-
公开(公告)号：CN116310963A
公开(公告)日：2023-06-23
申请号：CN202310167331.3
申请日：2023-02-27
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于自适应采样与推理的长视频高效识别系统与方法，解决对长的未裁剪视频的高效识别问题。本发明系统包括视频预处理模块、局部特征提取模块、全局语义推理模块和视频分类模块。本发明方法包括：将待识别视频预处理，输出尺寸标准化的视频帧序列；利用分层结构的局部特征提取模块定位不同的局部事件，利用全局语义推理模块在多个局部事件的基础上，推理整部视频全局的语义特征；利用视频分类模块映射输出视频分类分布。经试验验证，采用本发明的系统与方法，能更高效准确地完成对长的未裁剪视频的识别，解决长视频的高效识别问题，消除现有识别技术中心化的决策网络带来的弊端。
-
公开(公告)号：CN112231579B
公开(公告)日：2022-10-28
申请号：CN202011241879.0
申请日：2020-11-09
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/78
Abstract: 本发明提出一种基于隐式社群发现的社会化视频推荐系统与方法，属于社会化视频推荐技术领域。社会化视频推荐系统包括：弹幕评论采集模块、LDA主题聚类模块、随机游走模块、隐式社群发现模块、群组推荐模块和结果展示模块；方法包括：首先，从视频服务网站爬取用户的弹幕数据进行处理生成视频‑主题分布矩阵和主题‑词分布矩阵；然后，采用三元图法和聚类方法，获得各隐式社群对主题的喜好矩阵，并计算每个候选视频与喜好矩阵的相似度，按照相似度顺序选取视频推荐序列。本发明的社会化视频推荐系统及方法，建立了隐式社群推荐模型，结合弹幕文本信息，挖掘用户组成的隐式社群，能够缓解数据稀疏性，提升社会化视频推荐准确度。
-
公开(公告)号：CN112231579A
公开(公告)日：2021-01-15
申请号：CN202011241879.0
申请日：2020-11-09
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/78
Abstract: 本发明提出一种基于隐式社群发现的社会化视频推荐系统与方法，属于社会化视频推荐技术领域。社会化视频推荐系统包括：弹幕评论采集模块、LDA主题聚类模块、随机游走模块、隐式社群发现模块、群组推荐模块和结果展示模块；方法包括：首先，从视频服务网站爬取用户的弹幕数据进行处理生成视频‑主题分布矩阵和主题‑词分布矩阵；然后，采用三元图法和聚类方法，获得各隐式社群对主题的喜好矩阵，并计算每个候选视频与喜好矩阵的相似度，按照相似度顺序选取视频推荐序列。本发明的社会化视频推荐系统及方法，建立了隐式社群推荐模型，结合弹幕文本信息，挖掘用户组成的隐式社群，能够缓解数据稀疏性，提升社会化视频推荐准确度。
-
公开(公告)号：CN110351755A
公开(公告)日：2019-10-18
申请号：CN201910639303.0
申请日：2019-07-15
Applicant: 腾讯科技(深圳)有限公司 , 北京邮电大学
Abstract: 本申请是关于一种控制节点的方法及装置，属于通信领域。所述方法包括：将第一感知任务输入到规划模型，所述第一感知任务包括地图、至少一个感知节点在所述地图中的起始网格区域、每个感知节点在所述地图中的当前网格区域和续航里程，获取所述规划模型输出的所述每个感知节点在各自当前网格区域内的移动方向；根据所述每个感知节点在各自当前网格区域内的移动方向，分别确定每个感知节点被移动进入的网格区域；在所述第一感知任务中更新所述地图中的网格区域的权重，将所述每个感知节点的当前网格区域分别更新为所述每个感知节点被移动进入的网格区域以及减小所述每个感知节点的续航里程，得到用于输入到所述规划模型的第二感知任务。
-
公开(公告)号：CN106130624B
公开(公告)日：2018-11-23
申请号：CN201610633957.9
申请日：2016-08-04
Applicant: 北京邮电大学
IPC: H04B10/07
Abstract: 本发明实施例提供了一种光信噪比监测的方法和装置，其中，光信噪比监测的方法包括：获取带噪光信号的光功率谱密度、噪声的光功率谱密度、无噪信号的光功率谱密度；傅里叶逆变换分别得到带噪光信号光功率谱密度的自相关函数、噪声光功率谱密度的自相关函数、无噪信号光功率谱密度的自相关函数；归一化分别得到带噪光信号光功率谱密度的归一化自相关函数、噪声光功率谱密度的归一化自相关函数、无噪信号光功率谱密度的归一化自相关函数；通过第一预设公式，确定无噪信号的功率与噪声的功率的比值；根据比值，通过第二预设公式，监测带噪光信号的光信噪比。本发明实现了一种简单可行、计算量级小的最优光信噪比监测。
-
Patent Agency Ranking
公开(公告)号：CN105466871A
公开(公告)日：2016-04-06
申请号：CN201510968170.3
申请日：2015-12-21
Applicant: 北京邮电大学
IPC: G01N21/31
CPC classification number: G01N21/31
