-
公开(公告)号：CN113499066B
公开(公告)日：2024-05-03
申请号：CN202110790355.5
申请日：2021-07-13
Applicant: 西安邮电大学 , 西安碧海蓝天电子信息技术有限公司
Abstract: 本发明涉及一种基于DTW步态差异的多节点跌倒预警方法及系统，方法包括：获取多个采集点的加速度数据；所述采集点包括腰部及脚踝；所述脚踝包括左脚踝和右脚踝；根据所述加速度数据确定采集点的合加速度；根据所述腰部的合加速度利用DTW算法确定稳定系数；根据所述脚踝的合加速度利用DTW算法确定平衡系数；根据所述稳定系数和所述平衡系数利用KNN算法确定是否发出跌倒预警。本发明能够实现在行走不稳时进行准确预警从而避免发生跌倒。
-
公开(公告)号：CN113709841A
公开(公告)日：2021-11-26
申请号：CN202110795971.X
申请日：2021-07-14
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于布谷鸟算法和K‑means算法的WSN路由协议方法，以轮为单位运行，每轮包括：一、成簇阶段：确定最优簇首数k，采用基于布谷鸟算法优化的K‑means算法进行分簇，得到k个簇及每个簇内的节点；二、对每个簇内的节点根据选举函数得到选举值，k个簇按照选举值选出每个簇的簇首；三、数据传输阶段：每个簇内的所述簇首接收、融合簇内节点数据，然后根据所述簇首到基站距离采用单跳或多跳的方式向基站发送数据；簇首采用多跳时，利用布谷鸟算法为簇首规划路由。本发明采用布谷鸟算法优化K‑means算法的初始聚类中心，使网络分簇更加均匀，以均衡网络能耗，选举的簇首更具合理性，通过规划簇首路由降低了簇首因长距离传输数据消耗的能量。
-
公开(公告)号：CN113573280A
公开(公告)日：2021-10-29
申请号：CN202110636429.X
申请日：2021-06-08
Applicant: 西安邮电大学
Abstract: 本发明属于无线通信技术领域，公开了一种车辆边缘计算成本效益优化方法、系统、设备、终端，所述车辆边缘计算成本效益优化方法包括：初始化参数；根据本地执行的可行性以及任务处理最大时延进行卸载决策优化；进行MEC模型优化：通过协同优化用户分簇、子载波分配、计算资源分配及功率控制策略，使得卸载到MEC处理任务的用户的成本最小；进行云中心模型优化：通过协同优化计算资源分配和功率控制，最小化卸载到云中心处理任务的用户的成本。通过以上优化，本发明能够在保证用户任务处理时延的QoS需求的条件下，使得系统总成本最小化，使得尽可能多的用户任务得以执行，为用户节省尽可能多的成本，可应用于多种需要大容量、低成本的车联网场景中。
-
公开(公告)号：CN113499066A
公开(公告)日：2021-10-15
申请号：CN202110790355.5
申请日：2021-07-13
Applicant: 西安邮电大学 , 西安碧海蓝天电子信息技术有限公司
Abstract: 本发明涉及一种基于DTW步态差异的多节点跌倒预警方法及系统，方法包括：获取多个采集点的加速度数据；所述采集点包括腰部及脚踝；所述脚踝包括左脚踝和右脚踝；根据所述加速度数据确定采集点的合加速度；根据所述腰部的合加速度利用DTW算法确定稳定系数；根据所述脚踝的合加速度利用DTW算法确定平衡系数；根据所述稳定系数和所述平衡系数利用KNN算法确定是否发出跌倒预警。本发明能够实现在行走不稳时进行准确预警从而避免发生跌倒。
-
公开(公告)号：CN111142063A
公开(公告)日：2020-05-12
申请号：CN202010008873.2
申请日：2020-01-06
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于降维优化的快速压缩感知低空目标测角方法，步骤1，将多径反射波入射角θr用直达波入射角θd表示；步骤2，将垂直放置的一维N元均匀线性阵列雷达的复合导向矢量阵A(θd,θr)表示为只包含一维变量θd的复合导向矢量阵步骤3，垂直放置的一维N元均匀线性阵列雷达，每个阵元分别接收L个快拍回波数据，整个雷达阵列接收回波数据为X；步骤4，获得归一化复合地面反射系数 步骤5，构造超完备冗余字典 步骤6，对阵列接收回波数据X进行优化降维抽取；步骤7，计算重构的最小的稀疏信号Scmin；步骤8，获得目标俯仰角的最佳估计值该方法计算简便、实时性强、估计精度高，能够实现在多径环境下对低空、超低空目标俯仰角的高精度、快速测量。
-
Patent Agency Ranking
公开(公告)号：CN114880465B
公开(公告)日：2024-11-05
申请号：CN202210313143.2
申请日：2022-03-28
Applicant: 西安邮电大学
