一种面向离散接收功率的动态精度无线定位方法

    公开(公告)号:CN111601263A

    公开(公告)日:2020-08-28

    申请号:CN202010399909.4

    申请日:2020-05-13

    摘要: 本发明公开一种面向离散接收功率的动态精度无线定位方法,包括如下步骤:步骤1、构建静态定位的指纹数据库:步骤2、依据指纹单元的相近程度,通过迭代反复分割高差异度的指纹单元,进行动态调整、提高指纹单元的定位精度,重建指纹数据库;步骤3、根据欧式距离判断目标节点的估计位置,计算前、后相邻位置估计候选点间的概率值,建立运动路径上节点位置的概率树,并计算节点运动路径上的累计概率,最终完成目标定位、确定节点的运动轨迹。本发明基于低功耗、低成本、弱感知芯片传感器,能够在不依赖传感器节点部署的环境下,动态提高室内定位系统的定位精度,实现目标节点定位,并获得节点的最优运动轨迹。

    一种面向离散接收功率的动态精度无线定位方法

    公开(公告)号:CN111601263B

    公开(公告)日:2021-12-14

    申请号:CN202010399909.4

    申请日:2020-05-13

    摘要: 本发明公开一种面向离散接收功率的动态精度无线定位方法,包括如下步骤:步骤1、构建静态定位的指纹数据库:步骤2、依据指纹单元的相近程度,通过迭代反复分割高差异度的指纹单元,进行动态调整、提高指纹单元的定位精度,重建指纹数据库;步骤3、根据欧式距离判断目标节点的估计位置,计算前、后相邻位置估计候选点间的概率值,建立运动路径上节点位置的概率树,并计算节点运动路径上的累计概率,最终完成目标定位、确定节点的运动轨迹。本发明基于低功耗、低成本、弱感知芯片传感器,能够在不依赖传感器节点部署的环境下,动态提高室内定位系统的定位精度,实现目标节点定位,并获得节点的最优运动轨迹。

    一种课程推荐方法及相关设备

    公开(公告)号:CN116384840B

    公开(公告)日:2023-08-22

    申请号:CN202310613041.7

    申请日:2023-05-29

    IPC分类号: G06Q10/0639 G06Q50/20

    摘要: 本发明提供了一种课程推荐方法及相关设备,包括:获取目标课程平台的运行数据及目标院校的基础课程数据,对运行数据中的课程数据进行等级划分,得到课程等级划分结果、院校等级划分结果、教师等级划分结果;分别针对课程等级划分结果、院校等级划分结果和教师等级划分结果,计算每门课程的课程等级权重、选课流量权重和课程教师权重;计算每门课程的综合权威度对所有课程进行排名,得到排名结果;根据排名结果和院校等级划分结果计算目标院校与其他院校之间的相似度;根据相似度和选课人数,计算满足目标院校的选课要求的课程的推荐度得到目标院校的课程推荐结果;提升了课程推荐的准确率,帮助需要选课的院校获取最适合的在线课程。

    一种课程推荐方法及相关设备

    公开(公告)号:CN116384840A

    公开(公告)日:2023-07-04

    申请号:CN202310613041.7

    申请日:2023-05-29

    IPC分类号: G06Q10/0639 G06Q50/20

    摘要: 本发明提供了一种课程推荐方法及相关设备,包括:获取目标课程平台的运行数据及目标院校的基础课程数据,对运行数据中的课程数据进行等级划分,得到课程等级划分结果、院校等级划分结果、教师等级划分结果;分别针对课程等级划分结果、院校等级划分结果和教师等级划分结果,计算每门课程的课程等级权重、选课流量权重和课程教师权重;计算每门课程的综合权威度对所有课程进行排名,得到排名结果;根据排名结果和院校等级划分结果计算目标院校与其他院校之间的相似度;根据相似度和选课人数,计算满足目标院校的选课要求的课程的推荐度得到目标院校的课程推荐结果;提升了课程推荐的准确率,帮助需要选课的院校获取最适合的在线课程。

    一种基于动态纹理特征和时间分片权重网络的检测方法

    公开(公告)号:CN115831352A

    公开(公告)日:2023-03-21

    申请号:CN202211547658.5

    申请日:2022-12-05

    摘要: 本发明公开了一种基于动态纹理特征和时间分片权重网络的检测方法,包括以下步骤:获取视频数据、音频数据、文本数据,对文本数据进行预处理,获得文本句向量;基于音频数据、视频数据,获得对应的音频特征、人脸动态纹理特征;对文本句向量、音频特征、人脸动态纹理特征进行归一处理,获得目标文本句向量、目标音频特征、目标人脸动态纹理特征;对目标文本句向量、目标音频特征、目标人脸动态纹理特征进行融合处理,获得融合特征;将融合特征输入到全连接层进行线性回归,获得单位分片的抑郁分数、权重;基于单位分片的抑郁分数、权重,进行抑郁检测。本发明能有效去除非显性抑郁特征,有效地提高了抑郁症的检测精度。

