-
公开(公告)号：CN109547460A
公开(公告)日：2019-03-29
申请号：CN201811517670.5
申请日：2018-12-12
Applicant: 重庆邮电大学
CPC classification number: H04L63/08 , H04L9/3226 , H04L63/083 , H04L63/0861
Abstract: 本发明属于信息安全技术领域，具体涉及一种面向身份联盟的多粒度联合身份认证方法；所述方法包括研究各种身份信息的可信程度，并将其作为各种身份信息多粒度联合的权值；以代价最小化为约束条件，面向用户需求的多粒度联合身份认证以及面向用户身份信息可用性的身份认证；当用户提出访问需求时，身份联盟根据应用系统对身份认证安全性的需求，进行身份认证方案的评估和筛选，提高了身份认证的安全性和可靠性。
-
公开(公告)号：CN108197295A
公开(公告)日：2018-06-22
申请号：CN201810059050.5
申请日：2018-01-22
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明涉及数据挖掘技术领域，特别涉及一种基于多粒度属性树的属性约简在文本分类中的应用方法，包括：数据获取，并对数据进行初步预处理；构建多粒度属性树；根据多粒度属性树对微博数据约简；保存约简结果，利用数据挖掘算法进行进一步分析；本发明在遍历的过程中，由于子树的删除，子树的叶子结点代表的词语都一次性被删除，避免了再逐一测试子树中其他词语是否可删的操作，减少了解空间的范围，在确保得到约简结果的同时极大提升约简速度。
-
公开(公告)号：CN107480694A
公开(公告)日：2017-12-15
申请号：CN201710548072.3
申请日：2017-07-06
Applicant: 重庆邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明请求保护一种基于Spark平台采用两次评价的加权选择集成三支聚类方法，主要包括如下步骤：步骤1，对大数据集进行分区和管理并生成对应的弹性分布式数据集(RDD)；步骤2，使用基于Spark的K-Means聚类算法对每个分区数据进行聚类，生成多个不同的聚类成员；步骤3，通过两次评价，构造新的评价函数以及加权选择策略，对聚类成员进行选择，删除聚类效果不佳的聚类结果，构成新的聚类成员；步骤4，将聚类成员进行集成，构造一个加权的投票矩阵，根据三支决策规则进行聚类划分，得到最终的三支聚类结果。本发明大幅减少了算法运行时间，提高了算法效率。
-
公开(公告)号：CN114662010B
公开(公告)日：2024-10-11
申请号：CN202210261079.8
申请日：2022-03-16
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/958 , G06N3/0499 , G06N3/08
Abstract: 本发明请求保护一种基于多任务学习的显隐式协同过滤推荐方法，具体涉及推荐系统领域。在现实的推荐场景中，显式反馈和隐式反馈都会被系统收集。现有的许多推荐算法都是使用单一的反馈构建推荐系统进行推荐，而显式反馈和隐式反馈存在着互补的关系。本发明使用显式反馈和隐式反馈进行建模，所述方法使用两个辅助任务分别处理显式反馈和隐式反馈，主任务用于融合显式反馈和隐式反馈。由于多任务学习模型的底层参数共享，底层参数将会由所有任务联合更新，这使得显式反馈和隐式反馈的知识共享，从而提高推荐的准确性。
-
公开(公告)号：CN118353661A
公开(公告)日：2024-07-16
申请号：CN202410439470.1
申请日：2024-04-12
Applicant: 重庆邮电大学
Abstract: 本发明属于对抗攻击领域，涉及一种评估智能安防系统鲁棒性的黑盒对抗攻击方法，包括：获取数据集，利用数据集训练替代模型；利用邻域数据点采样算法构建输入图像的邻域图像；对邻域图像进行预处理后输入替代模型，得到预测结果和中间层特征；融合空间动量算法根据预测结果和中间层特征计算平均梯度；根据平均梯度计算空间动量，根据空间动量计算对抗性扰动；将输入图像与对抗性扰动结合生成对抗样本；重复上述步骤，直到达到预设的迭代次数；使用对抗样本攻击智能安防系统，验证系统的鲁棒性；本发明将邻域采样算法和空间动量算法相结合，修正和稳定梯度更新方向；在损失函数中结合中间层特征，使得模型的攻击更具有针对性，提高了攻击成功率。
-
Patent Agency Ranking
公开(公告)号：CN113742603B
公开(公告)日：2023-09-05
申请号：CN202110422812.5
申请日：2021-04-19