IPC: G06F16/35 , G06F40/289 , G06N3/006 , G06N3/0442 , G06N3/08 , G06F18/243 , G06F18/2411
Abstract: 本发明公开了基于粒子群算法优化正则化极限学习机的文本情感分析方法。包括以下步骤：(1)获取待分析数据的文本信息,对所述文本信息进行预处理得到文本词汇；(2)将文本词汇采用skip‑gram模型基于同领域数据集语料库进行词向量训练得到文本词向量；(3)利用粒子群算法将正则化极限学习机的参数初始化为一群随机粒子，然后通过迭代确定最佳参数，得到粒子群算法优化正则化极限学习机；(4)将文本词向量输入粒子群算法优化正则化极限学习机，对文本信息进行情感分类。本发明提出采用粒子群算法对正则化极限学习机的三种超参数在一定范围内进行寻优。在使运算精度得以提升的同时，使得网络结构更加紧凑。此外，保证了模型良好的泛化性能。
-
公开(公告)号：CN113573280B
公开(公告)日：2023-09-19
申请号：CN202110636429.X
申请日：2021-06-08
Applicant: 西安邮电大学
Abstract: 本发明属于无线通信技术领域，公开了一种车辆边缘计算成本效益优化方法、系统、设备、终端，所述车辆边缘计算成本效益优化方法包括：初始化参数；根据本地执行的可行性以及任务处理最大时延进行卸载决策优化；进行MEC模型优化：通过协同优化用户分簇、子载波分配、计算资源分配及功率控制策略，使得卸载到MEC处理任务的用户的成本最小；进行云中心模型优化：通过协同优化计算资源分配和功率控制，最小化卸载到云中心处理任务的用户的成本。通过以上优化，本发明能够在保证用户任务处理时延的QoS需求的条件下，使得系统总成本最小化，使得尽可能多的用户任务得以执行，为用户节省尽可能多的成本，可应用于多种需要大容量、低成本的车联网场景中。
-
公开(公告)号：CN113709841B
公开(公告)日：2023-08-11
申请号：CN202110795971.X
申请日：2021-07-14
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于布谷鸟算法和K‑means算法的WSN路由协议方法，以轮为单位运行，每轮包括：一、成簇阶段：确定最优簇首数k，采用基于布谷鸟算法优化的K‑means算法进行分簇，得到k个簇及每个簇内的节点；二、对每个簇内的节点根据选举函数得到选举值，k个簇按照选举值选出每个簇的簇首；三、数据传输阶段：每个簇内的所述簇首接收、融合簇内节点数据，然后根据所述簇首到基站距离采用单跳或多跳的方式向基站发送数据；簇首采用多跳时，利用布谷鸟算法为簇首规划路由。本发明采用布谷鸟算法优化K‑means算法的初始聚类中心，使网络分簇更加均匀，以均衡网络能耗，选举的簇首更具合理性，通过规划簇首路由降低了簇首因长距离传输数据消耗的能量。
-
公开(公告)号：CN115525836A
公开(公告)日：2022-12-27
申请号：CN202210969801.3
申请日：2022-08-12
Applicant: 西安邮电大学
IPC: G06F16/9536 , G06N3/08
Abstract: 本发明公开了一种基于自监督的图神经网络推荐方法和系统，推荐方法包括以下步骤：S1、获取用户和项目交互数据，构成二部图；S2、通过流行偏差减少法将数据增强生成两个视角的增强数据；S3、对增强数据进行编码，分别生成向量Z′和向量Z″；S4、采用损失函数对向量Z′和向量Z″进行训练，获得图神经网络推荐模型；S5、基于图神经网络推荐模型对用户推送感兴趣的项目信息。本发明采用与领域相关的数据增强方式，使增强后的数据能够最大程度地保留推荐任务所需的信息，然后对增加数据编码，并采用损失函数进行迭代训练，得到图神经网络推荐模型，损失函数可以有效解决随机负采样问题，同时避免模型的联合训练。
-
公开(公告)号：CN114331931A
公开(公告)日：2022-04-12
申请号：CN202111428200.3
申请日：2021-11-26
Applicant: 西安邮电大学
Abstract: 本发明涉及一种基于注意力机制的高动态范围多曝光图像融合方法，属于图像处理技术领域。首先，将目标场景两张不同曝光图像分别输入到结构相同的两组特征提取模块中，获得目标场景两张不同曝光图像对应的两组高维特征图。随后将上述两组高维特征图作为输入分别送入相应的注意力机制模块，以突出融合有利的图像特征，抑制欠饱和、过饱和等低质量区域的特征，得到重建融合图像所需的纯净高维特征。特征重建模块将注意力机制模块输出的两组不同曝光图像的高维特征融合重建为高动态范围图像。本发明方法提高了高动态范围多曝光图像融合的质量和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.018 seconds)
