公开(公告)号：CN118298908A

公开(公告)日：2024-07-05

申请号：CN202410408403.3

申请日：2024-04-07

Applicant: 重庆邮电大学

Inventor： 李嫄源 ,  方梓滈 ,  朱智勤 ,  周志浩 ,  黄鑫 ,  文斌 ,  丛柏森 ,  郑重 ,  陈诗尧 ,  安翼尧

IPC: G16B15/30 ,  G16B50/30 ,  G16B35/00 ,  G06N3/082 ,  G06N3/0464

Abstract: 本发明涉及一种基于药物双模态特征的药物靶标结合亲和力预测方法，属于药物靶标亲和度预测领域。首先通过构建一个三通道深度学习网络，分别处理生物标靶的序列、药物分子的序列及其化学结构图。标靶序列经预处理后被嵌入为高维特征向量，并利用XLNet‑DSC提取深层次的生物信息。同时，药物分子的SMILES序列被转化为化学结构图，并通过图神经网络技术如图注意力网络和消息传递神经网络提取关键的化学特征。药物分子序列经过特定编码和神经网络处理，以获得进一步的特征表示。通过将这些多维度特征进行融合，并应用多头注意力机制进行细致的特征整合，该方法能够精确地预测药物与标靶之间的结合亲和力。

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

Inventor： 黄鑫 ,  张冉巧 ,  李嫄源 ,  朱智勤 ,  周志浩 ,  陈诗尧 ,  李家兴 ,  龚康 ,  刘秋卓 ,  文斌 ,  刘阳 ,  周嘉靖

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。

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

Inventor： 朱智勤 ,  孙梦薇 ,  李嫄源 ,  黄鑫 ,  周志浩 ,  刘秋卓 ,  文斌 ,  陈诗尧 ,  安翼尧

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

Inventor： 黄鑫 ,  杨帆 ,  李嫄源 ,  朱智勤 ,  周志浩 ,  安翼尧 ,  陈诗尧 ,  李家兴 ,  龚康 ,  刘秋卓 ,  文斌 ,  刘阳 ,  周嘉靖

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：CN118833182A

公开(公告)日：2024-10-25

申请号：CN202410827448.4

申请日：2024-06-25

Applicant: 重庆邮电大学

Inventor： 李嫄源 ,  周正国 ,  朱智勤 ,  胡波 ,  徐洋 ,  周志浩 ,  黄鑫 ,  文斌 ,  陈诗尧

IPC: B60R21/0136 ,  B60R21/26 ,  B60R21/264 ,  G06N3/0499 ,  G06N3/084 ,  G06N5/048

Abstract: 本发明涉及一种基于超轻量级融合神经网络的安全气囊点火控制方法，属于安全气囊点火控制技术领域，包括以下步骤：S1：当汽车发生正面碰撞时，采集碰撞加速度信号，提取特征变量；S2：利用基于自适应模糊推理的汽车碰撞强度推理算法推理汽车碰撞强度；S3：通过BP神经网络引导的超轻量级乘员位移感知模型，对乘员位移进行检测；S4：结合汽车碰撞强度和乘员位移，判断汽车碰撞强度大小，并确定目标点火时刻。本方法具备准确判断汽车碰撞强度的能力，从而提升了安全气囊点火的可靠性，特别是在中、低速碰撞时有效减少了气囊的误点火情况。同时，通过对乘员位移展开程度的智能判断，还增强了整个控制系统的灵活性和智能化水平。