-
公开(公告)号：CN106789888A
公开(公告)日：2017-05-31
申请号：CN201611028629.2
申请日：2016-11-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多特征融合的钓鱼网页检测方法，包括训练过程和检测过程两个部分。结合半监督学习tri‑training方法整合了钓鱼网页特点的三个视图，主要解决了现有钓鱼网页检测方法大多需要通过大量的标注数据利用监督学习来进行的分类模型训练的问题。该方法主要结合协同训练算法，从网页URL特征、网页页面信息特征和网页搜索信息特征出发，将多视图，多分类器的思想运用到钓鱼网页检测中，通过不同分类器的协同训练学习，达到减少总体人工标注训练样本数和及时识别钓鱼网页的目的。
-
公开(公告)号：CN108229166A
公开(公告)日：2018-06-29
申请号：CN201711291684.5
申请日：2017-12-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种使用引导型搜索的网页木马(挂马网页)检测方法。该方法主要由两个部分构成，分为外围程序部分和核心组件部分。外围程序使用网络爬虫程序从互联网中下载网页，通过一个弱过滤器程序过滤掉明显无害的网页，并将结果输入网页检测程序。网页检测程序将挂马网页分类出来，存入数据库，形成挂马网页黑名单，并将一部分送至核心组件部分分析。核心组件包括数个特征分析组件和搜索引擎工具。特征分析组件分析出输入的挂马网页的特征，并通过使用这些特征引导搜索引擎搜索并下载相似的网页。通过这种引导搜索下载的方式，所获取的网页中，挂马网页的比例会有显著提高。引导搜索下载的网页直接提交至网页检测程序分析，从而在较短的时间内找到大量挂马网页，提高检测的效率。
-
公开(公告)号：CN109284506B
公开(公告)日：2023-09-29
申请号：CN201811445401.2
申请日：2018-11-29
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/284 , G06F16/35
Abstract: 本发明公开了一种基于注意力卷积神经网络的用户评论情感分析系统及方法。该发明为模块化设计，主要包括四个模块，即词嵌入模块，卷积模块，注意力模块以及分类器模块。其中词嵌入模块将评论文本使用低维向量表示，卷积模块通过卷积操作提取评论的局部特征，注意力模块通过比较相似度来决定局部特征的权重，并通过加权计算评论的最终特征表达，分类器模块根据最终特征表达进行情感分类。本发明通过将注意力机制加入到神经网络模型中，克服传统神经网络模型特征提取方法的不足。通过大量数据训练后，注意力机制可以判断评论中不同词语的重要程度，使得模型可以“注意到”评论中对情感影响最大的部分，提高模型情感分类的准确率。
-
公开(公告)号：CN106789888B
公开(公告)日：2020-08-04
申请号：CN201611028629.2
申请日：2016-11-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多特征融合的钓鱼网页检测方法，包括训练过程和检测过程两个部分。结合半监督学习tri‑training方法整合了钓鱼网页特点的三个视图，主要解决了现有钓鱼网页检测方法大多需要通过大量的标注数据利用监督学习来进行的分类模型训练的问题。该方法主要结合协同训练算法，从网页URL特征、网页页面信息特征和网页搜索信息特征出发，将多视图，多分类器的思想运用到钓鱼网页检测中，通过不同分类器的协同训练学习，达到减少总体人工标注训练样本数和及时识别钓鱼网页的目的。
-
Patent Agency Ranking
公开(公告)号：CN109597891B
公开(公告)日：2023-04-07
申请号：CN201811414183.6
申请日：2018-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35
Abstract: 本发明属于人工智能与数据挖掘的交叉领域，具体涉及基于双向长短时记忆神经网络的文本情感分析方法；所述方法包括以下步骤将文本映射词向量映射框架中，将所述文本表示为词向量矩阵；构建改进的卷积神经网络，对映射的词向量矩阵进行特征提取；利用双向长短时记忆循环神经网络对提取的特征进行训练，直至其损失函数最小时；在该循环神经网络后增加全局均值池化层和分类层，从而输出该文本的情感分类。本发明将深度学习应用在文本情感分析中，摆脱了人工提取文本情感特征的局限性，同时在深度学习领域结合了卷积神经网络和循环神经网络的优点，并对网络进行改进，使其能更好的应用在文本处理的任务中。
-
公开(公告)号：CN109284506A
公开(公告)日：2019-01-29
申请号：CN201811445401.2
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于注意力卷积神经网络的用户评论情感分析系统及方法。该发明为模块化设计，主要包括四个模块，即词嵌入模块，卷积模块，注意力模块以及分类器模块。其中词嵌入模块将评论文本使用低维向量表示，卷积模块通过卷积操作提取评论的局部特征，注意力模块通过比较相似度来决定局部特征的权重，并通过加权计算评论的最终特征表达，分类器模块根据最终特征表达进行情感分类。本发明通过将注意力机制加入到神经网络模型中，克服传统神经网络模型特征提取方法的不足。通过大量数据训练后，注意力机制可以判断评论中不同词语的重要程度，使得模型可以“注意到”评论中对情感影响最大的部分，提高模型情感分类的准确率。
-
公开(公告)号：CN106897413A
公开(公告)日：2017-06-27
申请号：CN201710090165.6
申请日：2017-02-20
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30743
Abstract: 本发明公开了一种基于和声搜索的混合特征选择方法，将过滤器与和声搜索的优点结合起来，形成一个混合系统。该系统能从大量用户原始特征集中选择最优特征子集，并将该特征子集用于社交网络中垃圾用户的分类和检测。目前，分类器的性能好坏取决于特征子集的选取,而特征选择问题可以被看作是优化问题，其目标是选择最佳的或接近最佳的特征子集。提出一种方法，利用滤波方法与和声算法的计算简单、迅速的优点实现最佳特征子集选取的目的。克服了过滤方法忽略特征之间依赖关系和包装器计算成本较高的缺点。
-
公开(公告)号：CN109597891A
公开(公告)日：2019-04-09
申请号：CN201811414183.6
申请日：2018-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35
Abstract: 本发明属于人工智能与数据挖掘的交叉领域，具体涉及基于双向长短时记忆神经网络的文本情感分析方法；所述方法包括以下步骤将文本映射词向量映射框架中，将所述文本表示为词向量矩阵；构建改进的卷积神经网络，对映射的词向量矩阵进行特征提取；利用双向长短时记忆循环神经网络对提取的特征进行训练，直至其损失函数最小时；在该循环神经网络后增加全局均值池化层和分类层，从而输出该文本的情感分类。本发明将深度学习应用在文本情感分析中，摆脱了人工提取文本情感特征的局限性，同时在深度学习领域结合了卷积神经网络和循环神经网络的优点，并对网络进行改进，使其能更好的应用在文本处理的任务中。
-
公开(公告)号：CN107411733A
公开(公告)日：2017-12-01
申请号：CN201710239199.7
申请日：2017-04-13
Applicant: 重庆邮电大学
IPC: A61B5/0245
Abstract: 本发明提供了一种基于云平台的心率检测与分析系统，主要步骤包括：获取用户在Android智能手机终端上输入的个人信息并将其传送至云平台；将心电数据采集设备与Android手机相连，然后通过手机蓝牙接收其采集到的心电数据，并对心电数据进行预处理，检测出QRS波群，计算出心率值；将预处理后的心电数据和心率值采用MQTT(Message Queuing Telemetry Transport，消息队列遥测传输)协议传送至云服务平台进行存储与分析，并将分析结果推送至手机客户端，最终实现手机客户端和WEB服务器端同步显示心电波形图和心率检测与分析结果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
