-
公开(公告)号：CN109885495A
公开(公告)日：2019-06-14
申请号：CN201910125502.X
申请日：2019-02-20
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机软件测试领域，具体涉及一种对去中心化系统的群体测试方法和系统；本发明在本地物理机上部署去中心化系统，将测试系统嵌入在去中心化系统中，测试系统包括电性连接的控制模块，业务模块、配置模块、监管模块以及记录模块；控制模块控制去中心化系统各个节点之间进行连接交换；业务模块管理测试系统中的测试数据；配置模块让种子节点配置测试系统的中各类参数；监管模块在测试过程中对所有节点进行监管控制；记录模块用于记录种子节点上存储的测试数据；本发明支持测试人员在本地物理机上部署被测系统，支持所有测试人员对被测系统共同测试、协作测试，既能够保证测试环境的真实性，又能够最大化保证测试人员数量和最佳测试效果。
-
公开(公告)号：CN109586897A
公开(公告)日：2019-04-05
申请号：CN201811392082.3
申请日：2018-11-21
Applicant: 重庆邮电大学
IPC: H04L9/06 , H04L9/32 , H04L12/721 , H04L29/08
Abstract: 本发明提出了一种智能表计携号转网的方法和系统，属于智能电网技术领域。本系统包括多个智能表计，多个不同能源公司的抄表网络服务器，每个智能表计均包括路由模块和标识模块，每个抄表网络服务器均包括路由模块、授权模块、共识模块、存储模块和转网模块；所述授权模块用于在有新的抄表网络服务器加入时发起授权流程；所述转网模块用于在智能表计跟换所属能源公司时，由新抄表网络服务器向现抄表网络服务器发起转网申请，其同意确认即可转网。本发明支持任何类型的智能表计，在智能表计需要转网时，无需智能表计撤换和安装，实现方便快捷地携号转网，同时可以保留智能表计中的历史数据，不会造成数据丢失等问题。
-
公开(公告)号：CN119045913B
公开(公告)日：2025-05-06
申请号：CN202411198041.6
申请日：2024-08-29
Applicant: 重庆邮电大学
IPC: G06F9/445 , G06F9/448 , G06F9/54 , G06F16/2458 , G06F16/25
Abstract: 本发明涉及时序数据库技术领域，特别涉及一种时序数据库内置流处理有状态插件管理方法及系统；所述方法及系统针对抽取插件、处理插件和递送插件三类插件设计了等待状态、休眠状态、准备状态和运行状态，通过消息模块、数据模块、管理模块和监控模块的设置，能够在流处理过程中实现状态转换，赋予三类插件更为灵活的自定义编程设计策略；通过对流处理过程中的加载插件实例到销毁插件实例中加入插件实例的状态切换，能够提升时序数据库在应对复杂网络环境时流处理任务的高效处理能力。
-
公开(公告)号：CN119047520A
公开(公告)日：2024-11-29
申请号：CN202411198721.8
申请日：2024-08-29
Applicant: 重庆邮电大学
IPC: G06N3/0475 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/084 , G06N20/00 , G06F18/214
Abstract: 本发明涉及一种基于纵向联邦学习的参与方对齐样本生成系统，属于数据生成填补技术领域，包括：多方属性相关性矩阵构建模块：用于将多个参与方的样本数据集进行对齐，并计算各参与方之间每个属性的相关性，构建多方属性相关性矩阵；属性对对应关系建立模块：用于根据多方属性相关性矩阵，分别从对齐样本数据集的各方中找出具有强相关性的属性对，建立该属性对中两个属性列所有取值间的对应关系；缺失值生成模块：用于根据对应关系，建立两个属性列取值的关联规则，对参与方属性列的缺失值进行生成；生成对抗填补模块：利用参与方数据样本和生成的属性列缺失值对参与方剩余属性列的缺失值进行生成填补，获得完整的多方联合对齐样本数据集。
-
公开(公告)号：CN119045913A
公开(公告)日：2024-11-29
申请号：CN202411198041.6
申请日：2024-08-29
Applicant: 重庆邮电大学
IPC: G06F9/445 , G06F9/448 , G06F9/54 , G06F16/2458 , G06F16/25
Abstract: 本发明涉及时序数据库技术领域，特别涉及一种时序数据库内置流处理有状态插件管理方法及系统；所述方法及系统针对抽取插件、处理插件和递送插件三类插件设计了等待状态、休眠状态、准备状态和运行状态，通过消息模块、数据模块、管理模块和监控模块的设置，能够在流处理过程中实现状态转换，赋予三类插件更为灵活的自定义编程设计策略；通过对流处理过程中的加载插件实例到销毁插件实例中加入插件实例的状态切换，能够提升时序数据库在应对复杂网络环境时流处理任务的高效处理能力。
-
Patent Agency Ranking
公开(公告)号：CN117110971A
