-
公开(公告)号：CN119047520A
公开(公告)日：2024-11-29
申请号：CN202411198721.8
申请日：2024-08-29
Applicant: 重庆邮电大学
IPC: G06N3/0475 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/084 , G06N20/00 , G06F18/214
Abstract: 本发明涉及一种基于纵向联邦学习的参与方对齐样本生成系统，属于数据生成填补技术领域，包括：多方属性相关性矩阵构建模块：用于将多个参与方的样本数据集进行对齐，并计算各参与方之间每个属性的相关性，构建多方属性相关性矩阵；属性对对应关系建立模块：用于根据多方属性相关性矩阵，分别从对齐样本数据集的各方中找出具有强相关性的属性对，建立该属性对中两个属性列所有取值间的对应关系；缺失值生成模块：用于根据对应关系，建立两个属性列取值的关联规则，对参与方属性列的缺失值进行生成；生成对抗填补模块：利用参与方数据样本和生成的属性列缺失值对参与方剩余属性列的缺失值进行生成填补，获得完整的多方联合对齐样本数据集。
-
公开(公告)号：CN117110971A
公开(公告)日：2023-11-24
申请号：CN202310868442.7
申请日：2023-07-14
Applicant: 重庆邮电大学
IPC: G01R35/04 , G06N3/0442
Abstract: 本发明涉及电力系统领域，特别涉及一种基于深度学习的电表异常操作检测方法及系统，方法包括：远端服务器运行初期收集发送给集中器的控制命令，当收集的数据量达到规定则对收集的数据进行聚类；通过聚类得到多个聚类中心的信息并发送给集中器，集中器通过计算控制指令与各个聚类中心的距离判断该数据标签是否异常；集中器收集标签为异常的数据，若数据量达到第二阈值，则将收集的数据作为第二数据集，利用该数据集对GRU模型进行训练，并将完成训练的模型参数发送给集中器；集中器根据收到的模型参数更新本地模型，并根据更新后的模型对收到的控制命令进行检测；本发明可以有效检测新型攻击或恶意篡改等异常操作。
-
公开(公告)号：CN116612768A
公开(公告)日：2023-08-18
申请号：CN202310450468.X
申请日：2023-04-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种用于电表安装的语音辅助系统及方法，包括：数据获取模块、声纹特征提取模块、语音分析模块、权限模块、命令生成模块、通讯模块、语音播报模块、存储模块；基于语音智能的辅助安装、调试电表方法和系统，建立了安装人员语音与电表之间的交互关系，使得安装人员能用语音辅助电表的安装和调试；将语音与声纹识别相结合，避免了非安装人员的语音干扰，减少了误操作的发生；将安装人员声音特征转化为声纹特征向量并存储，在进行声纹识别时直接调用，无需重复进行转化过程；本发明能够直接在便携终端和电表之间进行通讯，并能够同步电表和远程服务器二者的信息，提高安装人员的安装效率和安装人员的安全。
-
公开(公告)号：CN116227905A
公开(公告)日：2023-06-06
申请号：CN202310183123.2
申请日：2023-03-01
Applicant: 重庆邮电大学
IPC: G06Q10/0633
Abstract: 本发明涉及一种针对非自由选择结构的流程模型结构性评估方法，属于信息系统流程挖掘领域，S1：选择含有非自由选择结构的信息系统，提取系统中的事件日志数据并过滤、处理，使事件日志符合流程发现的标准，并使用流程发现算法对事件日志进行挖掘；S2：输入含有非自由选择结构的原始模型和挖掘模型，使用深度优先搜索算法遍历模型中的任务，得到原始模型和挖掘模型对应的任务对集合，并将任务对集合初始化为对应的足迹矩阵；S3：使用广度优先搜索遍历原始模型和挖掘模型，得到两个模型对应的紧邻关系集合和平行关系集合，并映射到足迹矩阵中，统计足迹矩阵中“紧邻关系”和“平行关系”的数量，代入结构性评估公式得到结构性评估值。
-
公开(公告)号：CN113239199B
公开(公告)日：2022-09-23
申请号：CN202110541128.9
申请日：2021-05-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多方数据集的信用分类方法，属于数据挖掘领域。本发明方法包括：输入信用评估相关的多方数据集；对多个数据集数据进行数据预处理，解决原始数据集中存在的多种问题，并得到标准输入数据集；利用机器学习中的聚类算法与数据生成算法，将多个数据集进行对齐，得到对齐后的新数据集；将文本类型特征与数值类型特征分别输入到两个模型中单独训练；最后结合两个模型中的训练结果，使用逻辑回归方法计算最终两个模型权重，并输出最终的评估结果。本发明通过引入数据对齐方法与信用评估算法解决多个信用数据集中样本数量无法对齐的问题，提高了可被用于训练的样本数量，减少了由于训练样本不足带来的机器学习模型分类无法收敛的问题。
