-
公开(公告)号：CN108364098A
公开(公告)日：2018-08-03
申请号：CN201810129059.9
申请日：2018-02-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种天气特征对用户签到影响的度量方法，该方法包含如下步骤：S1：通过历史数据分析找到对用户签到影响较大的天气特征；S2：对找到的历史数据中的天气特征进行高斯拟合并计算签到地点的历史天气得分；S3：选择神经网络；S4：将所述历史天气得分分为训练集和测试集，并对所述神经网络进行学习和训练；S5：对训练好的神经网络通过所述测试集进行测试；S6：将当前的天气特征作为输入，通过训练出的神经网络计算出当前的天气得分。本发明考虑了以前没考虑到的天气特征对用户签到的影响，通过计算用户当前可达地点的天气得分就能很好的预测其下一个兴趣点。
-
公开(公告)号：CN103729467B
公开(公告)日：2017-01-18
申请号：CN201410020036.6
申请日：2014-01-16
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种复杂社交网络中的社区结构发现方法，属于网络技术领域。本方法包括以下步骤：步骤一：将社交网络转换为邻接矩阵形式，如果两个节点之间存在边，那么相对应的元素为1，否则为0；步骤二：利用随机游走理论对邻接矩阵进行处理，得到新的节点度数P-degree以及边权值P-weight；步骤三：根据新的节点度数P-degree得到社交网络中的领袖节点；步骤四：基于领袖节点生成子社区，并通过对子社区的一系列操作来进行社区发现。该方法能够高效的识别出社交网络中的社区结构，同时将本方法与一些经典的社区发现算法如Newman算法相比，在模块度指标上有着更好的表现。将本发明用于后续的社交网络实践中有着重要的意义。
-
公开(公告)号：CN104657901A
公开(公告)日：2015-05-27
申请号：CN201510018509.3
申请日：2015-01-14
Applicant: 重庆邮电大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明请求保护一种基于随机游走的标签传播社区发现算法，包括以下步骤：1)构建转移矩阵：根据网络拓扑图生成邻接矩阵，通过节点的度结合邻接矩阵计算该节点到其他节点的转移概率，最后得出转移矩阵；2)计算节点的权重值：定义游走者的位置概率分布，根据转移矩阵计算游走者游走t步到达稳态以后的位置概率分布，此时的位置概率分布中的值则为节点的权重值；3设置中心节点的门限值，根据节点权重的降序排序完成中心节点的筛选，初步生成子社区；4)初始化节点标签，从中心节点出发进行标签传播，相互连接比较紧密的节点标签逐渐趋于一致，最后持有相同标签的节点形成一个社区。该方法消除了经典标签传播算法中更新节点标签顺序的随机性问题，从而有效的提高了算法的精确度。
-
公开(公告)号：CN104021230A
公开(公告)日：2014-09-03
申请号：CN201410298575.6
申请日：2014-06-27
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30867 , G06Q50/01
Abstract: 本发明公开了一种基于社区发现的协同过滤方法，包括以下步骤：1)将用户—项目网络转换为邻接矩阵形式，如果用户对项目评分，那么对应于矩阵的相应元素就存在值，即评分数据；2)构造用户—用户矩阵，用户—用户矩阵中的元素为用户与用户的相似度，相似度的计算方法采用新型的基于Pearson的相似度计算方法；3)基于用户—用户矩阵通过社区发现方法发现社区结构，并对用户—项目矩阵中的部分缺失评分进行预测填充；4)计算目标用户与社区之间以及用户与用户之间的相似度关系构造最近邻候选集，并完成推荐。该方法有效的解决了传统过滤算法中的冷启动问题，通过改进相似度计算公式以及对缺失评分的预测填充有效提高了算法推荐的精度，在平均绝对误差上也有着更好的表现。
-
公开(公告)号：CN103729466A
公开(公告)日：2014-04-16
申请号：CN201410019885.X
申请日：2014-01-16
Applicant: 重庆邮电大学
CPC classification number: G06F17/30675 , G06F17/2715 , G06F17/30734
Abstract: 本发明公开了一种基于WEB及GBBoosting算法的人名国别识别方法，属于WEB数据挖掘技术领域。该方法包括以下步骤：步骤一：通过WEB数据抽取技术提取高校学者人名；步骤二：构造GBBoosting算法：构造弱分类器，每个弱分类器对输入样本输出一个弱分类假设，通过所有弱分类器的权重融合构成一个强分类器；步骤三：通过GBBoosting算法识别所属的国别。本发明所述的基于WEB及GBBoosting算法的人名国别识别方法，有效的解决了两个国家人名拼写方式相近的情况下不能分类的问题；同时本方法比现有的其它分类方法更易实施，能更好的应用于人名国别或者城市国别语义标注等工程实践中。
