-
公开(公告)号：CN106294590B
公开(公告)日：2019-05-31
申请号：CN201610614458.5
申请日：2016-07-29
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于半监督学习的社交网络垃圾用户过滤方法，将协同训练算法应用于社交网络垃圾用户检测。现有对社交网络中的海量信息进行的分类大多利用监督学习算法，该算法都是基于已标注数据建立的分类模型，但因社交信息规模庞大，标注数据所需人工成本巨大，且解决社交网络用户数据标注的方法不多。提出一种方法，借鉴协同训练算法，将多视图、多分类器运用到大量无标注或有少量标注的社交网络数据中，使不同视图上的分类器相互学习，实现数据标注的目的。
-
公开(公告)号：CN108399197A
公开(公告)日：2018-08-14
申请号：CN201810087257.3
申请日：2018-01-30
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明请求保护一种基于用户置信度和时间上下文的协同过滤推荐方法，涉及协同过滤推荐方法中用户之间相似度的计算。针对用户评分数据极端稀疏的情况下传统相似度度量方法的不足问题和用户兴趣动态变化情况，提出一种基于用户置信度和时间上下文的协同过滤推荐方法。首先，构造用户与项目之间的评分矩阵。其次，通过本发明提出的基于用户置信度和时间上下文相似度计算方法计算用户之间的相似度。然后，根据用户之间相似度排序的结果，选择最优的近邻用户集，或者设定一个相似度的阈值，选择超过阈值的用户作为目标用户的邻居。最后，获得目标用户地最近邻集合后，将相似度作为权重得到目标用户对未评分项目的预测，形成Top-N列表推荐给用户。
-
公开(公告)号：CN106770333A
公开(公告)日：2017-05-31
申请号：CN201710089935.5
申请日：2017-02-20
Applicant: 重庆邮电大学
IPC: G01N21/88 , G01N21/95 , G01N21/956
CPC classification number: G01N21/8851 , G01N21/95 , G01N21/956 , G01N2021/8874 , G01N2021/888 , G01N2021/8887 , G01N2021/95646
Abstract: 本发明公开了一种BGA缺陷自动检测方法，主要步骤包括：BGA图像采集，该BGA图像是完整的一幅图像，直接进行处理；图像预处理，使用中值滤波去噪，然后采用线性补偿亮度不均匀的方法减少图像亮度不均匀的影响；随后二值化图像并对轮廓处理得到去除背景的BGA图像，同时计算每个BGA轮廓的面积，对BGA外轮廓进行扩展，增加两个像素宽的外轮廓；使用Sobel算子得到二值化后的图像，从而计算出图像中气泡面积并判断气泡面积与原图像中BGA面积之比是否符合要求。上述BGA缺陷检测方法实现了真正的自动检测，方便快捷，精度高。
-
公开(公告)号：CN105785411A
公开(公告)日：2016-07-20
申请号：CN201610102351.2
申请日：2016-02-24
Applicant: 重庆邮电大学
IPC: G01S19/42
CPC classification number: G01S19/42
Abstract: 本发明提出了一种基于区域划分的异常轨迹检测方法，包括对移动对象的历史轨迹进行分类，然后对正常轨迹数据所在的区域进行划分；对区域划分后的轨迹进行区域单元扩展处理；对待检测的轨迹区域划分和扩展处理；查询出正常轨迹中与待检测轨迹具有相同起始区域单元和终止区域单元的轨迹集合，使用检测待检测轨迹每个组成区域单元在正常轨迹集合中的支持率，具有低支持率的区域单元进入异常区域单元集合中；比较异常区域单元集合的数量和正常轨迹集合中轨迹的组成区域单元数量的关系判断待检测轨迹的异常情况，再决定是否需要进一步对轨迹区域进行再划分检测。本发明根据轨迹的实际情况进行了区域再划分检测，提高检测准确率和效率。
-
公开(公告)号：CN105785411B
公开(公告)日：2018-10-12
申请号：CN201610102351.2
申请日：2016-02-24
Applicant: 重庆邮电大学
IPC: G01S19/42
Abstract: 本发明提出了一种基于区域划分的异常轨迹检测方法，包括对移动对象的历史轨迹进行分类，然后对正常轨迹数据所在的区域进行划分；对区域划分后的轨迹进行区域单元扩展处理；对待检测的轨迹区域划分和扩展处理；查询出正常轨迹中与待检测轨迹具有相同起始区域单元和终止区域单元的轨迹集合，使用检测待检测轨迹每个组成区域单元在正常轨迹集合中的支持率，具有低支持率的区域单元进入异常区域单元集合中；比较异常区域单元集合的数量和正常轨迹集合中轨迹的组成区域单元数量的关系判断待检测轨迹的异常情况，再决定是否需要进一步对轨迹区域进行再划分检测。本发明根据轨迹的实际情况进行了区域再划分检测，提高检测准确率和效率。
