-
公开(公告)号：CN110376457A
公开(公告)日：2019-10-25
申请号：CN201910571745.6
申请日：2019-06-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于半监督学习算法的非侵入式负荷监测方法及装置，其中方法包括：步骤S1：采集智能电表总用电量和各设备运行状态信息的时序信息；步骤S2，预处理数据，首先清洗数据，其次将数据归一化处理，最后以0填充总用电量序列的首尾；步骤S3，每次滑动一个时间长度来获得训练窗口，以总用电量序列作为输入窗口数据，以序列中点时间设备的开关状态作为输出标签，重复多次得到训练样本数据集；步骤S4，使用训练样本训练神经网络模型；步骤S5，将待识别的总电量序列输入训练好的神经网络模型，可以获得正确的各设备运行状态。与现有技术相比，本发明具有可以得到精细化的用户内部设备使用状态等优点。
-
公开(公告)号：CN110048753A
公开(公告)日：2019-07-23
申请号：CN201811602773.1
申请日：2018-12-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，包括：步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层迭代得到最优发射波束赋形向量和接收波束赋形向量。与现有技术相比，本发明具有提升通信质量等优点。
-
公开(公告)号：CN109583225A
公开(公告)日：2019-04-05
申请号：CN201811252061.1
申请日：2018-10-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于情景感知的PC端屏幕实时隐私保护方法和系统，具体包括如下步骤：S1.对周边环境进行情景感知；S2.判断是否为常用用户，若是，则执行步骤S3；若否，则执行步骤S5；S3.判断是否同时存在常用用户和非常用用户，若是，则指执行步骤S4；若否，则执行步骤S1；S4.进行屏幕隐私泄露提醒或对屏幕进行隐私保护；S5.判断是否存在用户，若是，则对屏幕进行隐私保护；若否，则执行步骤S1。其保护系统包括感知模块、第一判断模块、第二判断模块、隐私保护模块和计时模块。同现有技术相比，本发明可以主动地对PC端屏幕进行操作，主动地对办公环境下个人的隐私和数据进行保护。
-
-
公开(公告)号：CN105554862A
公开(公告)日：2016-05-04
申请号：CN201510898259.7
申请日：2015-12-08
Applicant: 同济大学
Inventor： 赵生捷
CPC classification number: H04W52/14 , Y02D70/122 , Y02D70/126 , H04W52/0203 , H04W52/146 , H04W52/244
Abstract: 本发明涉及一种用于异构网中微小区的增强型上行分数功率控制方法，所述异构网包括宏小区以及部署在该宏小区内的多个微小区，所述宏小区和微小区内用户设备分别由宏基站和微基站提供服务，包括步骤：A.根据宏基站可允许的上行链路干扰量级和微小区对宏小区的上行链路干扰情况设定被微小区m所服务的任意一个用户设备的功率基准值的上界值B.定义一个可抑制微小区对宏小区的上行链路跨层干扰的、增强型功率基准值：C.在传统上行分数功率控制方法中，采用增强型功率基准值从而更加有效地控制所述用户设备的发射功率。与现有技术相比，本发明能有效减少微小区对宏小区的上行链路干扰，从而增强了LTE-A系统中异构网的通信质量。
-
Patent Agency Ranking
公开(公告)号：CN120030907A
公开(公告)日：2025-05-23
申请号：CN202510207797.0
申请日：2025-02-25
Applicant: 同济大学
IPC: G06F30/27 , G06F17/10 , G06N3/092 , G06F111/10
Abstract: 本发明涉及一种基于强化学习的腔内激光系统性能优化方法、装置及存储介质。该方法基于腔内激光系统输出功率的解析表达式，利用预设的强化学习算法对腔内激光系统的关键参数进行优化；其中，解析表达式为预先设置的，并且在强化学习算法中，状态由当前系统的输出功率及关键输入参数特征表示，动作定义为对关键输入参数的调整，奖励函数以输出功率的提升为核心目标。与现有技术相比，本发明具有最大化腔内激光系统输出功率、实现对激光系统关键参数的高效优化等优点。
-
公开(公告)号：CN114116897B
公开(公告)日：2025-04-29
申请号：CN202111373644.1
申请日：2021-11-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于Fabric的跨部门物联网系统间信息共享方法和系统，包括以下步骤：通过第一设备模块获取第一事件资源和第一事件信息，将第一设备id和第一事件资源传输至Hadoop模块，并根据第一事件信息和时间信息响应Fabric模块；通过Hadoop模块根据第一设备id将第一事件资源存储至Hadoop集群中；通过Fabric模块触发第一事件信息的智能合约，并存储事件信息和时间信息；通过第二设备模块实时获取智能合约的触发情况：当监测到Fabric模块触发第一事件信息的智能合约时，以第二事件信息和时间信息响应Fabric模块；当监测到Fabric模块触发第二事件信息的智能合约时，发出第二设备工作指令。与现有技术相比，本发明具有安全性与可靠性强等优点。
-
公开(公告)号：CN119784833A
公开(公告)日：2025-04-08
申请号：CN202411626449.9
申请日：2024-11-14
Applicant: 同济大学
Abstract: 本发明涉及一种无标定物的相机‑激光雷达相对位姿在线估计方法及系统。该方法首先利用相机与激光雷达采集图像与点云；再使用神经网络与注意力机制对图像与点云进行特征提取与融合，分别得到点云跨模态特征和图像跨模态特征；从中提取出处于共视区域内的像素与点，并基于相似度最大化策略在像素与点之间建立2D‑3D匹配；最后基于所建立的2D‑3D匹配建立重投影方程，并利用EPnP‑RANSAC优化以获得最优的相对位姿，从而完成无标定物的相机‑激光雷达相对位姿在线估计。与现有技术相比，本发明具有可实现无标定物的相对位姿的在线估计，提高位姿估计精度等优点。
-
公开(公告)号：CN119293479A
公开(公告)日：2025-01-10
申请号：CN202411364531.9
申请日：2024-09-29
Applicant: 同济大学
IPC: G06F18/213 , G06F18/214 , G06F18/22 , G06F18/241 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明涉及一种基于内在模式保留视图生成的鲁棒异构图对比学习方法，该方法包括：获取转换特征集合；获取内在模式视图；提取内在模式视图和原始视图的节点嵌入；获取正负样本集合；优化对比学习模型；对优化后的对比模型进行判断，若收敛则利用优化后的对比模型得到的原始视图的节点嵌入输出目标节点的所属类别的预测结果。与现有技术相比，本发明有效提高了异构图面对图结构噪声的鲁棒性，提高了分类的准确性。
-
公开(公告)号：CN118710364A
公开(公告)日：2024-09-27
申请号：CN202410834836.5
申请日：2024-06-26
Applicant: 同济大学
IPC: G06Q30/0601 , G06F18/21
Abstract: 本发明涉及一种基于主动学习的商品推荐方法和介质，包括以下步骤：获取推荐系统新用户在主动学习阶段生成的用户交互数据，据此进行商品推荐；其中，基于量化推荐相关性判断推荐系统新用户是否需要退出主动学习，所述量化推荐相关性基于当前评分预估结果与初始评分预估结果的差异进行计算，所述初始评分预估结果基于推荐系统初始用户交互数据计算，所述当前评分预估结果基于推荐系统新用户对待评分项目的评分计算。与现有技术相比，本发明既可以确保推荐系统生成高质量的推荐结果，同时又可以避免用户因为主动学习阶段冗长而弃用推荐系统。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.019 seconds)
