-
公开(公告)号：CN117439092A
公开(公告)日：2024-01-23
申请号：CN202311425282.5
申请日：2023-10-30
Applicant: 国网重庆市电力公司市南供电分公司 , 重庆邮电大学 , 国家电网有限公司
Abstract: 本发明公开了一种充电桩广泛接入下有源配电网的电压调节方法及系统，该方法包括估算电动汽车最优的充电能耗；建立日负荷的训练样本集和预测样本集，推导出到超平面最远的样本点的距离最小的SVR核函数，得到包含多个时段的充电站日负荷预测曲线；构建以电压偏差、网络运行损耗和分布式电源发电量损失最小为目标的集中式电压调节模型；对集中式电压调节模型进行求解，对配电网中电压调节设备进行调节；在执行pareto结果后，根据监测结果和约束条件，若不满足约束条件，则建立分布式电压模型再次进行调节。本发明改善了充电站对配电网的电压影响，优化了配电网的动态特性。
-
公开(公告)号：CN116846404A
公开(公告)日：2023-10-03
申请号：CN202310727973.4
申请日：2023-06-19
Applicant: 重庆邮电大学
Abstract: 本发明提供了一种基于奇偶校验(Parity Check，PC)辅助的CRC辅助自适应串行抵消列表(Adaptive Successive Cancellation List Decoder with Cyclic Redundancy Check,ADSCL)解码方法；该方法提出在PC辅助自适应串行抵消列表解码(Adaptive Successive Cancellation List Decoder,ASCL)基础上加上CRC校验来改善PC‑ASCL解码算法的译码性能。在编码端，序列进行CRC编码后再进行PC编码，最后进行极化码编码；在译码端，当译码未通过PC校验时，路径扩展为，采用SCL继续译码；若译码通过PC校验，则进行CRC校验，若未通过CRC校验，路径扩展为，采用SCL继续译码；若通过CRC校验则提前结束译码。为进一步提高本发明的性能，根据信道的码长N、信息比特数K、CRC码数等参数提出公式来选择译码时最合适的PC码数量。与传统的PC‑ASCL和ADSCL解码算法相比，有效地提高了纠错性能。
-
公开(公告)号：CN116415153A
公开(公告)日：2023-07-11
申请号：CN202310563793.7
申请日：2023-05-18
Applicant: 重庆邮电大学
IPC: G06F18/214 , G06F18/24 , G06F18/25 , G06N3/04 , G06N3/09
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于监督对比学习的文本对话情绪识别优化方法，包括：对数据集中的数据进行预处理；将预处理后的数据映射到说话者词典中，并添加提示信息；将添加提示信息后的数据输入到预训练语言模型中，得到包含了说话者信息的上下文表示；构建说话者记忆信息的表示；将说话者记忆信息的表示与上下文表示相加，得到目标语句的表示；将目标语句的表示输入到情绪识别模型中，得到识别结果；本发明引入了说话者记忆模块作为外部信息，丰富了模型信息；通过说话者词典映射的方式，令模型能更好地识别说话者；添加了难度评估函数以及课程学习策略，令训练时期的样本难易程度过渡更加平滑，有效缓解极端样本问题。
-
公开(公告)号：CN116311285A
公开(公告)日：2023-06-23
申请号：CN202310336981.6
申请日：2023-03-31
Applicant: 重庆邮电大学
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于灰度标签学习与说话者记忆的文本对话情绪识别优化方法，包括：对数据集中的数据进行预处理；将预处理后的数据映射到说话者词典中，并添加分隔提示标记；将添加分隔提示标记后的数据输入到预训练语言模型中，得到包含了说话者信息的上下文表示；构建说话者记忆信息的表示；将说话者记忆信息的表示与上下文表示相加，得到目标语句的表示；将目标语句的表示结合灰度标签以及独热情绪标签输入到情绪识别模型中，得到识别结果；本发明引入了说话者记忆模块作为外部信息，丰富了模型信息；本发明添加了灰度标签学习策略，反映情绪标签内部的关系，提升模型情绪识别能力。
-
公开(公告)号：CN116015771A
公开(公告)日：2023-04-25
申请号：CN202211589796.X
申请日：2022-12-12
Applicant: 重庆邮电大学
IPC: H04L9/40 , G06N3/08 , G06F18/23213 , G06N3/045 , G06N3/0464
Abstract: 本发明属于信息安全检测技术领域，涉及一种物联网恶意节点的检测方法，包括：获取物联网网络中恶意节点的行为数据；将恶意节点的行为数据嵌入向量表示得到恶意节点的信任向量；创建节点分类模型；将恶意节点的信任向量作为训练样本对节点分类模型进行训练；所述节点分类模型包括：第一生成对抗网络、第二生成对抗网络、第三生成对抗网络和K‑MEANS聚类模块；获取物联网网络中目标节点的行为数据并生成目标节点的信任向量，将目标节点的信任向量输入节点分类模型输出目标节点的类型；根据目标节点的类型对目标节点进行管理，所述对目标节点进行管理包括：将目标节点从物联网网络中剔除、对目标节点进行修复或对目标节点进行更换。
