或预测。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
