-
公开(公告)号：CN110011741A
公开(公告)日：2019-07-12
申请号：CN201910249577.9
申请日：2019-03-29
Applicant: 河北工程大学
IPC: H04B17/30 , H04B17/309 , H04B17/318 , G06K9/62
Abstract: 本发明提供了一种基于无线信号的身份识别方法及装置，该方法应用于无线网络与行为识别技术领域。所述方法包括：采集无线信号的信道状态信息；计算所述信道状态信息的幅值序列；基于所述幅值序列进行人员检测；若所述人员检测的检测结果显示所述幅值序列中包含人员活动信息，则根据该幅值序列进行身份识别。本发明提供的基于无线信号的身份识别方法及装置能够有效提高身份识别精度。
-
公开(公告)号：CN108471358A
公开(公告)日：2018-08-31
申请号：CN201810229856.4
申请日：2018-03-20
Applicant: 河北工程大学
IPC: H04L12/24 , H04L12/703 , H04L12/707
CPC classification number: Y02D50/10 , H04L41/0663 , H04L41/12 , H04L45/22 , H04L45/28
Abstract: 本发明提出了一种基于最小生成树的虚拟网络保护性映射方法，用以解决虚拟网络映射成本高，资源利用率低的问题；采用基于节点度的节点和链路协同映射方法，缩小虚拟网络映射的物理节点的分布范围，减少链路的带宽资源消耗，一定程度上减小了虚拟网络映射的资源消耗；由于节点映射时考虑虚拟节点的节点度，增加了备份路径的选择范围；通过为虚拟拓扑的最小生成树链路所映射的工作路径提供备份路径减少了底层物理网络预留的资源总量，间接的提高了底层物理网络的资源利用率。本发明减少虚拟链路的资源消耗，提高了资源的利用率；通过减少备份路径的数量，减少底层物理网络的预留备份资源，减少虚拟网络的映射成本。
-
公开(公告)号：CN105471732A
公开(公告)日：2016-04-06
申请号：CN201510821524.1
申请日：2015-11-24
Applicant: 河北工程大学
IPC: H04L12/721 , H04L12/733 , H04Q11/00
CPC classification number: H04L45/38 , H04L45/122 , H04L45/123 , H04L45/124 , H04Q11/0005
Abstract: 本发明提供了一种光网络中的SDN控制器及物理损伤感知的RSA方法，涉及光通信技术领域。本发明的SDN控制器将损伤评估模块引入至SDN控制器中，并对SDN控制器南向接口OpenFlow协议的流条目的Match Fields规则进行了扩展；本发明的物理损伤感知的RSA方法包括如下步骤：将到达光网络的业务请求发送至流解析器，流解析器获取当前网络状态信息；路径计算模块根据当前网络状态为该请求计算K条光路；将K条光路发送到损伤评估模块进行物理层损伤评估，并选择满足QoT要求的光路资源，建立连接。本发明较为全面地考虑了物理层损伤，在为业务进行完路由和频谱分配过程后，进行传输信号的质量判定，保证了QoT。
-
公开(公告)号：CN104320181A
公开(公告)日：2015-01-28
申请号：CN201410193243.1
申请日：2014-05-09
Applicant: 河北工程大学
Abstract: 本发明公开了一种基于网络编码技术（NC）的服务互通以太网无源光网络（SIEPON）节能调度机制。该节能调度机制通过面向最新的EPON标准草案-SIEPON，同时实现了在OLT和ONU两端的节能，此外，在该节能调度机制中，充分考虑了双向业务流量的情况，提出了一种OLT和ONU的发射机和接收机可自适应、周期性的开启和关闭的调度模式。
-
公开(公告)号：CN118761436A
公开(公告)日：2024-10-11
申请号：CN202410913680.X
申请日：2024-07-09
Applicant: 河北工程大学
IPC: G06N3/04 , G06N3/096 , G06F18/214 , G06F18/24 , G06F18/20 , G06F18/23 , G06F18/213
Abstract: 本申请适用于计算机技术领域，提供了一种共存用户身份识别模型训练方法和共存用户身份识别方法。该方法包括：对获取的初始数据集进行样本特征增强处理，利用处理后的数据集对预设的用户识别模型进行训练，得到训练后的用户识别模型和相应的识别准确率；根据处理后的数据集和识别准确率，构建知识蒸馏数据集；将知识蒸馏数据集输入训练好的用户分类模型，得到用户身份概率分布，并将知识蒸馏数据集输入训练后的用户识别模型，得到第一用户存在性概率分布；基于用户身份概率分布和第一用户存在性概率分布对训练后的用户识别模型进行模型参数调整，得到训练好的用户识别模型。本申请能够得到性能好的用户识别模型，实现对共存用户身份的准确识别。
-
Patent Agency Ranking
公开(公告)号：CN111753024B
公开(公告)日：2024-02-20
申请号：CN202010587383.2