-
Patent Agency Ranking
公开(公告)号：CN112469072B
公开(公告)日：2022-05-03
申请号：CN202011298883.0
申请日：2020-11-18
Applicant: 重庆邮电大学
Abstract: 本发明属于物联网安全领域，具体涉及一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，该方法包括：节点通过主动学习构建标准事件模板B‑Spline曲线；根据节点的具体行为构建节点事件模板B‑Spline曲线；对通信环境变化引起的节点事件B‑Spline曲线漂移进行监测及补偿；将节点事件模板与标准事件模板进行匹配，判别节点行为性质并调整监测时长；本发明建立了节点的标准行为事件模板，使节点的具体行为可以识别，根据节点行为性质调整监测时长，从而提高了节点的生命周期和传感网的安全性。
-
公开(公告)号：CN114245384A
公开(公告)日：2022-03-25
申请号：CN202111339963.0
申请日：2021-11-12
Applicant: 重庆邮电大学
IPC: H04W12/122 , H04W12/60 , H04W84/18
Abstract: 本发明属于信息安全检测技术领域，涉及一种基于生成对抗网络的传感网恶意节点检测方法，包括监听节点间的数据传输过程，并将该过程的数据进行模糊处理后作为信任数据；计算获取的信任数据的信任值，并根据信任值将信任数据打上标签；构建生成对抗网络，生成对抗网络根据输入的数据获取数据特征的分布，根据带标签的信任数据训练生成对抗网络；训练两个生成对抗网络组成编码器和解码器，编码器从输入的信任数据中提取提取数据的特征，解码器根据特征获取信任数据的分布；节点将监听数据进行模糊处理后输入生成对抗网络，生成对抗网络监测当前节点是否为恶意节点；本发明能快速检测出恶意节点并评估恶意等级，阻止恶意节点威胁网络的安全。
-
公开(公告)号：CN113900860A
公开(公告)日：2022-01-07
申请号：CN202111257477.4
申请日：2021-10-27
Applicant: 重庆邮电大学
Abstract: 本发明属于无线传感器网络中的数据恢复领域，具体涉及一种基于CGAN的无线传感器网络故障节点的数据恢复方法，该方法包括：进行节点故障检测；将检测为故障的节点的数据经过编、解码后与原数据比较，若差异小于一个阈值，则判断该故障节点的数据能够恢复；采用CGAN网络对故障节点中的数据进行恢复；本发明通过CGAN利用簇内其他正常节点的数据对故障节点的数据进行恢复，保证了数据的完整性，从而保证了网络的正常运行。
-
公开(公告)号：CN109934304A
公开(公告)日：2019-06-25
申请号：CN201910228715.5
申请日：2019-03-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于超限隐特征模型的盲领域图像样本分类方法，该方法采用了跨领域数据生成与增广策略，高效地降低不同数据领域之间的偏差。具体地说，超限隐特征模型将ELM和ELM-AE(基于ELM的自编码器)纳入统一的优化模型，继承了ELM和ELM-AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果，具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度。本发明利用超限隐特征模型解决盲领域适配问题，融合跨领域知识，有效降低不同领域数据之间的领域偏差，提高了盲领域数据分类准确率。
-
公开(公告)号：CN109934295A
公开(公告)日：2019-06-25
申请号：CN201910204091.3
申请日：2019-03-18
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于超限隐特征学习模型的图像分类与重建方法，采用了一种数据重构策略进行特征学习，高效学习原始感知数据与相应的高级语义转换关系。具体地说，ELM和ELM-AE(基于ELM的自编码器)被统一在一个学习模型中，该模型具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度并具备优异的图像数据重建能力。ELF(超限隐特征学习模型)继承了ELM和ELM-AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果。此外，使用了一种基于交错方向法的高效算法来求解优化ELF模型，进一步提升了ELF模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.024 seconds)