-
Patent Agency Ranking
公开(公告)号：CN119544081A
公开(公告)日：2025-02-28
申请号：CN202411658377.6
申请日：2024-11-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及相干光OFDM系统中一种自适应CKF相位噪声的补偿方法。该方法先在信号接收端通过已知的导频信息估计出每个OFDM符号的相位噪声值，利用二阶Hermite插值函数进行第一次相位噪声拟合，然后对补偿后的信号进行预判决和次符号分块，再利用更新后的二阶Hermite插值函数进行第二次相位噪声拟合，最后利用自适应CKF能够自适应更新过程噪声，减少估计误差的特点抑制残余的相位噪声。仿真结果表明：该方法能够有效补偿CPE和ICI相位噪声，同时也提高了CO‑OFDM系统对激光线宽的容忍度，改善了系统的性能。
-
公开(公告)号：CN114070708B
公开(公告)日：2023-08-29
申请号：CN202111371502.1
申请日：2021-11-18
Applicant: 重庆邮电大学
IPC: H04L41/044 , H04L41/14 , H04L41/147 , H04L41/16 , H04L41/40 , G06N3/047 , G06N3/0464 , G06N7/01 , G06N20/00 , G06N20/10
Abstract: 本发明涉及基于流量特征提取的虚拟网络功能资源消耗预测方法，属于移动通信领域。该方法包括：S1：通过流量特征之间的相关性，在流量特征和VNF的CPU之间建立不同的元路径，从而构建HIN；S2：利用HIN2Vec模型获取每个流量特征的特征表示；S3：利用注意力机制衡量每个特征的重要性，为其分配不同的权重，再将其输入到MLP模型中对VNF的资源消耗进行预测。本发明具有较好的性能，在预测精度方面优于传统机器学习模型和常用的深度学习模型。
-
公开(公告)号：CN109961183B
公开(公告)日：2023-06-23
申请号：CN201910213249.3
申请日：2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种评论信息对用户签到影响的度量方法，首先通过张量分解得到用户每次签到的意图分类，然后通过隐马尔科夫模型对用户的下一步意图进行预测，得到用户的下一步访问意图；对1km范围内的同意图位置进行确定；选择模型参数；基于用户该意图的历史评论数据集构建语料库；通过该语料库来训练LDA主题模型，同时对1km范围内同属该意图的位置的评论数据集构建语料库训练LDA主题模型；分析得到的主题的相似性，利用JS距离求得主题相似性并得到top‑k个预测位置。本发明考虑了用户评论信息对用户下一步位置选择的影响，通过预测用户下一步意图，计算用户历史数据中与当前在范围内的位置主题相似性，预测下一个兴趣点。
-
公开(公告)号：CN115688000A
公开(公告)日：2023-02-03
申请号：CN202211333871.6
申请日：2022-10-28
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/0464
Abstract: 本发明涉及一种SDN环境下基于改进的残差卷积网络的细粒度流量分类方法，属于软件技术领域。为了提供更细粒度的应用感知流量分类，让网络运营商更好地分析网络组成以及管理和调度网络资源，对这些特定应用程序进行细粒度分类非常重要。传统方法倾向于基于协议对流量进行分类，这是粗粒度的分类，受计算机视觉方面研究的启发，本文将残差卷积网络的方法应用于网络流量的识别分类中，该方法解决了传统深度学习方法进行细粒度网络流量识别过程中随着网络深度的增加而出现的网络退化问题，能够有效学习更深层的网络特征进而实现细粒度的网络流量分类。
-
公开(公告)号：CN111770547B
公开(公告)日：2022-04-22
申请号：CN202010738021.9
申请日：2020-07-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于费马点的无线传感器网络三维地域群播路由方法，属于无线传感器路由协议领域。该方法包括：S1：确定源点和群播区域1、2、3、…、n；S2：连接源点、区域1中心点和区域2中心点，得到第一个三角形，并计算此三角形的费马点1；S3：使用节点搜寻算法找到合适的费马点节点1；S4：连接源点、费马点1、区域3中心点，组成第二个三角形，并计算此三角形的费马点2；S5：使用节点搜寻算法找到合适的费马点节点2；S6：依次类推，得到并依次串联费马点节点1、2、…、n‑1，即得多目标区域群播的最短路径。本发明能找到一条到达多目标区域的最短路径，实现对多目标区域的低能耗低延迟的地域群播。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.022 seconds)