Abstract: 本发明实施例提供了一种气体浓度测量方法和传感器，所述气体浓度测量传感器包括：气室，用于传输待检测气体；输入直波导，用于将光源发出的光耦合进入环状波导；环状波导，用于将光耦合进入输出波导，所述环状波导的半径根据确定，其中，r是环状波导的半径，λres是对应待检测气体对光的吸收峰的环状波导的透射峰，neff是环状波导的有效折射率，Lring是环状波导的长度，m为正整数；输出波导，用于将光耦合输出。本发明实施例提供的气体浓度测量传感器使用波导结构，大大减小了气体浓度测量传感器的体积，可以用在集成光学中。
-
公开(公告)号：CN119544118A
公开(公告)日：2025-02-28
申请号：CN202411492141.X
申请日：2024-10-24
Applicant: 北京理工大学 , 北京邮电大学 , 中国电信集团卫星通信有限公司
IPC: H04B17/391 , H04J14/02 , H04Q11/00 , H04B10/25 , H04L27/34
Abstract: 本发明公开的一种用于无源光网络通信系统的信道构建方法，属于光纤通信领域。本发明实现方法为：基于同步处理后的M‑QAM信号序列，当前的M‑QAM信号被视为真实数据。条件向量和真实数据被组合用于构建训练数据集，构建用于无源光网络系统信道构建的TFPNet网络模型。TFPNet网络模型以真实数据和条件向量的组合作为输入特征序列进行训练，充分地处理信号特征，在处理当前时刻信号数据时，能够结合利用训练数据中的前序信号数据信息，对信号数据序列进行序列化特征融合，更好地表征当前信号与前序信号之间的非线性干扰关系。本发明具有更低的计算复杂度，能高效率恢复模分复用系统中传输的数据符号，补偿无源光网络光通信系统中的线性损伤与非线性损伤。
-
公开(公告)号：CN118972018A
公开(公告)日：2024-11-15
申请号：CN202410960276.8
申请日：2024-07-17
Applicant: 北京理工大学 , 北京邮电大学 , 中国电信集团卫星通信有限公司
IPC: H04J14/00 , G06F17/15 , G06F17/16 , H04L41/16 , H04L41/142
Abstract: 一种快速随机卷积核变换的光纤传输非线性补偿方法，属于光纤通信技术领域。采用多样的随机卷积核对信号进行卷积变换提取时序特征，能够针对传输系统的信号损伤特点，进行非线性损伤补偿；通过卷积核权重设置，将卷积运算过程中的乘法转换为加法，实现高效快速的卷积变换；通过不同膨胀系数的设置，多尺度地提取信号的时序特征，从而提取到信号的长期时序依赖关系，有助于接收信号的损伤补偿和信号识别；经过快速随机卷积核变换后，仅需要一个简单的线性分类器就能够对损伤信号进行非线性补偿，避免了多层神经网络的结构设计和大量的计算开销。本发明适用于光纤通信技术领域，实现低复杂度、高准确度的损伤补偿，提升光通信系统的通信质量。
-
公开(公告)号：CN116455813A
公开(公告)日：2023-07-18
申请号：CN202310306884.2
申请日：2023-03-24
Applicant: 北京邮电大学
IPC: H04L45/645 , H04L69/06 , H04L69/12 , H04L69/22
Abstract: 本发明是一种意图驱动智能路由转发系统与方法，涉及计算机网络领域。本发明系统在接纳控制设备上配置意图驱动智能体封装模块，在计算转发节点上配置解析执行引擎；网络架构中的主要转发节点分为普通转发节点和计算转发节点，计算转发节点能提供网络数据流中的网络分组智能体的封装与计算环境，而普通节点提供常规报文转发能力。本发明方法中，封装了意图驱动智能体的网络数据流到达计算转发节点后，根据当前网络状态判断是否执行解析执行引擎，使得网络数据流能够主动、智能地控制自身转发行为。本发明将用户的意图如网络需求、路由转发控制代码封装到网络分组中，让其在拥有计算能力的路由节点中执行，使IP网络在转发过程中更加主动与智能。
-
公开(公告)号：CN108108353B
公开(公告)日：2020-11-10
申请号：CN201711378169.0
申请日：2017-12-19
Applicant: 北京邮电大学
IPC: G06F40/289 , G06F40/284 , G06F16/78 , H04N21/4788 , H04N21/488 , H04N21/84 , H04N21/845
Abstract: 本发明实施例提供了一种基于弹幕的视频语义标注方法，包括：获得目标视频弹幕中的所有词语及对应的时间戳；将目标视频平均划分为预设数量个时间片；根据预设的词语与主题及情节的概率对应关系，生成包含每个时间片对应的主题的初始主题集合及包含每个时间片对应的情节的初始情节集合；生成字典词汇集合及词汇分布矩阵；计算所述字典词汇集合的时间先验信息；使用预设的弹幕词汇的全概率公式，计算每个字典词汇对应各个主题和情节的概率；生成所述时间片的情节‑主题分布矩阵；将相邻的相似时间片合并为一个时间片；确定各个时间片对应的情节；对目标视频进行标注。应用本发明实施例提供的方案进行视频语义标注，使得对视频语义的标注更加准确。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.03 seconds)