-
Patent Agency Ranking
公开(公告)号：CN109003312B
公开(公告)日：2022-01-28
申请号：CN201810973318.6
申请日：2018-08-24
Applicant: 重庆邮电大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于非线性优化的相机标定方法，属于图像处理技术领域。该方法包括以下步骤：S1：获取数据：制作棋盘格标定板，并测量各方格的尺寸，从不同角度拍摄两张以上照片；S2：计算单应矩阵；S3：计算内参数、外参数和畸变因数的初始值；S4：用非线性优化方法精化计算结果。本发明在张正友标定算法的基础上，引入知识和约束条件，使得搜索范围更小，从而减小陷入局部最优的可能性，使算法更稳定；并且只需要打印一个棋盘格图形，测量其尺寸就可以标定相机，其精度明显优于比经典的张正友算法。
-
公开(公告)号：CN115424347B
公开(公告)日：2025-04-11
申请号：CN202211072684.7
申请日：2022-09-02
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种理发店员工工作内容智能识别方法，属于机器视觉技术领域，包括以下步骤：S1：采集设备安装位置和安装条件的设置；S2：建立理发员工人脸、顾客人脸标签库，并训练人脸识别模型；S3：建立与物品、工具和人相关的动作标签库，并进行理发店动作行为识别模型训练；S4：利用训练好的人脸识别模型、理发店动作行为识别模型，用于实际理发服务场景进行动作行为识别。构建顾客、员工、动作几个要素的“动作对”行为时序；S5：建立工作内容识别标签，构建工作内容识别的深度神经网络模型，用以确定理发店员工对顾客的服务工作内容。本发明通过理发店员工工作内容智能识别方法，辅助实现理发店有效地智能化管理。
-
公开(公告)号：CN114677200B
公开(公告)日：2024-06-21
申请号：CN202210368272.1
申请日：2022-04-01
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/958 , G06F21/60 , G06N20/10
Abstract: 本发明涉及一种基于多方高维数据纵向联邦学习的商业信息推荐方法及装置，属于大数据技术领域，包括以下步骤：S1：创建同态加密的密钥对。进行多方数据的预处理和加密样本对齐；S2：构建纵向联邦LightGBM模型；S3：将纵向联邦LightGBM模型转换成神经网络，作为纵向联邦ECA‑DeepGBM模型的GBDT2NN部分；S4：纵向联邦ECA‑DeepGBM模型CatNN部分前馈过程计算；S5：构建损失函数及模型整体训练，基于训练好的高维数据分类预测模型，实现基于多方高维数据的商业信息推荐。本发明通过多方数据增加特征维度的方式，以达到进行精准商业信息推荐的目的。
-
公开(公告)号：CN117437677A
公开(公告)日：2024-01-23
申请号：CN202311398873.8
申请日：2023-10-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于跨模态融合的多模态人脸防伪检测方法、装置、设备及介质，属于人脸防伪技术领域。该检测方法通过包括RGB、IR以及深度在内的多模态人脸图像进行处理，以获得融合特征的跨模态特征图，具体地，对RGB、IR、深度人脸图像进行多尺度特征提取得到多尺度特征图，再对不同模态的多尺度特征图进行跨模态特征融合处理得到跨模态特征图，基于跨模态特征图进行拼接处理得到目标跨模态特征图，即可根据目标跨模态特征图判断多模态人脸图像是否为真实人脸图像。本发明通过将不同模态间的人脸图像进行跨模态的特征融合处理，能够获得全面、多尺度、具有互补性的目标跨模态特征图，有利于提升人脸防伪技术的准确率。
-
公开(公告)号：CN116778570A
公开(公告)日：2023-09-19
申请号：CN202310508297.1
申请日：2023-05-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种针对小样本场景的行为迁移学习识别方法，属于机器视觉技术领域，包括以下步骤：S1：构建正样本数据集，其包括数据丰富的源域正样本数据集和小样本的目标域正样本数据集；S2：将正样本数据集进行空间信息变换和时序信息打乱，以构建负样本数据集；S3：构建基于SlowFast改进的行为识别迁移学习模型，增强视频的时序信息并实现从源域向目标域迁移的功能；S4：使用源域和目标域的正样本数据集与负样本数据集对所述基于SlowFast改进的行为识别迁移学习模型进行训练，以获得在目标域上泛化的行为识别模型；S5：利用训练完成行为识别模型在实际场景中进行行为识别。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.024 seconds)
