-
公开(公告)号：CN118823343A
公开(公告)日：2024-10-22
申请号：CN202410869826.5
申请日：2024-07-01
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/092 , G06N3/09 , G06N3/098
Abstract: 本发明涉及一种基于边缘引导和动态剪枝的车辆图像分割方法，属于图像处理领域。利用基于状态空间模型的混合感知编解码网络实现图像浅层和深层语义特征的提取和恢复。混合状态空间模块构建的编码器由状态空间模型分支和混合卷积分支组成，在混合卷积分支中，通过扩张卷积来扩展卷积核的感受野。多尺度边缘引导分支输入收缩路径的编码特征、扩展路径中高层的解码预测特征和高斯拉普拉斯操作的高频特征。通过动态联合剪枝算法联合学习模型权重，构建递归网络对修剪准确性奖励函数的变化进行动态建模，得到模型层压缩率和修剪准确性权衡最优分割模型。本发明不仅能够准确地分割复杂环境下的车辆图像，还能够在资源有限的设备上进行高效部署和运行。
-
公开(公告)号：CN117478390A
公开(公告)日：2024-01-30
申请号：CN202311461821.0
申请日：2023-11-06
Applicant: 重庆邮电大学
IPC: H04L9/40 , G06F18/2135 , G06F18/2321
Abstract: 本发明涉及一种基于改进密度峰值聚类算法的网络入侵检测方法，属于机器学习与计算机网络安全技术领域。该方法包括对网络入侵数据集中的字符型特征编码为数字特征并进行标准化处理，利用主成分分析法对网络入侵数据集进行特征提取，去除冗余数据并降维；对网络入侵数据计算近邻，利用自然邻搜索算法计算达到稳定状态时的k近邻；计算每一个点的密度从而根据密度获取其局部代表点；计算局部代表点之间的距离，并对其应用密度峰值聚类算法获得簇类结果；对每一个聚类簇计算基于簇的离群因子，并将检测出的离群簇作为异常攻击数据。本发明解决了现有方法常忽略簇状异常点的问题，并克服当前基于聚类的入侵检测方法不能较好的识别流形簇等问题。
-
公开(公告)号：CN116860971A
公开(公告)日：2023-10-10
申请号：CN202310823599.8
申请日：2023-07-06
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/216 , G06F18/23213 , G06N3/006
Abstract: 本发明涉及一种基于改进鲸鱼优化算法的文本聚类方法，属于大数据挖掘和机器学习领域。该方法包括以下步骤：S1：利用Spark从科研文本数据库中获取科研文本数据，并进行数据清洗；S2：对数据清洗后的文本数据进行进行分词、去停用词、特征选择、向量化和降维操作，将非结构化的文本数据转化成结构化的数值型的数据；S3：利用K‑means算法计算出初始的聚类中心，使用改进鲸鱼优化算法对聚类中心进行优化并输出聚类结果。本发明利用改进鲸鱼优化算法的全局寻优能力，解决了当前文本聚类算法容易陷入局部最优的问题，提高了对科研文本数据聚类的准确性，减少了数据维度，增强了聚类的效果。
-
Patent Agency Ranking
公开(公告)号：CN116578839B
公开(公告)日：2025-04-18
申请号：CN202310540664.6
申请日：2023-05-11
Applicant: 重庆邮电大学
IPC: G06F18/10 , G01D21/02 , G06F18/213 , G06F18/25 , G06F18/23213 , G06F18/20 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种面向特种专用汽车多模态传感器数据预处理方法，属于特种专用汽车检测预警领域。该方法包括：针对多模态的传感器收集到的特种专用汽车产生的一维数据，采用基于上下文推理的数据清理方法进行数据清理；针对特种专用汽车运行过程中，多模态的传感器收集到的正常工况数据量大于异常工况数据量，而正常工况数据对于异常工况的预警检测作用较小时，采用基于K‑Means聚类和diffusion网络的数据均衡方法实现数据均衡；针对特种专用汽车多传感器收集到的多模态数据指标，采用基于注意力机制的图神经网络和多尺度自适应优化模块的数据融合方法，改善预警模型的检测能力，提高数据的利用效率。
