-
公开(公告)号：CN119808892A
公开(公告)日：2025-04-11
申请号：CN202411889312.2
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/0455 , G06N3/096
Abstract: 本发明属于联邦学习技术应用领域，特别涉及一种基于知识蒸馏的自适应个性化联邦学习方法，包括客户端通过变分自动编码器根据本地数据生成伪数据，对伪数据进行数据增强；利用增强后的数据对部署在服务器的教师模型进行强化训练；部署在客户端的学生模型基于输入样本生成软预测标签上传到服务器，服务器基于软预测标签的置信度对各个客户端的软预测标签进行动态加权；利用动态加权后的软标签进行进一步迭代训练，生成个性化标签，将个性化标签下发到对应的客户端；客户端根据收到的个性化标签构建蒸馏损失对学生模型进行训练；本发明能够在数据异构和模型异构的联邦学习场景中提高联邦模型性能，增强客户端个性化学习效果，满足客户端个性化需求。
-
公开(公告)号：CN115795249A
公开(公告)日：2023-03-14
申请号：CN202211392885.5
申请日：2022-11-08
Applicant: 重庆邮电大学
Abstract: 本发明属于阵列信号处理领域，具体涉及一种基于L型互质阵列的二维DOA估计方法，包括：构建L型二维互质阵列；对L型互质阵列进行虚拟阵元插值，通过带有虚拟阵元的L型均匀线性阵列的阵元接收入射信号，计算虚拟阵列接收到的信号的自协方差矩阵；对自协方差矩阵进行一次重构，恢复插值阵元上的信号，对恢复后的信号进行重新排列，并对重新排列后的信号合并；计算合并后的信号的协方差矩阵，对协方差矩阵进行二次重构，恢复协方差矩阵的信号；根据恢复后的信号协方差矩阵进行二维DOA估计。本发明通过利用了虚拟阵列，并对其产生的虚拟矩阵进行了恢复，有效的扩展了阵列的孔径，提升了DOA估计的精确性，且计算成本也较低。
-
公开(公告)号：CN115761590A
公开(公告)日：2023-03-07
申请号：CN202211479553.0
申请日：2022-11-24
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06F40/289 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于话题空间视频化的谣言检测方法，包括：通过社交平台提供的API接口获取具有标签信息的原始话题数据；创建谣言话题检测模型，所述谣言话题检测模型包括：数据预处理模块、数据特征提取模块、3DCNN卷积神经网络、compare模块、Topic2RGB模块和Topic2Video模块；将原始话题数据作为训练样本对谣言话题检测模型进行训练；获取目标话题数据，并将目标话题数据输入训练完成后的谣言话题检测模型，输出目标话题的检测结果，本发明将话题的态势发展特征话题视频化之后进行分析，可以使社交平台更加直观的识别谣言话题，赢得更多的信任从而获取更多利益，同时也可以为社会稳定提供保障。
-
公开(公告)号：CN115661696B
公开(公告)日：2025-04-15
申请号：CN202211322158.1
申请日：2022-10-27
Applicant: 重庆邮电大学
IPC: G06V20/30 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/094 , G06F16/26 , G06F16/2458
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于话题图像化的谣言检测方法，包括：对获取的数据进行数据清洗处理；将评论拓扑网络二维图像化，将每一个评论节点映射到图像中的每一个像素点；通过用户内外因素建立情感互影响函数，结合演化博弈理论构建情感互影响模型并量化评论情感；量化后的情感嵌入到话题图像中对应的像素点上，通过卷积神经网络对话题二维话题图像进行卷积，利用函数将网络的输出转换为两个类别的概率值，最大概率值对应的类别作为预测结果。本发明将评论拓扑网络图像化挖掘出谣言话题评论中的隐秘性，提高了谣言检测的精确度，同时为社交网络谣言的机制的研究提供了新的方向。
-
公开(公告)号：CN115293437A
公开(公告)日：2022-11-04
申请号：CN202210972715.8
申请日：2022-08-15
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/00 , G06F40/205 , G06F40/242 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及社交网络关系预测领域，具体涉及一种基于社交网络平台动态交互的关系预测方法；该方法在线获取用户的交互信息和文本信息，并分别对文本信息和交互信息进行相关处理，得到文本特征表示和交互网络结构特征表示；文本特征表示与交互网络结构特征表示融合得到用户特征表示；计算用户特征表示中任一用户与其余用户的相关性，选取前K个相关性对应的用户构成当前用户的强相关用户组；将其强相关用户组输入图注意力模型，得到当前用户的新特征；将新特征输入训练好的关系预测模型得到当前用户的关系预测结果；本发明引入交互行为间的潜在关系，不仅可以更准确的进行社交网络链接预测，还可以分析出用户之间所建立链接的类型。
