-
公开(公告)号：CN112837276B
公开(公告)日：2023-09-29
申请号：CN202110075763.2
申请日：2021-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于级联深度神经网络模型的脑胶质瘤分割方法，属于医学图像处理领域。该模型包括WT‑Net、TC‑Net和ET‑Net编码解码子模块，并且WT‑Net编码解码子模块与TC‑Net编码解码子模块级联，TC‑Net编码解码子模块与ET‑Net编码解码子模块级联；编码解码子模块皆包括编码部分、解码部分和跳层连接。本发明将复杂的多分类问题分解成三个二分类问题，级联模型解决了样本利用程度不高、训练样本不均衡以及特征提取过程中全局信息损失问题，实现了MRI图像脑胶质瘤自动分割，对医生诊断病情具有辅助作用。
-
公开(公告)号：CN112837276A
公开(公告)日：2021-05-25
申请号：CN202110075763.2
申请日：2021-01-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于级联深度神经网络模型的脑胶质瘤分割方法，属于医学图像处理领域。该模型包括WT‑Net、TC‑Net和ET‑Net编码解码子模块，并且WT‑Net编码解码子模块与TC‑Net编码解码子模块级联，TC‑Net编码解码子模块与ET‑Net编码解码子模块级联；编码解码子模块皆包括编码部分、解码部分和跳层连接。本发明将复杂的多分类问题分解成三个二分类问题，级联模型解决了样本利用程度不高、训练样本不均衡以及特征提取过程中全局信息损失问题，实现了MRI图像脑胶质瘤自动分割，对医生诊断病情具有辅助作用。
-
公开(公告)号：CN107294993B
公开(公告)日：2021-02-09
申请号：CN201710543858.6
申请日：2017-07-05
Applicant: 重庆邮电大学
IPC: H04L29/06
Abstract: 本发明请求保护一种基于集成学习的WEB异常流量监测方法，包括数据预处理，构建特征工程，数据集重构，模型的建立与融合和模型测试五个过程。数据预处理是对URL数据进行有效信息抽取。特征工程的构建是采用信息熵、互信息等统计学方法进行URL特征的提取与构建。特征工程构建完成后，针对不同的访问性质，对数据集进行调整，输入XGBoost、LightGBM等四种机器学习算法中进行有监督学习。学习器构造完成后，采用Bagging框架集成学习器。在原始数据集上重新选取数据集进行分类预测，以多数投票的方式敲定标签，检验模型准确率。在使用模型过程中，将URL输入模型，模型中的五个子模型会分别给出各自的标签概率，概率最高的标签作为最终标签给出。
-
公开(公告)号：CN109255651A
公开(公告)日：2019-01-22
申请号：CN201810961106.6
申请日：2018-08-22
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于大数据的搜索广告转化智能预测方法，包括以下步骤：数据预处理；根据行为时间对数据进行划分操作；根据搜索广告、用户、商铺历史数据进行特征工程构建操作；根据特征工程特征分布进行特征调整操作；建立多个机器学习模型，并进行模型融合操作；通过已建立模型，根据搜索广告、用户、商铺数据预测广告转化率。本发明主要通过对搜索广告、用户、商铺数据进行预处理和分析提取特征，建立多个机器学习模型并进行stacking模型融合，从而准确预测广告的转化率，能够使得广告主匹配到最可能购买自家商品的用户；另一方面，也能让用户快速找到购买意愿最强的商品，从而提升在电商平台中的用户体验。
-
公开(公告)号：CN105376260B
公开(公告)日：2018-12-28
申请号：CN201510958055.8
申请日：2015-12-18
Applicant: 重庆邮电大学
IPC: H04L29/06
Abstract: 本发明请求保护一种基于密度峰值聚类的网络异常流量监测系统，包括：特征选择模块：通过关键字源IP地址在单位时间一分钟内聚合而选择新特征空间模块；子空间映射模块：将高维特征空间映射到多个低维空间上形成多个新特征空间数据；异常权重赋值模块：基于密度和距离的距离权重赋值方法，计算出每个子空间中的每个数据点的异常权重；异常权值整合：计算出的所有子空间中的异常权值进行整合，得到原空间数据点的最终异常权值；异常权值阈值确定模块：将最终异常权值逆序排序后，取斜率突变处为检测阈值；异常流量检测模块：所有异常权值大于阈值的网络流量检测为异常流量，小于为正常流量。本发明能适应多样的网络环境，并提高检测精度和准确率。
-
Patent Agency Ranking
公开(公告)号：CN109040139A
公开(公告)日：2018-12-18
