-
公开(公告)号：CN116933117B
公开(公告)日：2025-05-20
申请号：CN202310976538.5
申请日：2023-08-04
Applicant: 重庆邮电大学
IPC: G06F18/2323 , G06F18/21 , G06F18/214 , G06F11/30
Abstract: 本发明属于过程挖掘领域，涉及一种基于谱聚类的软件组件识别方法；包括获取软件运行事件日志，并获取软件运行事件日志中所涉及的所有类组成类集合；根据软件运行事件日志及类集合构建类调用相似度矩阵；根据类调用相似度矩阵构建度矩阵，并基于度矩阵计算出拉普拉斯矩阵；计算拉普拉斯矩阵的所有特征值并升序排列，通过前k个特征值的特征向量构建特征向量空间；采用Discretize聚类算法对特征向量空间进行聚类，并通过组件质量函数获取具有最高质量组件的聚类结果作为组件识别结果；通过该组件识别结果为软件运行事件日志添加组件属性信息；本发明相比于已有通过软件运行数据识别组件的算法考虑了类之间调用次数，能更准确地识别组件。
-
公开(公告)号：CN113963315B
公开(公告)日：2025-02-11
申请号：CN202111357367.5
申请日：2021-11-16
Applicant: 重庆邮电大学
IPC: G06V20/52 , G06V20/40 , G06V40/10 , G06V40/20 , G06N3/0464 , G06N3/0495 , G06N3/045
Abstract: 本发明涉及一种复杂场景下实时视频多人行为识别方法及系统，属于机器视觉技术领域。该方法包括：采集视频数据；建立场景人脸标签库，用于人脸识别模型训练；构建轻量化SlowFast模型用于复杂场景多人行为识别；建立不同人员类别异常行为动作标签库，建立训练行为动作标签库；将训练数据集经过预处理之后，输入到构建的轻量化SlowFast网络中进行训练；利用人脸识别模型和轻量化SlowFast网络模型进行实际场景行为动作检测、识别。本发明通过人脸识别，确定人员类别身份，建立人脸检测框与人员位置定位框的关联关系，对场景中目标人员的行为动作进行检测和识别，以实现在复杂场景中不同类别人员异常行为的监测和预警。
-
公开(公告)号：CN119204324A
公开(公告)日：2024-12-27
申请号：CN202411314846.2
申请日：2024-09-20
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/14 , G06V20/40 , G06V20/52 , G06V40/10 , G06T7/292 , G06N3/042 , G06N3/0442 , G06N3/045 , H04N23/50
Abstract: 本发明涉及一种景区游客轨迹的景点流量预测方法，属于流量预测技术领域，包括以下步骤：S1：在景区布设视频图像接入网络，包括服务器和在景区内各关键景点、游玩点及景区出入口安装的摄像头；S2：对视频图像接入网络采集的视频进行行人检测和行人重识别检索；由设置在景区出入口的摄像头检测标记行人ID，通过行人重识别得到各行人ID的游客在景点出现的视频图像信息；S3：构建景点轨迹时间频谱图、基于邻接关系有向图得到轨迹路线统计图；S4：构建景点轨迹流量图时间序列和景点流量预测模型，对景区内各景点线路和景点流量进行预测和预警。
-
公开(公告)号：CN114519897B
公开(公告)日：2024-09-24
申请号：CN202111663546.1
申请日：2021-12-31
Applicant: 重庆邮电大学
IPC: G06V40/40 , G06V40/16 , G06V20/40 , G06T7/194 , G06T7/11 , G06V10/82 , G06N3/0442 , G06V10/56 , G06V10/80
Abstract: 本发明请求保护一种基于颜色空间融合及循环神经网络的人脸活体检测方法，涉及生物活体检测技术领域。本发明包括融合新的颜色空间；构建人脸活体检测LSTM网络；将公开数据集的伪造人脸攻击视频的颜色特征输入到构建的LSTM中进行训练；利用新融合的颜色空间与训练好的网络模型用于人脸活体检测。本发明提出的人脸活体检测算法，能够直接对摄像头捕捉到的内容进行人脸活体检测，且能够在二维伪造人脸攻击及做工精细的三维伪造人脸攻击下实现准确检测，解决了实际在多维度、跨数据集伪造人脸攻击下人脸活体检测稳定性低的问题。
-
公开(公告)号：CN118153865A
公开(公告)日：2024-06-07
申请号：CN202410254284.0
申请日：2024-03-06
Applicant: 重庆邮电大学
IPC: G06Q10/0631 , G06F11/36 , G06F16/35 , G06F18/2415 , G06F18/25 , G06F18/20 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明涉及一种融合层次特征与时序特征的软件缺陷自动分派方法，属于软件缺陷自动分派领域，包括以下步骤：S1：获取缺陷报告数据集，从中提取基本信息、修复者与缺陷报告之间的修复关系；S2：使用基本信息建立层次表示模块，所述层次表示模块用于生成包含层次特征的缺陷报告向量表示HB；S3：使用基本信息、修复关系建立二部图Graph，所述二部图Graph包括修复者节点与缺陷报告节点，用于表示修复者与缺陷报告的修复关系；S4：使用二部图Graph建立链接预测模块并预测候选修复者；所述链接预测模块用于计算二部图中缺陷报告节点与修复者节点之间存在链接的概率。