公开(公告)日：2023-11-24
申请号：CN202310868442.7
申请日：2023-07-14
Applicant: 重庆邮电大学
IPC: G01R35/04 , G06N3/0442
Abstract: 本发明涉及电力系统领域，特别涉及一种基于深度学习的电表异常操作检测方法及系统，方法包括：远端服务器运行初期收集发送给集中器的控制命令，当收集的数据量达到规定则对收集的数据进行聚类；通过聚类得到多个聚类中心的信息并发送给集中器，集中器通过计算控制指令与各个聚类中心的距离判断该数据标签是否异常；集中器收集标签为异常的数据，若数据量达到第二阈值，则将收集的数据作为第二数据集，利用该数据集对GRU模型进行训练，并将完成训练的模型参数发送给集中器；集中器根据收到的模型参数更新本地模型，并根据更新后的模型对收到的控制命令进行检测；本发明可以有效检测新型攻击或恶意篡改等异常操作。
-
公开(公告)号：CN119513201A
公开(公告)日：2025-02-25
申请号：CN202411651224.9
申请日：2024-11-19
Applicant: 重庆邮电大学
IPC: G06F16/27 , G06F16/2458 , G06F16/22 , G06F16/23 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及数据库技术领域，具体涉及一种异构时序数据库同步系统，在该系统中，通过交互模块从源节点获取文件，在获取文件的过程中根据对应策略和获取策略获取数据文件；通过转换模块对接收的文件进行处理，根据数据文件切分策略对文件数据进行切分；通过分发模块将转换模块处理的文件发送给目的节点，其根据数据文件分发策略分发文件；本发明能够确保数据同步过程的高效性和准确性，同时提高系统的整体性能和稳定性。
-
公开(公告)号：CN119473245A
公开(公告)日：2025-02-18
申请号：CN202411448711.5
申请日：2024-10-17
Applicant: 重庆邮电大学
IPC: G06F8/30 , G06F8/10 , G06F11/36 , G06N3/0455
Abstract: 本发明涉及一种基于大语言模型(Large Language Models,LLMs)进行代码生成的跨模型协同调度方法，属于人工智能和软件工程领域，包括以下步骤：S1：获取需求集R，并划分成N个子集；S2：在子集中依次提取需求并构建代码生成提示；S3：加载LLMs，分别将代码生成提示传入量化的LLMs，并行生成代码；S4：测试所生成代码的正确性，若检测到错误则构建诊断纠正提示；S5：使用LLMs根据诊断纠正提示诊断并纠正代码中的错误，得到诊断纠正的代码；S6：若代码未通过测试，则进行跨模型生成；S7：循环执行S2‑S6步骤直至处理完所有需求，最终得到成功通过测试用例的代码集和未通过测试用例的代码集；本发明充分挖掘不同LLMs的代码生成性能，提升跨模型协同的自动代码生成能力。
-
公开(公告)号：CN118298108A
公开(公告)日：2024-07-05
申请号：CN202410455007.6
申请日：2024-04-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面部表情驱动的三维动态人脸重建方法，属于计算机视觉技术领域，包含以下步骤：S1：预先采集正面人脸的视频数据并进行预处理，再对人脸表情参数进行方差分析，获取高频变化维度和低频变化维度，提取用于面部表情驱动的人脸动态信息；S2：确定三维空间点的编码特征，包括多分辨率哈希编码特征和球谐编码；所述多分辨率哈希编码用于编码空间的位置特征；所述球谐编码用于编码空间的观察方向，提取观察方向中高频变化的信息；S3：融合人脸表情参数与三维空间点的编码特征，驱动基于隐式神经表示的三维动态人脸；S4：引入光度、几何和感知三个层面的损失，分阶段优化人脸表示，在光度层面加强对于眼部和嘴部的监督。
-
公开(公告)号：CN114782078B
公开(公告)日：2024-06-18
申请号：CN202210347941.7
申请日：2022-04-01
Applicant: 重庆邮电大学
IPC: G06Q30/0201 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种针对高维数据的商业信息评估方法及系统，属于大数据领域。该方法为：S1：对商业信息评估涉及的高维数据进行预处理。S2：建立基于ECA‑Net注意力机制和FFM的CatNN，和基于LightGBM作为提升树的GBDT2NN。S3：输入类别型稀疏特征到改进的CatNN，计算其输入和损失函数，得到基于类别型稀疏特征的评估结果。S4：输入数值型稠密特征到改进的GBDT2NN，得到基于数值型稠密特征的评估结果。S5：集成改进的CatNN和GBDT2NN，用于实现高维数据下的商业信息评估。该方法针对高维数据下商业信息评估中涉及的不同类型特征进行了专门的改进处理，且实现了评估模型的在线更新。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