申请号：CN201811186828.5
申请日：2018-10-12
Applicant: 重庆邮电大学
CPC classification number: H04L63/08 , H04L9/3247 , H04L9/3263 , H04L63/0823
Abstract: 本发明请求保护一种基于区块链与智能合约的身份认证方法，主要包括如下模块：独立于区块链的用户认证模块，负责在两个节点之间进行用户的身份认证；区块链模块，其于存储整个用户身份认证过程的加密编码与其他相关认证信息；智能合约模块，其作用是在用户身份认证完成之后将整个认证过程进行RSA算法加密后存入区块链中。本发明利用区块链公开、去中心化、防篡改的特性，可以很好的解决身份联盟之间的用户认证过程中可能产生的隐私泄露、伪造认证信息和认证后抵赖的问题。
-
公开(公告)号：CN107480125A
公开(公告)日：2017-12-15
申请号：CN201710543849.7
申请日：2017-07-05
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于知识图谱的关系链接方法，首先，从知识图谱中利用SparQL查询语句找到包含某关系的三元组 列表集，并从非结构化的文本中匹配关系文本；使用LSWMD算法得到关系文本的相似性矩阵，再利用密度峰值聚类算法对关系文本进行聚类，得到关系文本类簇；基于关系文本类簇，抽取类簇中所有词语的位置，并利用贝塔分布进行拟合，得到关系文本类簇的词语分布模式；对于开放领域非结构化文本中未确定关系的候选关系文本，利用词语分布模式构建向量，并利用GBDT分类器进行识别，进而与知识图谱中的关系进行链接。本发明有效解决了将自然语言与知识图谱链接不充分的问题，能够帮助计算机更好的理解自然语言。
-
公开(公告)号：CN107301562A
公开(公告)日：2017-10-27
申请号：CN201710341039.3
申请日：2017-05-16
Applicant: 重庆邮电大学
IPC: G06Q30/02
CPC classification number: G06Q30/0211 , G06Q30/0202
Abstract: 本发明请求保护一种O2O优惠券使用大数据预测方法，包括：101对用户的历史消费数据集进行预处理操作；102对用户的历史消费数据集打标，划分和构建训练集和预测集；103对用户的历史消费数据集进行特征工程构建；104特征选择和不平衡数据的处理；105对上述数据进行多分类器集成学习；106通过已建立模型，根据用户历史消费数据对用户的优惠券使用情况进行预测，优化O2O优惠券的投放。本发明主要是通过对用户消费数据的处理及对数据进行多分类器集成学习，建立预测模型，从而预测用户未来的优惠券使用情况，对O2O优惠券的投放进行优化。
-
公开(公告)号：CN107273912A
公开(公告)日：2017-10-20
申请号：CN201710326684.8
申请日：2017-05-10
Applicant: 重庆邮电大学
CPC classification number: G06K9/6256 , G06K9/6215 , G06N99/005
Abstract: 本发明请求保护一种基于三支决策的主动学习算法，通过使用三支决策的思想来解决目前无标记样本的问题。涉及到粗糙集，数据挖掘等领域。首先通过margin策略来确定无标记数据的不确定性。然后通过不确定性将无标记数据划分为三个不同的域：正域、负域、边界域。对于每个域中的数据采用相应的解决方案来进行处理。目的就是为了选择信息量高，代表性强的数据进行标记。将这些标记好的数据添加到训练集，创建新的分类器。通过反复迭代的训练学习，直到达到迭代的预设次数或达到期望的评估标准。本发明可以较好的提高分类器的各项性能。
-
公开(公告)号：CN106570178A
公开(公告)日：2017-04-19
申请号：CN201610991719.5
申请日：2016-11-10
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明请求保护一种基于图聚类的高维文本数据特征选择方法，该方法包括：剔除不相关特征，并构造加权无向图；再结合社区发现算法快速地将特征聚类；并以“最大相关最小冗余”原则搜索类簇空间，剔除类簇内的冗余特征；最后根据特征与类别间的关系挑选出最佳特征子集。本发明旨在利用图能体现特征空间分布的特性，结合高效的社区发现进行特征聚类，选取出具有代表性的特征，并消除聚类过程中忽略数据分布情况和每个特征与类别都具有不同程度的重要性问题。同时解决聚类时的盲目性，使得文本分类结果具有更高的准确性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.027 seconds)