-
Patent Agency Ranking
公开(公告)号：CN116644920A
公开(公告)日：2023-08-25
申请号：CN202310602514.3
申请日：2023-05-25
Applicant: 重庆邮电大学
IPC: G06Q10/0631 , G06Q50/06 , G06F16/215 , G06F16/2458
Abstract: 本发明涉及电力管理技术领域，特别涉及一种智能停电管理方法及系统，方法包括设置时间窗，获取当前时间前一个时间窗的历史数据；删除历史数据的异常值，并对历史数据中缺失的数据进行填补，构建模型历史用电数据集；根据模型历史用电数据集对所有用户进行集群划分；对每个集群进行人工打标，即为每个集群赋予用电优先级；根据用电优先级确定需提供必要持续用电量的用户范围，并按照上报数据为需提供必要持续用电量的用户提供必要持续用电量；本发明能够根据历史用电信息进行用户评级，对不同级别的用户进行科学停电，减少因停电带来重大的社会损失。
-
公开(公告)号：CN116524423A
公开(公告)日：2023-08-01
申请号：CN202211468059.4
申请日：2022-11-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向行为时序的工作流程识别方法，属于计算机视觉技术领域。建立针对不同应用场景下工作行为动作标签库，并进行行为识别；构建轻量化多目标跟踪模型，并进行人物身份识别，对视频中的人物进行跟踪；将人的身份和行为进行绑定，获得身份绑定后的行为序列；建立工作内容训练标签库，使用时序模型对行为序列的工作内容进行检查，从而判断该行为序列的工作内容；建立工作流程检查库，将确定工作内容的行为序列与工作流程检查库中属于同一工作内容的流程序列进行匹配，判断该行为序列的工作流程是否符合标准规范。本发明通过建立不同目标及其行为的关系链，用于复杂视频场景中工作人员工作流程规范性的检查和判断。
-
公开(公告)号：CN115801378A
公开(公告)日：2023-03-14
申请号：CN202211404705.0
申请日：2022-11-10
Applicant: 重庆邮电大学
Abstract: 本发明属于网络安全领域，具体涉及一种终端安全策略生成方法和系统，该系统包括：预处理模块、模式处理模块、周期处理模块、分组处理模块、策略生成模块；预处理模块将采集到的流量处理成可以利用的内部流量；模式处理模块将网络流按照合理网络连接数筛选；周期处理模块将网络流按周期性分组；分组处理模块对终端进行物理和逻辑上的分组；策略生成模块生成不同维度的安全策略。本发明从不同维度梳理、设置安全策略，用户可以根据自己的需求，选择不同细粒度的维度来生成更精确的终端策略，可以快速、便捷地批量生成安全策略，减少了用户手动梳理策略规则的复杂性，降低了人为操作上的失误和安全运维难度，用户使用更加方便，交互上更加友好。
-
公开(公告)号：CN114782078A
公开(公告)日：2022-07-22
申请号：CN202210347941.7
申请日：2022-04-01
Abstract: 本发明涉及一种针对高维数据的商业信息评估方法及系统，属于大数据领域。该方法为：S1：对商业信息评估涉及的高维数据进行预处理。S2：建立基于ECA‑Net注意力机制和FFM的CatNN，和基于LightGBM作为提升树的GBDT2NN。S3：输入类别型稀疏特征到改进的CatNN，计算其输入和损失函数，得到基于类别型稀疏特征的评估结果。S4：输入数值型稠密特征到改进的GBDT2NN，得到基于数值型稠密特征的评估结果。S5：集成改进的CatNN和GBDT2NN，用于实现高维数据下的商业信息评估。该方法针对高维数据下商业信息评估中涉及的不同类型特征进行了专门的改进处理，且实现了评估模型的在线更新。
-
公开(公告)号：CN114648099A
公开(公告)日：2022-06-21
申请号：CN202210348440.0
申请日：2022-04-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向纵向联邦学习的多方多类数据生成方法及系统，属于计算机中数据感知与重构领域。本发明包括：S1：建立以生成多方多类数据模型训练为目的纵向联邦学习训练数据集；S2：构建面向纵向联邦学习的双重条件生成对抗网络；S3：设计面向纵向联邦的双重条件生成对抗网络的多方损失函数；S4：建立面向纵向联邦学习的双重条件生成对抗网络的训练过程；S5：设计和实现基于双重条件生成对抗网络的多方多类数据生成方案。本发明提供了一种联合多方进行表格类数据集中样本特征维度和样本数量扩充的方法，联合多方构建高质量表格类训练数据集，满足大数据应用场景中机器学习模型训练的需求。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.046 seconds)