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F18/22 , G06N3/0442 , G06N3/08 , G06Q50/00 , G06Q50/26
Abstract: 本发明属于网络信息处理领域，涉及一种对象推荐方法、装置及电子设备；所述方法包括采集相关人员的边缘信息和关系数据；采用方差权重的方式融合相关人员的多源边缘属性；将边缘信息和关系数据数据对齐处理后进行多粒度融合表示学习；利用双向长期短期记忆神经网络对同级关系的信息融合，利用平均池化对上下级关系的信息融合；计算与相关人员接触的密切人员的重要程度；按照相关人员所学习到的低维向量表示计算出相关人员与其密切人员的相似度距离，根据相似度距离推荐出相关人员的若干密切人员；本发明融合了相关人员的多源数据，基于多粒度认知计算理论去除对分析有影响的噪声信息或者线索；提高了推荐结果的准确性。
-
公开(公告)号：CN112016004B
公开(公告)日：2023-03-31
申请号：CN202010851950.0
申请日：2020-08-21
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06Q50/26
Abstract: 本发明属于信息化管理领域，特别涉及一种基于多粒度信息融合的职务犯罪筛查系统及方法；所述筛查系统包括数据采集服务器系统、数据存储服务器、中心计算服务器、网络通信服务器以及若干客户端；通过数据采集服务器系统共同采集涉案人员的多源数据信息，并存储至数据存储服务器中，所述中心计算服务器将对数据进行多粒度融合，按照数据认知方式学习涉案人员的低维向量，计算出涉案人员与其密切人员的相似度距离，按照相似度距离推荐出与所述涉案人员相近似的若干密切人员；并通过网络通信服务器传输至若干客户端进行监控和处理；本发明融合多源数据，基于多粒度认知计算理论去除冗余线索，从中发现对职务犯罪侦查有用的知识，为办案人员提供辅助。
-
公开(公告)号：CN113742603A
公开(公告)日：2021-12-03
申请号：CN202110422812.5
申请日：2021-04-19
Applicant: 重庆邮电大学
Abstract: 本发明属于网络信息处理领域，涉及一种对象推荐方法、装置及电子设备；所述方法包括采集相关人员的边缘信息和关系数据；采用方差权重的方式融合相关人员的多源边缘属性；将边缘信息和关系数据数据对齐处理后进行多粒度融合表示学习；利用双向长期短期记忆神经网络对同级关系的信息融合，利用平均池化对上下级关系的信息融合；计算与相关人员接触的密切人员的重要程度；按照相关人员所学习到的低维向量表示计算出相关人员与其密切人员的相似度距离，根据相似度距离推荐出相关人员的若干密切人员；本发明融合了相关人员的多源数据，基于多粒度认知计算理论去除对分析有影响的噪声信息或者线索；提高了推荐结果的准确性。
-
公开(公告)号：CN113032687A
公开(公告)日：2021-06-25
申请号：CN202110238299.4
申请日：2021-03-04
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06K9/62
Abstract: 本发明请求保护一种基于三支决策用户聚类的协同过滤电影推荐方法，通过将用户划分为核心用户和边界用户两类，在核心用户集合上采用常规的聚类规则得到初始聚类结果的核心域，随后对边界用户采用三支决策划分规划分到初始聚类结果的核心域或边界域，从而实现了一种针对推荐系统中稀疏数据的用户软聚类算法。该算法在聚类时根据用户的潜在分布和实际评分数量将信息不充足的用户划分出来，避免了在核心用户聚类时造成干扰。从而提升了推荐预测精度，与采用单一聚类规则的方法相比聚类精度得以提高,而且不需要对用户进行重复多次的聚类。
-
公开(公告)号：CN109918544B
公开(公告)日：2021-03-12
申请号：CN201910191833.3
申请日：2019-03-14
Applicant: 重庆邮电大学
IPC: G06F16/903 , G06F16/9038 , G06F16/901 , G06Q50/26 , G06Q50/00
Abstract: 本发明属于职务犯罪领域，涉及社会关系网络分析，具体为一种基于粗糙集的职务犯罪社会关系网络智能分析方法及系统，所述方法包括通过对已结案中犯罪人员的社会关系网络进行分类，并基于粗糙集对社会关系网络进行智能分析，发现其中对案件起关键作用的线索，并去除其中的无关线索；基于已结案件数据，采用粗糙集方法，从多种数据中筛选出对案件分析起作用的数据，去除对案件分析不起作用的冗余数据，并对各种数据源进行重要性排序，从而为实际办案提供辅助。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.024 seconds)