-
Patent Agency Ranking
公开(公告)号：CN106954219B
公开(公告)日：2020-04-07
申请号：CN201710164494.0
申请日：2017-03-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于压缩感知的无线传感器网络动态数据融合树方法，属于无线传感器网络技术领域。该方法包括以下步骤：将压缩感知与动态路由结合；以稀疏随机投影机制为基础；根据投影切换时，节点加入和离开的情况，依据最小代价动态的生成数据融合树；传感器节点将采集到的数据沿数据融合树传输。本发明的技术方案采用稀疏投影机制，可以有效的降低网络数据传输量；将压缩感知与路由协议相结合，可以有效的减少网络能耗；投影切换时，考虑了节点的离开和加入，动态生成数据融合树，方法的计算复杂度很小。因此，本发明的方法在有效地降低了网络能耗的同时，减少了网络节点的计算负担，能够解决网络生存周期短和降低网络计算负载的问题。
-
公开(公告)号：CN110825980A
公开(公告)日：2020-02-21
申请号：CN201911068519.2
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于社交网络分析领域，具体为一种基于对抗生成网络的微博话题推送方法；所述方法包括微博服务器内的每个用户都通过通信组件接入到运算服务器中，获取微博社交网络中微博话题的互动数据；从互动数据的源地址或者目的地址中解析出用户属性；运算服务器采用无监督的对抗生成网络对互动数据以及用户属性增强，通过转发预测模型，预测出潜在参与用户在下一时刻转发参与用户所参与的微博话题的概率值；将阈值区间发生器产生的多个阈值分别与概率值进行比较，确定潜在参与用户对于该微博话题的可能感兴趣程度；基于潜在参与用户的可能感兴趣程度，控制通信组件向该潜在参与用户推送该微博话题；本发明能够根据用户可能感兴趣程度，从而对用户进行精准推送。
-
公开(公告)号：CN108170842A
公开(公告)日：2018-06-15
申请号：CN201810040609.X
申请日：2018-01-16
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明涉及社交网络热点话题分析领域，特别涉及一种基于三部图模型的微博热点话题溯源方法，包括：利用网络爬虫或者各种社交软件提供的应用程序编程接口API对数据进行获取；对单条微博消息进行传播路径模型还原；以单条微博消息的传播路径还原为基础，建立“消息‑路径‑用户”话题三部图；对根据话题三部图计算得到的消息、路径和用户得分序列排序，将排名靠前的N个作为热点话题源点序列；本发明在针对节点自身属性与话题无关性和语义技术的局限性对溯源分析的影响，在三部图中引入HITS排名思想，考虑到消息与用户相互影响关系的同时，改进排序算法，提高算法的准确度。
-
公开(公告)号：CN119988019A
公开(公告)日：2025-05-13
申请号：CN202510084861.0
申请日：2025-01-20
Applicant: 重庆邮电大学
IPC: G06F9/50 , G06N3/098 , G06N3/094 , G06N3/0475 , G06N3/045
Abstract: 本发明属于联邦学习技术应用领域，具体涉及一种基于分布感知正则化的联邦学习方法，包括在每轮联邦学习，服务器确定参与本次训练的M个客户端；服务器根据计算能力和本地数据量获取每个客户端的数据处理方式，每个客户端根据自身对应的数据处理方式获取训练数据；服务器下发全局模型，每一个客户端通过训练数据训练全局模型得到本地模型参数，并上传给服务器；服务器根据历史训练数据计算时间窗口，在时间窗口内收集本地模型参数进行聚合得到新的全局模型；重复上述操作直至达到最大联邦学习轮次；本发明有效缓解多个客户端之间的设备异构问题。
-
公开(公告)号：CN115661696A
公开(公告)日：2023-01-31
申请号：CN202211322158.1
申请日：2022-10-27
Applicant: 重庆邮电大学
IPC: G06V20/30 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/094 , G06F16/26 , G06F16/2458
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于话题图像化的谣言检测方法，包括：对获取的数据进行数据清洗处理；将评论拓扑网络二维图像化，将每一个评论节点映射到图像中的每一个像素点；通过用户内外因素建立情感互影响函数，结合演化博弈理论构建情感互影响模型并量化评论情感；量化后的情感嵌入到话题图像中对应的像素点上，通过卷积神经网络对话题二维话题图像进行卷积，利用函数将网络的输出转换为两个类别的概率值，最大概率值对应的类别作为预测结果。本发明将评论拓扑网络图像化挖掘出谣言话题评论中的隐秘性，提高了谣言检测的精确度，同时为社交网络谣言的机制的研究提供了新的方向。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.045 seconds)
