-
公开(公告)号：CN112115712B
公开(公告)日：2024-02-02
申请号：CN202010935001.0
申请日：2020-09-08
Applicant: 北京交通大学
IPC: G06F40/284 , G06F16/33 , G06F16/35 , G06F16/951 , G06N3/0442 , G06N3/0464 , G06N3/088
Abstract: 本发明提供了一种基于话题的群体情感分析方法，包括：对待处理话题的评论文本进行预处理、聚类和摘要生成，得到待处理话题的多个代表性观点；对多个代表性观点中每个观点对应的用户信息进行特征提取，得到每个观点对应的用户的属性特征和兴趣特征；采用LSTM神经网络模型对各个代表性观点对应用户的情感倾向进行预测，得到预测的各个代表性观点对应用户的情感倾向；根据得到每个观点对应的用户的属性特征、兴趣特征以及预测的各个代表性观点对应用户的情感倾向，采用梯度下降树算法和关联性分析得到用户特征与情感之间的关联关系。本方法可以实现对群体情感倾向更有效地预测，改善文本情感分析或用户画像的单一结果解释性较差的问题。
-
公开(公告)号：CN117473616A
公开(公告)日：2024-01-30
申请号：CN202311463023.1
申请日：2023-11-06
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多智能体强化学习的铁路BIM数据边缘缓存方法。该方法包括：构建BIMDipFM模型，利用BS下用户与BIM数据的历史交互信息对留存率进行预测，获取BIM数据的内容重要性程度，采用马尔可夫博弈模型建立多节点协同缓存模型，得到每个缓存节点的BIM数据缓存状态和需求状态，生成系统中智能体的当前时刻环境状态，构建动作掩码模块，过滤无效动作，输出动作空间，基于actor网络通过Gumble Softmax算法输出确定动作，Agent在环境中执行确定动作，输出奖励，获取新环境状态，将环境状态、确定动作、奖励和新环境状态储存经验回放池中，经验回放池储存满后进行经验回放，更新目标网络，以提高BIM数据的缓存效率，减轻云侧和核心网络的流量负载，提升用户访问速度。
-
公开(公告)号：CN116305153B
公开(公告)日：2023-11-14
申请号：CN202310210360.3
申请日：2023-03-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于DUCG的CTCS‑3系统的安全评估方法。该方法包括：根据CTCS‑3系统结构确定系统安全风险组件，确定网络安全攻击的类别；根据系统安全风险组件之间的通信连接关系以及在网络安全攻击中的因果关系，添加逻辑门，建立CTCS‑3系统的DUCG网络风险传播图模型；根据DUCG网络风险传播图模型建立基于因果关系和贝叶斯关系的网络安全风险评估公式；根据网络安全风险评估公式推断出各个系统安全风险组件的网络安全风险的大小，计算各个系统安全风险组件的安全风险事件发生概率。本发明方法采用风险传播演化的方式，循环计算贝叶斯公式，得到整体性的更加合理的信息安全风险评估结果，能够有效地评估对象系统安全风险等级，从而采取有效措施。
-
公开(公告)号：CN116882517A
公开(公告)日：2023-10-13
申请号：CN202310824375.9
申请日：2023-07-06
Applicant: 北京交通大学
IPC: G06N20/00 , H04L67/1001 , H04L67/1095 , G06F18/23
Abstract: 本发明提供一种基于节点冗余度量的联邦公平性数据分配方法及系统，属于机器学习联邦训练技术领域，对节点的本地数据集进行稀疏化特征提取，并根据提取出每个客户端的特征图，计算不同客户端特征图之间的相似性，以量化节点数据集中特征图映射的相似性来评估客户端的数据冗余程度。提出模型冗余信息评估的方法，结合数据冗余评估，综合评估每个客户端在联邦学习中的冗余信息。设计公平修剪聚合方法，综合考虑数据冗余评估和模型冗余评估，从而得出每个客户端的冗余程度，以评估其对联邦学习的实际贡献。在全局聚合过程中，每个客户端的全局聚合权重基于其自身的冗余程度，将更多的权重分配给冗余程度较低的客户端，以提高联邦学习的公平性。
-
公开(公告)号：CN116824625A
公开(公告)日：2023-09-29
申请号：CN202310616550.5
申请日：2023-05-29
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于生成式多模态图像融合的目标重识别方法。该方法包括：利用跨模态图像生成网络生成输入图像的另一模态的图像，得到成对图像，所述输入图像包括可见光图像或者红外图像；构建并训练基于分块的双重多模态特征融合模块，将所述成对图像输入到训练好的双重多模态特征融合模块中，得到所述成对图像的融合特征；基于所述成对图像的融合特征利用余弦距离测量所述成对图像之间的差异特征，对所述差异特征进行补偿。本发明利用了丢失的模态特定特征的信息，利用对比学习来关联输入与输出图像对应位置的信息，保留了行人的身份信息，从而可以有效地对多模态图像进行行人目标重识别。
