-
公开(公告)号：CN111144452B
公开(公告)日：2022-10-25
申请号：CN201911266151.0
申请日：2019-12-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于信令数据和聚类算法的移动用户出行链提取方法，属于移动通信和计算机应用领域。具体包括：1)针对常见的轨迹震荡序列类型，完成基于时间窗的震荡轨迹检测，并制定数据修正策略以修正原序列中的震荡轨迹数据；2)计算局部时空密度、高密度空间距离、高密度时间间隔；3)计算各轨迹点的聚类中心权值大小，利用聚类中心权值制定筛选策略自动地选取聚类中心候选点；4)根据基站覆盖场景信息制定合并策略，对冗余的聚类中心候选点进行合并，将合并后的聚类中心点记为停驻点；5)利用各停驻点对原出行轨迹进行划分，得到完整的出行链信息。本发明解决了传统密度聚类算法仅能识别单一密度噪声的问题，降低了计算复杂度。
-
公开(公告)号：CN108646910A
公开(公告)日：2018-10-12
申请号：CN201810231010.4
申请日：2018-03-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于深度图像的三维动态手指文本输入系统及方法，所述方法包括以下步骤：首先得到手部轮廓信息、手部关节点的3D坐标信息；通过与特定静态手势相匹配，提取下降手指指尖振幅特征，判定敲击动作；通过敲击手指序列得到所有可能单词；利用敲击手指末端3D坐标、敲击手指信息以及基于单词频率的语言模型，通过使用贝叶斯模型，得出候选单词，求出含有最大概率单词词组相对于该单词的置信度，进而得到该单词的最大概率词组，最终输出候选单词以及可能词组。通过对特定手势的识别，对输出的候选单词以及词组进行选择操作，或者对于已选定单词进行删除操作。本发明提高了空中文本输入的速度和准确率。
-
公开(公告)号：CN111343585B
公开(公告)日：2021-11-02
申请号：CN202010129640.8
申请日：2020-02-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法，属于移动通信及计算机应用技术域。该方法首先建立基站与区域路网信息数据库；然后根据基站位置借助冯洛诺伊图实现对基站定位轨迹的插值填充，完成匹配之前的数据预处理工作；最后基于HMM建立地图匹配模型，并使用维特比算法求解，得到出行行为对应的路网轨迹信息。本发明充分利用了移动数据中的时空位置信息与道路拓扑结构信息，构建基于隐马尔可夫模型的地图匹配算法，将与实际位置有偏差的定位点投影到位置对应路段上，从而矫正定位误差，提高定位精度。为基于移动位置数据展开的出行方式和出行目的识别等相关研究奠定了重要基础。
-
公开(公告)号：CN111339165A
公开(公告)日：2020-06-26
申请号：CN202010130947.X
申请日：2020-02-28
Applicant: 重庆邮电大学
IPC: G06F16/2458 , G06K9/62
Abstract: 本发明涉及一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法，属于数据挖掘领域。首先利用Fisher准则保留分类能力强的特征，剔除不相关特征和弱相关特征。其次融合最大信息系数MIC和对称不确定性SU两种度量方法，设计相关性度量标准MSCC，利用MSCC标准进一步剔除不相关特征。最后结合MSCC度量标准，利用近似Markov-Blanket判断条件剔除Fisher候选特征集中的冗余特征，最终获得维度规模较小的最优特征子集。本发明能够有效的对移动用户的出境特征进行选择，提高模型的分类准确率。
-
公开(公告)号：CN111274338A
公开(公告)日：2020-06-12
申请号：CN202010017938.X
申请日：2020-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于移动大数据的预出境用户识别方法，属于数据挖掘技术领域。该方法包括：采集出境服务机构的通信基站位置数据、出境服务通话端口数据和出境服务APP的域名关键词数据，利用所采集数据建立维表数据库；基于维表数据库与移动大数据，分别提取用户的通话行为特征、上网行为特征、出行行为特征和静态特征；将用户的行为特征和静态特征进行聚合关联，构建特征宽表；设计特征选择算法，从特征宽表中筛选出与类别强相关的特征子集；借助逻辑回归分类器构建预出境用户识别模型，完成模型的训练、评估与调参；将待测试数据输入识别模型，识别预出境用户。本发明能够有效识别预出境用户，主要用于数据挖掘场合。
-
Patent Agency Ranking
公开(公告)号：CN109859469A