    一种基于离散余弦变换的屏幕内容图像质量评价方法

    公开(公告)号:CN114067006B

    公开(公告)日:2022-04-08

    申请号:CN202210047067.5

    申请日:2022-01-17

    IPC分类号: G06T7/90 G06T7/11 G06V10/80

    摘要: 本发明公开了一种基于离散余弦变换的屏幕内容图像质量评价方法,包括:将失真屏幕内容图像进行色彩空间转换,分离出灰度分量和彩色分量;彩色分量特征提取;灰度分量特征提取;根据彩色分量提取的统计特征、以及灰度分量提取的方向梯度直方图特征、均值特征、梯度特征和方差特征,得到图像特征向量,将图像特征向量与失真屏幕内容图像的平均意见得分值建立回归映射关系,构建随机森林模型,并训练随机森林模型;将待测的失真屏幕内容图像输入至训练完成的随机森林模型中,输出失真屏幕内容图像的质量分数;该方法采用无参考的方式将屏幕内容图像的彩色分量和灰度分量相关特征相融合,进而进行高精度图像质量评价。

    一种基于Wi-Fi信道状态信息CSI的人体行为识别方法

    公开(公告)号:CN111262637B

    公开(公告)日:2021-09-28

    申请号:CN202010043345.0

    申请日:2020-01-15

    IPC分类号: H04B17/30 H04W4/33 G06K9/62

    摘要: 本发明公开了一种基于Wi‑Fi信道状态信息CSI的人体行为识别方法,包括:采集不同动作的CSI数据,对CSI数据的实部和虚部的平方和求根号求得对应的幅值;将计算得出的幅值按照子信道序号排序得到CSI序列;利用LPC计算公式对CSI序列提取LPC系数;根据LPC系数利用SVM分类器训练分类模型;利用训练好的分类模型对未知的CSI序列进行识别。本发明根据不同行为动作下CSI信号变化的特性,将LPC特征用于表达不同动作下CSI幅值曲线的变化趋势,具有良好的人体行为识别效果,提高了基于Wi‑Fi的人体行为识别精度。

    一种基于Wi-Fi信道状态信息CSI的人体行为识别方法

    公开(公告)号:CN111262637A

    公开(公告)日:2020-06-09

    申请号:CN202010043345.0

    申请日:2020-01-15

    IPC分类号: H04B17/30 H04W4/33 G06K9/62

    摘要: 本发明公开了一种基于Wi-Fi信道状态信息CSI的人体行为识别方法,包括:采集不同动作的CSI数据,对CSI数据的实部和虚部的平方和求根号求得对应的幅值;将计算得出的幅值按照子信道序号排序得到CSI序列;利用LPC计算公式对CSI序列提取LPC系数;根据LPC系数利用SVM分类器训练分类模型;利用训练好的分类模型对未知的CSI序列进行识别。本发明根据不同行为动作下CSI信号变化的特性,将LPC特征用于表达不同动作下CSI幅值曲线的变化趋势,具有良好的人体行为识别效果,提高了基于Wi-Fi的人体行为识别精度。

    一种基于分档功率通信芯片的无线传感器的部署方法

    公开(公告)号:CN111246413A

    公开(公告)日:2020-06-05

    申请号:CN202010042326.6

    申请日:2020-01-15

    摘要: 本发明公开一种基于分档功率通信芯片的无线传感器的部署方法,包括如下步骤:S1、在感知区域内的传感器节点选取要定位的目标作为目标节点,在目标节点周围选取若干个参考节点,然后计算目标节点与每一个参考节点间的欧氏距离、功率档值,在利用所述功率档值构建目标节点的指纹信号;S2、将指纹信号作为对象,参考节点作为属性,构造最小属性约简模型;S3、利用二进制粒子群算法求解出参考节点的最小化数量。本发明将弱感知能力的通信芯片广泛使用,大大降低了成本。

    基于联邦学习的数据审计系统、方法、计算机设备及介质

    公开(公告)号:CN116596094A

    公开(公告)日:2023-08-15

    申请号:CN202310627903.1

    申请日:2023-05-30

    IPC分类号: G06N20/00 H04L67/1097

    摘要: 本发明公开了一种基于联邦学习的数据审计系统、方法、设备及介质,该系统包括:密钥管理模块、模型买家节点、计算节点、聚合节点和代理节点集群;其中,密钥管理模块生成的密钥包括分片公钥、分片私钥、联合私钥、联合公钥;模型买家节点用于发布待训练模型参数与提供测试集;每个计算节点进行本地模型训练,得到本地梯度,并使用注册后代理节点分发的分片公钥进行梯度加密,得到本地梯度密文;聚合节点用于对本地梯度密文进行解密并同态聚合,得到聚合梯度,并对聚合梯度进行加密,得到聚合梯度密文;代理节点集群用于对本地梯度密文与聚合梯度密文解密,并通过得到的解密明文进行测试,确定参数审计结果。提高数据审计的安全性和效率。