-
公开(公告)号：CN119888812A
公开(公告)日：2025-04-25
申请号：CN202411913262.7
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/80 , G06V10/764 , G06V20/59 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G10L15/26 , G06F18/213 , G06F18/25 , G06F40/30
Abstract: 本发明涉及一种基于语义通信的驾驶员多模态情绪识别方法，属于车联网技术领域，包括以下步骤：S1：采集驾驶员的视觉、音频和文本数据并进行时空特征提取；S2：提取图像和文本的情绪常识关系特征；S3：语义编码和信道编码；S4：信道译码和语义译码；S5：多模态特征融合及情绪分类。本发明实现了在低信噪比环境下多模态情绪特征的高效可靠传输，提高了端边云架构下驾驶员情绪识别系统的实时处理能力。
-
公开(公告)号：CN119888810A
公开(公告)日：2025-04-25
申请号：CN202411912507.4
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种个性化特征增强的情绪识别方法，属于在线教育情感计算领域。该方法在提取学生面部表情图像空间特征的基础上，利用双向长短期记忆网络捕捉不同图像帧在时间维度上的情绪关联，得到有效的学生面部时空特征；并基于心理学“大五人格”理论，利用深度残差网络挖掘学生面部表现中隐藏的个性化性格特征，与面部特征融合，从而实现学生情绪分类，供教学者参考。本发明提高了学生学习情绪识别的准确性，可以有效减轻线上教学中师生情感交流不畅的问题，帮助教师掌握线上教学中的学生课堂状态，提升教学实施质量。
-
公开(公告)号：CN119886285A
公开(公告)日：2025-04-25
申请号：CN202411912511.0
申请日：2024-12-24
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/0464
Abstract: 本发明涉及一种异构车联网个性化联邦学习方法，属于车联网数据分析领域。该方法是基于云‑边‑端三层架构进行联邦学习，用户层负责数据收集、本地模型训练以及个性化模型参数分解与构建；边缘层负责聚合其覆盖范围内车辆客户端本地模型的基础知识部分；云服务器层负责聚合所有边缘层的边缘基础知识。针对个性化模型参数分解与构建，采用二维离散余弦变换区分车辆客户端本地模型的基础知识和个性化知识，在融合其他车辆客户端基础知识的同时，保留自身的细粒度个性化知识。相比于其他个性化联邦学习方法，本发明在保证模型性能的同时降低模型训练时间，满足联网场景中的低复杂度要求。
-
公开(公告)号：CN119884416A
公开(公告)日：2025-04-25
申请号：CN202411948780.2
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F16/783 , G06F18/213 , G06V20/40 , G06V10/74 , G06F40/30 , G06F18/22
Abstract: 本发明涉及一种时空特征重要性感知的文本视频检索方法，属于文本视频检索技术领域。该方法具体包括：对视频中的每一帧和文本描述分别作特征提取，通过重要性感知机制来选取视频中的关键帧，并且利用基于语义通信的信源信道联合编码方法，保持查询文本在传输过程中的语义信息。将每一帧的图像块特征聚合到对象原型中，将对象与文本描述中的短语进行匹配，感知视频帧中的空间信息。本发明通过对不同的对象组合为不同的事件原型，将其与整个文本描述进行匹配，利用帧与帧之间的关联时间信息提高文本与视频之间的细粒度匹配，通过优化视频内容的时空特征处理和特征重要性评估，能够在大规模视频数据中实现高效检索，减少冗余计算，提升视频检索精度。
-
公开(公告)号：CN119691807A
公开(公告)日：2025-03-25
申请号：CN202411859187.0
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06F16/9535 , G06F16/9536 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25 , G06F18/22 , G06F21/60 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/0442 , G06Q50/00
Abstract: 本发明涉及一种具有隐私保护的兴趣点预测方法及系统，属于机器学习技术领域，包括以下步骤：S1：运用匿名化技术对用户数据进行采集；S2：参与者根据预先设定的服务领域范围对数据进行分类汇聚；S3：参与者对汇聚的数据进行预处理和特征提取；S4：参与者通过多因素融合的个性化兴趣点推荐方法，从社交关系、用户相似性、用户意图和时空上下文四个关键因素进行建模，以此训练出本地模型；S5：参与者通过添加成对掩码的方式对原始梯度进行扰动并上传加密梯度；S6：计算服务提供方对收到的加密信息进行聚合操作，将全局模型更新信息下发给各个参与者，参与者接收并更新本地模型，重复上述过程，直到模型收敛。