公开(公告)日：2019-06-07
申请号：CN201910118288.5
申请日：2019-02-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于集成LSTM神经网络的车流量预测方法，利用车流检测得到的历史数据，建立集成LSTM神经网络车流量预测模型进行车流量预测，能够降低预测模型的泛化误差，提高准确率。该方法包括以下步骤：数据预处理；根据预处理后的车流量时间序列值构建车流量矩阵数据集，利用前n个时段预测第(n+1)个时段的车流量，每个时段长Δt(Δt为时间长度，单位为min)；采用不同的初始权值构造多个差异化的LSTM神经网络模型；利用bagging集成学习方法构造训练集和验证集；训练多个LSTM神经网络，得到优化模型；利用验证集计算单个LSTM模型的加权系数；将预测出的车流量值进行逆变换和反归一化得到预测车流量大小，集成加权得到最终模型预测的车流量值。
-
公开(公告)号：CN111274338B
公开(公告)日：2022-11-08
申请号：CN202010017938.X
申请日：2020-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于移动大数据的预出境用户识别方法，属于数据挖掘技术领域。该方法包括：采集出境服务机构的通信基站位置数据、出境服务通话端口数据和出境服务APP的域名关键词数据，利用所采集数据建立维表数据库；基于维表数据库与移动大数据，分别提取用户的通话行为特征、上网行为特征、出行行为特征和静态特征；将用户的行为特征和静态特征进行聚合关联，构建特征宽表；设计特征选择算法，从特征宽表中筛选出与类别强相关的特征子集；借助逻辑回归分类器构建预出境用户识别模型，完成模型的训练、评估与调参；将待测试数据输入识别模型，识别预出境用户。本发明能够有效识别预出境用户，主要用于数据挖掘场合。
-
公开(公告)号：CN111339165B
公开(公告)日：2022-06-03
申请号：CN202010130947.X
申请日：2020-02-28
Applicant: 重庆邮电大学
IPC: G06F16/2458 , G06K9/62
Abstract: 本发明涉及一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法，属于数据挖掘领域。首先利用Fisher准则保留分类能力强的特征，剔除不相关特征和弱相关特征。其次融合最大信息系数MIC和对称不确定性SU两种度量方法，设计相关性度量标准MSCC，利用MSCC标准进一步剔除不相关特征。最后结合MSCC度量标准，利用近似Markov‑Blanket判断条件剔除Fisher候选特征集中的冗余特征，最终获得维度规模较小的最优特征子集。本发明能够有效的对移动用户的出境特征进行选择，提高模型的分类准确率。
-
公开(公告)号：CN111343585A
公开(公告)日：2020-06-26
申请号：CN202010129640.8
申请日：2020-02-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法，属于移动通信及计算机应用技术域。该方法首先建立基站与区域路网信息数据库；然后根据基站位置借助冯洛诺伊图实现对基站定位轨迹的插值填充，完成匹配之前的数据预处理工作；最后基于HMM建立地图匹配模型，并使用维特比算法求解，得到出行行为对应的路网轨迹信息。本发明充分利用了移动数据中的时空位置信息与道路拓扑结构信息，构建基于隐马尔可夫模型的地图匹配算法，将与实际位置有偏差的定位点投影到位置对应路段上，从而矫正定位误差，提高定位精度。为基于移动位置数据展开的出行方式和出行目的识别等相关研究奠定了重要基础。
-
公开(公告)号：CN111144452A
公开(公告)日：2020-05-12
申请号：CN201911266151.0
申请日：2019-12-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于信令数据和聚类算法的移动用户出行链提取方法，属于移动通信和计算机应用领域。具体包括：1)针对常见的轨迹震荡序列类型，完成基于时间窗的震荡轨迹检测，并制定数据修正策略以修正原序列中的震荡轨迹数据；2)计算局部时空密度、高密度空间距离、高密度时间间隔；3)计算各轨迹点的聚类中心权值大小，利用聚类中心权值制定筛选策略自动地选取聚类中心候选点；4)根据基站覆盖场景信息制定合并策略，对冗余的聚类中心候选点进行合并，将合并后的聚类中心点记为停驻点；5)利用各停驻点对原出行轨迹进行划分，得到完整的出行链信息。本发明解决了传统密度聚类算法仅能识别单一密度噪声的问题，降低了计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
