-
公开(公告)号：CN119834326A
公开(公告)日：2025-04-15
申请号：CN202510020708.1
申请日：2025-01-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于V2G技术的商场放电系统，包括：流量分析模块，用于根据商业区的历史电力数据，实时预测未来时间段T内商业区的用电负荷情况；数据采集模块，用于计算电动汽车用户的里程焦虑状态；行为分析模块，用于计算电动汽车用户被引导的概率；行为引导模块，响应于电动汽车用户对充放电请求的回复信息，在电动汽车用户到达商业区时将电动汽车用户引导到对应的商业区负荷节点；放电调节模块，用于根据商业区在未来时段T内的用电负荷情况计算电动汽车用户在商业区负荷节点的放电功率和放电时间，提示电动汽车用户进行放电。本发明能够减小了电网的管理难度和运营成本，确保电网的稳定运行。
-
公开(公告)号：CN118212003A
公开(公告)日：2024-06-18
申请号：CN202410414002.9
申请日：2024-04-08
Applicant: 重庆邮电大学
IPC: G06Q30/0202 , G06Q50/06 , G06V40/16 , G06F18/10 , G06F18/213 , G06F18/24
Abstract: 本发明属于充电行为预测技术领域，具体涉及一种电动汽车用户的充电行为预测方法及系统，包括：获取用户的面部图像、用户的生理信号、用户的视线数据以及道路环境；根据用户的生理信号确定用户的第一焦虑状态因素，根据用户的视线数据确定用户的第二焦虑状态因素，根据用户面部图像确定用户的第三焦虑状态因素；根据第一焦虑状态因素、第二焦虑状态因素以及第三焦虑状态因素确定用户充电意图；将用户充电意图和道路环境输入到训练后的用户充电行为预测模型中，得到用户充电行为预测结果；本发明通过用户的面部图像、用户的生理信号以及用户的视线数据获取当前用户的焦虑状态因素，根据焦虑因素确定用户的充电意图，从而提高了用户充电行为预测的准确度。
-
公开(公告)号：CN117547273A
公开(公告)日：2024-02-13
申请号：CN202311523867.0
申请日：2023-11-14
Applicant: 重庆邮电大学
IPC: A61B5/18 , A61B5/0205 , G06F18/2411 , G06F18/214 , G06N3/006 , A61B5/369 , A61B5/398 , A61B5/318 , A61B5/389 , A61B5/0533 , A61B5/145
Abstract: 本发明涉及一种面向驾驶员里程焦虑的生理反应检测方法及系统，包括：获取驾驶人员在预设环境状态下的驾驶状态数据；所述驾驶状态数据包括：驾驶人员在时间段T内的生理信号序列集；根据驾驶人员的驾驶状态数据提取驾驶人员的生理特征；将驾驶人员的生理特征输入训练好的里程焦虑状态评估模型，得到驾驶人员的里程焦虑状态，其中，所述里程焦虑状态评估模型包括：基于改进SVM支持向量机的多分类模型，本发明通过预测驾驶人员的里程焦虑状态，对驾驶员进行合理的充电引导，能够提高交通系统运行效率，提高充电服务保障质量，改善电动车辆出行体验，提升电网安全经济稳定运行水平。
-
公开(公告)号：CN116863256A
公开(公告)日：2023-10-10
申请号：CN202310949635.5
申请日：2023-07-31
Applicant: 重庆邮电大学
IPC: G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/0895
Abstract: 本发明属于图像数据处理领域，具体涉及一种基于自监督模态优化的图像描述生成方法；该方法包括：采用图像编码器提取图像的全局特征和网格特征，采用文本编码器提取文本描述的文本特征；采用视觉精炼模块对网格特征进行处理，得到精炼图像网格特征；将图像全局特征和文本特征输入到跨模态特征优化器中进行处理，得到优化图像全局特征；采用解码器对优化图像全局特征和精炼图像网格特征进行处理，生成文本描述；计算模型总损失并根据模型总损失调整模型参数，得到训练好的自监督模态优化图像描述模型；将待描述的图像输入到训练好的自监督模态优化图像描述模型，生成图像的文字描述；本发明可生成更自然、更准确的描述。
-
公开(公告)号：CN115599093A
公开(公告)日：2023-01-13
申请号：CN202211171757.8
申请日：2022-09-26
Applicant: 重庆邮电大学(CN)
IPC: G05D1/02
Abstract: 本发明属于无人艇导航技术领域，具体涉及一种基于模糊集和深度强化学习的自适应无人艇路径规划方法；包括生成障碍物环境并记录信息，包括障碍物的位置和目标点的位置；构建无人艇模糊控制的模糊规则；在无人艇航行的过程中，实时计算无人艇分别相对于障碍物、目标点的距离，以及无人艇的偏航角；将实时计算的结果采用无人艇模糊规则处理输出模糊系数；深度强化学习中的奖励函数根据模糊系数对无人艇进行自适应奖励；根据无人艇在不同状态下的自适应奖励对无人艇路径规划模型进行训练；采用训练好的无人艇路径规划模型自主规划出最优路径；本发明实现了无人艇路径规划，保证了无人艇的安全，提高了无人艇执行任务的效率。