-
Patent Agency Ranking
公开(公告)号：CN119675955A
公开(公告)日：2025-03-21
申请号：CN202411859182.8
申请日：2024-12-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于有向无环图高效可靠的基于属性的代理重加密方法，属于信息安全技术领域，包括：可信权威机构初始化系统参数，生成系统主密钥及用户公私钥；边缘节点生成对称密钥并加密数据，同时生成重加密密钥用于数据共享；云端服务器利用重加密密钥将密文转换为满足共享策略的密文；有向无环图记录系统参数、密文哈希值及密钥持有者公钥；数据共享者在匹配访问策略后解密密文，并通过签名与子密钥验证完成数据完整性校验及对称密钥恢复。
-
公开(公告)号：CN119625253A
公开(公告)日：2025-03-14
申请号：CN202411644119.2
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/045
Abstract: 本发明涉及一种融合注意力机制的轻量级目标检测方法，属于图像识别技术领域。该方法首先制作目标图像数据集并进行预处理；其次结合MBConv结构和CA注意力机制构建CSP_CAMBConv结构，并使用该结构重构Yolov5s的主干网络。在颈部网络中采用双向特征金字塔融合模块，增强特征信息传递和共享；此外，在损失函数中引入尺度不一致性项、宽度差异项，以权衡预测框和真实框的差异，使模型在训练过程中更加敏感于目标的尺度差异。最后，通过稀疏化训练对模型进行剪枝压缩网络模型大小，从而获取最优的轻量化模型。本发明适用于计算资源受限的边缘终端，能够在复杂背景下精确定位不同尺度的目标，有效降低目标的错检和漏检问题。
-
公开(公告)号：CN119602835A
公开(公告)日：2025-03-11
申请号：CN202411653404.0
申请日：2024-11-19
Applicant: 重庆邮电大学
IPC: H04B7/04 , H04B7/06 , H04B7/08 , H04B17/309 , H04B17/391 , H04W4/40 , G06N3/04
Abstract: 本发明涉及一种基于图神经网络的智能反射面辅助车辆通感一体化联合波束赋形方法，属于车联网领域。本发明以最大化通信车辆和感知车辆加权和信噪比为目标，考虑智能反射面反射单位模约束和基站发射功率约束，解决智能反射面辅助车联网通感一体化系统中有源波束赋形和无源波束赋形联合设计问题。通过图神经网络架构捕获车辆、基站和智能反射面三者之间的交互，忽略车辆数量对网络的影响，提高网络适用性，具有排列等价性，增强网络鲁棒性。该方法在利用信道系数提高加权和信噪比方面性能更优，同时考虑了车联网场景中的多普勒频移和多输入多输出，对通信和目标感知进行联合波束赋形优化，提升系统性能。
-
公开(公告)号：CN119577678A
公开(公告)日：2025-03-07
申请号：CN202411644110.1
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/2411 , G06N3/006
Abstract: 本发明涉及一种基于自适应权重的多维数据融合方法及系统，包括数据采集与预处理、多维数据的特征提取、多维数据融合与分类判别、反馈学习机制以及结果解释。采用了多策略协同哈里斯鹰算法：混合种群初始化策略、最优解保留策略、余弦递减逃逸能量算子迭代方法、双策略变异最优解和自适应权重因子猎物更新策略；设计反馈学习机制，对模型在实际数据中的表现进行持续改进。多维数据融合模块将数据主要判别特征与辅助判别特征结合；支持向量机分类模型通过核函数捕捉复杂特征之间的非线性关系。该发明能够有效应对多维数据环境中的噪声和异构性，支持多维数据融合的实时判别和结果解释，为复杂数据分析和智能决策提供了更加可靠和准确的支持。
-
公开(公告)号：CN119577410A
公开(公告)日：2025-03-07
申请号：CN202411644120.5
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06F18/213 , G06F18/22 , G06F123/02
Abstract: 本发明涉及一种非完备时间序列数据修复方法及系统，属于光伏出力数据的预处理技术领域。该方法具体包括：S1：针对多维光伏发电数据以及气象相关因素数据，首先对其进行异常值以及缺失值的检测，并将异常数据作为缺失数据进行处理；S2：对处理后的数据进行低秩近似及特征提取；S3：通过在DTW中构建成本矩阵以获取缺失数据的相似日匹配数据；S4：进行缺失数据的填充，完成数据恢复。本方案通过综合考虑数据的历史完整性和多维气象因素，显著提高了光伏出力预测的准确性和可靠性。此外，本方案的灵活性和适应性使其不仅适用于光伏领域，还可以推广到其他需要时间序列数据修复的场合。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.034 seconds)