申请日：2020-06-24
Applicant: 河北工程大学
IPC: G06N5/022 , G06F40/295 , G06F40/211 , G06F40/284 , G06N3/0442 , G06N3/0464 , G06N3/082 , G06F18/22
Abstract: 本发明公开了一种面向公共安全领域的多源异构数据实体对齐方法，属于数据融合处理领域。其包括以下步骤：获取公共安全领域多个系统基础数据；抽取多源异构数据实体及关系信息；提取实体属性信息为三元组形式；结合第三方知识库，计算实体属性权重大小；对实体属性信息进行词级别和句级别向量训练；获取实体关系邻接矩阵，使用图嵌入模型训练获得实体结构嵌入向量表示；通过实体名称进行初步实体对齐作为对齐种子；在属性权重约束下联合实体结构信息，计算实体相似度，通过SameAs进行相似实体链接。本发明不依赖于已对齐实体对种子，可以根据需求对齐两个或多个系统所需数据，能够实现公共安全领域不同部门、不同场景上数据的融合互通。
-
公开(公告)号：CN117556880A
公开(公告)日：2024-02-13
申请号：CN202311512985.1
申请日：2023-11-14
Applicant: 河北工程大学
IPC: G06N3/08 , G06N3/0464 , G06N3/042 , G06F18/231 , G06F18/25 , G06Q10/04 , G06Q50/26
Abstract: 本申请提供一种人群流量预测模型的构建方法、装置、终端及存储介质。该构建方法包括：构建人群流量预测模型；获取目标区域在历史时间段内的人群流量数据和预测时间段的外部环境数据；按预设时间对人群流量数据分为临近性数据、周期性数据和趋势性数据，训练残差网络模块；利用层次聚类方法对公共交通网格进行聚类，得到聚类后的网格和对应的人群流量数据并作为输入，将聚类后的时空关联矩阵作为输出，训练时空图卷积网络模块；将上述各矩阵和外部环境数据输入融合模块进行融合，得到目标融合矩阵；根据目标融合矩阵，得到训练完成的人群流量预测模型。本申请能够提高人群流量数据预测结果的精准度。
-
公开(公告)号：CN116861167B
公开(公告)日：2023-12-15
申请号：CN202310690347.2
申请日：2023-06-12
Applicant: 河北工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的FBG光谱循环去噪方法，该方法包括构建FBG反射光谱数据库，构建基于深度学习的FBG光谱循环去噪模型，通过FBG反射光谱数据库对FBG光谱循环去噪模型进行训练及性能改进，将待去噪的FBG光谱输入FBG光谱循环去噪模型，得到纯净FBG光谱数据。本发明提供的基于深度学习的FBG光谱循环去噪方法，能够实现对FBG含噪声光谱进行噪声分离，能够对光谱信号进行重建。
-
公开(公告)号：CN116307247A
公开(公告)日：2023-06-23
申请号：CN202310382098.0
申请日：2023-04-11
Applicant: 河北工程大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/08 , G06N3/048 , G06N3/0442 , G06N3/0455
Abstract: 本发明提供空气质量的预测方法、模型的训练方法、设备及存储介质，该方法包括：获取待监测站点的历史数据，历史数据包括目标历史时段的气象数据和目标历史时段的空气质量数据，空气质量数据为至少一种污染物的浓度值；将历史数据输入至训练好的空气质量预测模型中，预测待监测站点在未来时段的空气质量数据，空气质量预测模型包括编码器和解码器，编码器包括多层堆叠的CLSTM网络，用于提取输入的历史数据的时序特征，并基于时序特征生成包含时间序列的上下文特征向量；解码器包括与编码器层数相同的多层堆叠的LSTM网络，用于基于上下文特征向量预测未来时段的空气质量数据。本发明通过提高提取长期序列特征的能力，可以对污染物的浓度更准确地预测。
-
公开(公告)号：CN115510853A
公开(公告)日：2022-12-23
申请号：CN202211159237.5
申请日：2022-09-22
Applicant: 河北工程大学
IPC: G06F40/279 , G06K9/62
Abstract: 本申请适用于自然语言处理技术领域，提供了一种少样本关系抽取模型的训练方法、装置及终端设备。该方法包括：构建第一支持集与第一查询集对预设的少样本关系抽取模型进行正向训练，得到正向关系原型和第一匹配得分，并根据正向训练的结果与第一查询集构建第二支持集与第二查询集，以对预设的少样本关系抽取模型进行逆向训练，得到逆向关系原型和第二匹配得分，根据第一匹配得分和第二匹配得分确定交叉熵损失值，根据正向关系原型和逆向关系原型对预设的少样本关系抽取模型进行调参，并根据交叉熵损失值得到更新后的少样本关系抽取模型。本申请能够提高少样本关系抽取模型的分类准确度，进而对句子的实体关系进行有效抽取。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.025 seconds)