-
Patent Agency Ranking
公开(公告)号：CN115481300A
公开(公告)日：2022-12-16
申请号：CN202211300942.2
申请日：2022-10-24
Applicant: 重庆邮电大学
IPC: G06F16/9035 , G06F16/906
Abstract: 本发明属于数据不平衡预处理领域，具体涉及一种基于自然邻域密度的数据不平衡分类过采样方法，包括：获得待处理的不平衡数据集；搜索不平衡数据集中的数据，构建所有少数类样本的自然邻域；根据每个少数类样本的自然邻域内同质与异质样本的比例关系，筛选出种子样本集；提取每个种子样本的自然邻域密度；计算每个种子样本的权重信息；通过线性插值的方式合成新样本；汇总新合成样本集、种子样本集与多数类样本集，得到采样后的平衡数据集。本发明根据自然邻域关系的无参数邻域搜索策略，能自适应地搜索合适的邻域，也能有效地区分并过滤噪声样本和离群样本，同时，对邻域进行了合理地泛化，平衡数据分布的同时提高了数据质量。
-
公开(公告)号：CN106156059B
公开(公告)日：2022-12-09
申请号：CN201510143926.0
申请日：2015-03-30
Applicant: 重庆邮电大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开一种数据处理方法及其设备，其中方法包括如下步骤：生成在当前条件属性的联系人集合中待加入联系人数据与所述联系人集合中所述待加入联系人数据的邻近联系人数据间的关联信息；采用所述关联信息计算所述待加入联系人数据与所述邻近联系人数据间的关系强度值；根据所述关系强度值将所述待加入联系人数据加入至所述联系人集合中。可以保证联系人数据的完整性，提升对联系人数据同步的准确性。
-
公开(公告)号：CN115202397A
公开(公告)日：2022-10-18
申请号：CN202210902653.3
申请日：2022-07-29
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机技术领域，具体涉及一种基于三支进化算法的多无人机任务分配方法，包括建立一个基于粗糙集的不确定性多无人机任务分配模型；利用三支决策思想设计三支进化算法求解任务分配模型，得到最优的多无人机任务分配方案；本发明综合考虑资源代价、航程代价、任务奖励三个不确定性指标，构建更全面的分配模型，同时设计三支进化算法，提高了传统进化算法的求解速度和求解精度，在鲁棒性方面也有所提升。
-
公开(公告)号：CN114124729A
公开(公告)日：2022-03-01
申请号：CN202111393567.6
申请日：2021-11-23
Applicant: 重庆邮电大学
IPC: H04L41/14
Abstract: 本发明属于图网络表示学习领域，尤其涉及一种基于元路径的动态异质网络表示方法，包括构造动态异质网络，并根据时间加权元路径从网络中采样不同的时间加权元路径序列；将网络节点的向量进行预处理，通过GRU来聚合预处理后每条元路径的网络节点序列的信息；采用相对时间编码技术对节点序列的时间进行编码；采用Bi‑GRU方法获取节点序列的信息的深层次特征信息，将时间特征和结构特征进行聚合；使用带注意力机制的Bi‑GRU来交互不同时间下不同序列的特征信息，得到节点的最终表示；本发明能适应动态异质网络下节点学习任务以及网络的动态演化，下游任务可以对节点进行分类和聚类，能够有效提升了图网络节点的学习和表示能力。
-
公开(公告)号：CN110489567A
公开(公告)日：2019-11-22
申请号：CN201910787798.1
申请日：2019-08-26
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F16/953 , G06N3/04 , G06N3/08
Abstract: 本发明属于特征学习领域，特别涉及一种基于跨网络特征映射的节点信息获取方法及其装置，所述方法包括对源网络和目标网络的文本数据进行嵌入操作，得到源网络和目标网络的第二文本矩阵；将源网络的第二文本矩阵矩阵输入到源网络的神经网络中进行训练；训练源网络的过程中，源网络的第二文本矩阵通过多头注意力机制层得到注意力加权，获得源网络的第三文本矩；对源网络的第三文本矩阵进行归一化处理，并将结果输入到神经网络的全连接层；将全连接层更新的向量作为softmax层的输入，并最大化softmax函数，完成训练；利用训练好的源网络的神经网络迁移到目标网络的神经网络，获得目标网络中节点的向量表示；本发明不仅可以减少计算文本信息的减少时间复杂度，还可以降低模型过拟合的风险。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.029 seconds)