-
Patent Agency Ranking
公开(公告)号：CN108470075A
公开(公告)日：2018-08-31
申请号：CN201810325581.4
申请日：2018-04-12
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种面向排序预测的社会化推荐方法，该方法通过利用用户和项目隐含特征，进一步提高了排序预测的精度。首先利用PL模型将项目的潜在特征和使用LFM提取的用户潜在特征进行建模；之后利用用户作为信任者和受托者特征来构建多维信任模型；最后将两者联合建模，构建排序预测模型，接着对模型进行优化处理，从而得到最优的前N个推荐列表。该方法是在考虑社交网络结构信息的同时，将用户两个不同的角色作为信任者和受托者建模，从而将社会信息结合到推荐中，这使得数据稀疏的情况下也能带到达到优化推荐结果的目的。
-
公开(公告)号：CN106897413A
公开(公告)日：2017-06-27
申请号：CN201710090165.6
申请日：2017-02-20
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30743
Abstract: 本发明公开了一种基于和声搜索的混合特征选择方法，将过滤器与和声搜索的优点结合起来，形成一个混合系统。该系统能从大量用户原始特征集中选择最优特征子集，并将该特征子集用于社交网络中垃圾用户的分类和检测。目前，分类器的性能好坏取决于特征子集的选取,而特征选择问题可以被看作是优化问题，其目标是选择最佳的或接近最佳的特征子集。提出一种方法，利用滤波方法与和声算法的计算简单、迅速的优点实现最佳特征子集选取的目的。克服了过滤方法忽略特征之间依赖关系和包装器计算成本较高的缺点。
-
公开(公告)号：CN108427715A
公开(公告)日：2018-08-21
申请号：CN201810109014.5
申请日：2018-01-30
Applicant: 重庆邮电大学
Abstract: 本发明提出一种融合信任度的社交网络好友推荐方法，涉及到用户相似度、置信因子计算和融合。根据社交网络拓扑的推荐偏重于已认识的好友而忽略潜在感兴趣的好友，根据兴趣推荐偏重于推荐陌生用户，难以得到用户信任，同时这两种推荐都没有考虑用户在社交网络中的行为，极大的影响了推荐结果的准确性、可靠性和全面性。本发明提出一种综合考虑社交网络拓扑、用户兴趣和社交行为的推荐方法。首先，根据用户社交网络中共同邻居计算出社交相似度，根据关键字计算兴趣相似度，并进行线性组合。综合考虑用户社交拓扑和社交行为，计算出关系置信度和行为置信度，融合成置信因子。最后，将相似度和置信因子融合，提高相似度计算可信度，产生Top-N推荐列表。
-
公开(公告)号：CN106770333B
公开(公告)日：2020-08-04
申请号：CN201710089935.5
申请日：2017-02-20
Applicant: 重庆邮电大学
IPC: G01N21/88 , G01N21/95 , G01N21/956
Abstract: 本发明公开了一种BGA缺陷自动检测方法，主要步骤包括：BGA图像采集，该BGA图像是完整的一幅图像，直接进行处理；图像预处理，使用中值滤波去噪，然后采用线性补偿亮度不均匀的方法减少图像亮度不均匀的影响；随后二值化图像并对轮廓处理得到去除背景的BGA图像，同时计算每个BGA轮廓的面积，对BGA外轮廓进行扩展，增加两个像素宽的外轮廓；使用Sobel算子得到二值化后的图像，从而计算出图像中气泡面积并判断气泡面积与原图像中BGA面积之比是否符合要求。上述BGA缺陷检测方法实现了真正的自动检测，方便快捷，精度高。
-
公开(公告)号：CN107506455A
公开(公告)日：2017-12-22
申请号：CN201710755695.8
申请日：2017-08-29
Applicant: 重庆邮电大学
CPC classification number: G06F17/30867 , G06Q50/01
Abstract: 本发明提出一种融合用户社交圈相似度的好友推荐方法，涉及到社交网络社交圈识别、社交圈相似性计算和用户相似性计算，属于数据挖掘和推荐系统领域。提出一种方法，利用聚类方法，使用Fast Unfolding算法对用户好友进行社团划分进而计算出用户之间的社团相似度，选择Top-n，再根据用户属性，计算出用户之间的相似度。通过将用户社交圈相似度和用户相似度结合，计算出推荐列表，实现高精度的好友推荐。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