-
公开(公告)号：CN116933931A
公开(公告)日：2023-10-24
申请号：CN202310916869.X
申请日：2023-07-25
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种云计算双流特征交互的电动汽车充电桩占用预测方法，属于电动汽车充电桩占用预测领域。该方法使用包括：S1：对多元离散序列数据进行归一化处理；S2：对S1中归一化的数据分别利用基于LSTM提取短期充电状态依赖性特征，基于VAE提取长期充电状态依赖性特征；S3：将提取得到的两类特征进行拼接后输入电动汽车充电桩占用预测网络，得到充电占用状态的多阶段预测；电动汽车充电桩占用预测网络采用端到端的训练方式，不断更新权值参数，直至网络收敛；S4：将上述得到的模型在云平台部署，同时负责数据的存储和处理，完成电动车充电占用状态预测及资源调度。本发明能有效的完成电动汽车充电站占用预测。
-
公开(公告)号：CN116958943A
公开(公告)日：2023-10-27
申请号：CN202310765399.1
申请日：2023-06-27
Applicant: 重庆邮电大学
IPC: G06V20/59 , G06V10/774 , G06V10/764 , G06T3/40 , G06V10/84 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种面向专用车驾驶员行为监测的微小目标检测方法，属于计算机视觉领域。该方法具体为，首先使用Diffusion网络通过前后推导的马尔科夫链方式，利用迭代扩散操作生成与实数据高度相似的模拟数据，使用特定实例复制粘贴技术将初步处理的图像中的微小目标粘贴到任意位置生成含有丰富微小目标信息的合成图像；双路径并行蒸馏学习网络进行蒸馏得到一系列针对不同应用场景下的Student网络组成适用于不同专用车的网络空间；最后利用多源多目标优化知识匹配网络实现对不同场景下专用车与Student网络的匹配。该方法能够匹配不同监测性能和检测速度的专用车，满足不同场景下的监测需求。
-
公开(公告)号：CN116863443A
公开(公告)日：2023-10-10
申请号：CN202310838014.X
申请日：2023-07-10
Applicant: 重庆邮电大学
IPC: G06V20/58 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及面向车载智能系统的轻量化微小交通标志识别方法，属于智能交通领域。将获取的环境图像通过压缩处理成规定尺寸的图像文件。将该图像输入信息流逻辑传播网络，信息流逻辑传播网络先简单提取图像的多层低级语义信息。通过边缘信息优化模块获取低级语义信息的边界信息，以边界信息监督图卷积流提取多特征层层内和层间的高级图语义信息。先以获得的高级特征层进行分类预测，稀疏表达出目标区域。然后将图卷积流提取的多层高级信息逐元素拆分为大小相同的特征层，用卷积流网络在稀疏区域内逐渐从左至右，从上到下融合扩展特征层。最有以融合特征层进行目标检测。
-
公开(公告)号：CN116578839A
公开(公告)日：2023-08-11
申请号：CN202310540664.6
申请日：2023-05-11
Applicant: 重庆邮电大学
IPC: G06F18/10 , G01D21/02 , G06F18/213 , G06F18/25 , G06F18/23213 , G06F18/20 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种面向特种专用汽车多模态传感器数据预处理方法，属于特种专用汽车检测预警领域。该方法包括：针对多模态的传感器收集到的特种专用汽车产生的一维数据，采用基于上下文推理的数据清理方法进行数据清理；针对特种专用汽车运行过程中，多模态的传感器收集到的正常工况数据量大于异常工况数据量，而正常工况数据对于异常工况的预警检测作用较小时，采用基于K‑Means聚类和diffusion网络的数据均衡方法实现数据均衡；针对特种专用汽车多传感器收集到的多模态数据指标，采用基于注意力机制的图神经网络和多尺度自适应优化模块的数据融合方法，改善预警模型的检测能力，提高数据的利用效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