-
Patent Agency Ranking
公开(公告)号：CN111881840B
公开(公告)日：2023-09-22
申请号：CN202010748159.7
申请日：2020-07-30
Applicant: 北京交通大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于图网络的多目标跟踪方法，图网络包括特征提取网络模块和图卷积匹配模块，具体包括以下步骤：S1、选取视频中的两帧图像输入特征提取网络模块；S2、通过特征提取网络模块对目标进行特征的提取，获取两帧图像各自的目标特征向量集FM和FN，M和N分别表示两帧图像中检测到目标的数量；S3、基于目标特征向量集FM和FN，计算目标特征向量之间的相似度，构建二部图；S4、通过所述图卷积匹配模块对二部图进行匹配，并利用损失函数进行图网络的反向传播获得最优的匹配矩阵。本发明提供的一种基于图网络的多目标跟踪方法，利用卷积网络对目标进行特征提取，并且提出的损失函数解决了目标数量不确定的问题，大大提高多目标跟踪的正确率。
-
公开(公告)号：CN116777842A
公开(公告)日：2023-09-19
申请号：CN202310591633.3
申请日：2023-05-24
Applicant: 北京交通大学
IPC: G06T7/00 , G06T7/73 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供基于深度学习的轻量化纹理表面缺陷检测方法和系统，方法分为训练和测试阶段。训练阶段基于输入训练集的纹理表面图像，并将其通过层层卷积前向传播得到缺陷特征的预测框，得到缺陷特征的预测框，接着计算缺陷特征的预测框和目标图像真实框之间的损失，利用损失进行反向传播，更新模型权重，重复这个过程直到达到设定的迭代轮数epoch。之后是测试阶段，加载测试集的数据，通过训练好的模型输出缺陷图像的类别和定位，并进行评估指标计算，根据指标进行模型性能的判定，如果不能满足预期要求，则重新回到训练环节，进行进一步的调整训练，如果已经达到预期的性能，则保存模型权重，完成整个技术发明的流程，得到最终的解决方案。
-
公开(公告)号：CN116524534A
公开(公告)日：2023-08-01
申请号：CN202310381255.6
申请日：2023-04-11
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/088
Abstract: 本发明提供一种基于对比学习的无监督行人重识别方法，包括：使用ImageNet预训练的ResNet‑50网络来初始化骨干编码器fθ；利用初始化后的编码器从原始数据集提取特征向量；使用DBSCAN聚类算法进行聚类，并根据每个聚类集群中的向量初始化内存字典；迭代抽取小批量的特征向量结合当前内存字典利用集群对比损失以及离群值损失训练编码器；更新内存字典中相应集群所对应的特征向量；迭代进行从DBSCAN聚类到训练模型编码器之间的步骤，直到模型收敛。本发明提供的方法，通过对比学习迭代提升网络模型的编码能力，使得实际相似的输入图片在高维空间中距离相近，反之差异越大的图片在高维空间中有着越大的距离；具备这样能力的编码器在执行下游任务时，可以快速收敛并且取得更好的性能。
-
公开(公告)号：CN115409323A
公开(公告)日：2022-11-29
申请号：CN202210898407.5
申请日：2022-07-28
Applicant: 北京交通大学
Abstract: 一种控制调度一体化资源配置决策系统，包括：信息感知系统单元(1)、线路全局信息处理单元(2)、通信自适应调制单元(3)、分层决策单元(4)、运控调度一体化单元(5)、车载设备单元(6)，从信息流在各系统间传递进行分析设计，创建信息感知结果自适应传输机制，通过分层决策系统，针对不同程度的延误进行策略自适应调制，并借助线路全局信息处理单元对算力不足的车载设备单元提供边缘计算支持，提升控制调度一体化下的列车运行效率。
-
公开(公告)号：CN115346207A
公开(公告)日：2022-11-15
申请号：CN202210926762.9
申请日：2022-08-03
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于实例结构相关性的二维图像中三维目标检测方法。包括采集交通场景中的RGB图像集，利用RGB图像集构建训练集与测试集；构建基于卷积神经网络的三维目标检测模型，包括RGB图像特征提取主干网络、实例结构相关性构建模块和多任务检测分支，利用训练集对三维目标检测模型进行训练，通过随机梯度下降算法计算多任务损失函数，对三维目标检测模型中的参数进行更新，直至模型收敛，得到训练好的三维目标检测模型；利用训练好的三维目标检测模型对待检测二维RGB图像中的三维物体进行预测。本发明创新性地提取实例的深度结构模型，采用多头注意力机制构建实例之间的结构相关性，利用更新后的实例特征能够获得更准确的三维目标估计结果。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.027 seconds)
