-
公开(公告)号：CN111626962A
公开(公告)日：2020-09-04
申请号：CN202010481805.8
申请日：2020-05-27
Applicant: 重庆邮电大学 , 南京智盈人工智能研究院有限公司
Abstract: 本发明涉及一种CMOS内窥镜图像增强方法，属于机器视觉领域，包括以下步骤：S1：将内窥镜视频的每一帧转变成图像并保存；S2：检测内窥镜图像的高光区域，并修复高光区域；S3：将修复高光区域后的图像通过基于改进的导向滤波算法进行处理，并进行细节增强；S4：将增强后的内窥镜图像的每一帧合成为内窥镜视频。本发明最终实现了医用内窥镜图像检测与修复和细节增强的功能，并提升了DV-BV值。
-
公开(公告)号：CN105678590B
公开(公告)日：2020-03-17
申请号：CN201610083749.6
申请日：2016-02-07
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q50/00 , G06F16/9535
Abstract: 本发明公开一种面向社交网络基于云模型的topN推荐方法，属于数据挖掘和信息检索领域。利用社交网络海量数据集收集被推荐用户信息，评分物品信息，推荐用户信息；从被推荐用户信息和推荐用户信息中提取用户属性、获得用户评分，由多维云逆向云发生器生成多维云；通过多维云相似度计算用户属性云相似度；由推荐用户和被推荐用户的评分生成评分云，合并所有评分云生成父云，在父云中生成新的评分；综合相似度和评分生成被推荐用户对新物品的兴趣度，取兴趣度高的前N个物品生成topN推荐集。该方法解决了属性单一或多属性权值设置不确定给推荐系统带来的阻碍，个性化推荐针对不同用户产生不同的推荐集，并将推荐相关信息发送至用户，节省了网络资源。
-
公开(公告)号：CN103139860A
公开(公告)日：2013-06-05
申请号：CN201310043726.9
申请日：2013-02-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种异构认知无线电网络中基于速度自适应的联合切换方法，涉及无线通信领域。针对由于次级用户位置移动产生的切换问题，本发明提出了频谱经纪人辅助选择网络和次级用户终端控制切换的联合切换方法。在网络侧，频谱经纪人基于层次分析法获得属性权值，进行网络选择；在终端侧，提出了速度自适应的切换控制方法，对从原网络向目标网络的切换进行控制。并且对不同切换类型提出了不同的切换判决门限方法。本发明的方法能够根据次级用户的业务需求和网络状况，选择更合适的网络，更好地控制切换，减少了次级用户切换的次数和中断概率，改善了次级用户的切换性能。
-
公开(公告)号：CN106126607B
公开(公告)日：2019-12-31
申请号：CN201610453995.6
申请日：2016-06-21
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种面向社交网络的用户关系分析方法，包括(1)利用网络爬虫或者通过各社交网站开放API平台获取原始数据。(2)提取用户的个人属性、用户的好友关系信息以及用户的社团信息，根据所提取的信息建立个人兴趣影响因子函数、好友关系影响因子函数和社团驱动影响因子函数。(3)以最大熵原理为基础构建用户关系分析模型，并对用户关系分析模型进行参数训练，获得最优参数集合。(4)根据最优参数集合以及用户关系分析模型对用户之间是否存在关系进行预测。本发明不仅可以量化影响因子的驱动强度，还可以用于预测用户关系的发展趋势，有利于在社交网络中发现未知链接和未来链接。
-
公开(公告)号：CN105761152A
公开(公告)日：2016-07-13
申请号：CN201610083980.5
申请日：2016-02-07
Applicant: 重庆邮电大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明提出了一种预测用户参与话题的方法，属于数据挖掘和信息检索领域。获取数据模块获取热点话题下的用户信息；提取特征模块将用户参与话题的行为通过时间分片，找出每个时间段参与话题的用户组成的信息三元组，为每个用户提取特征属性，基于用户的属性提取信息三元组的属性；模型训练模块基于信息三元组属性对信息三元组的闭合行为建模构建三元信息因子图模型，找出该热点话题下一阶段有哪些信息三元组闭合；结果预测模块根据预测的信息三元组闭合结果，预测得到参与话题的用户。该方法将用户参与话题的行为视作信息三元组的闭合行为，为社交网络中的话题参与预测提供了一种新思路，可以广泛应用于话题推荐、话题分析等相关领域。
-
Patent Agency Ranking
公开(公告)号：CN106126607A
公开(公告)日：2016-11-16
申请号：CN201610453995.6
申请日：2016-06-21
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向社交网络的用户关系分析方法，包括(1)利用网络爬虫或者通过各社交网站开放API平台获取原始数据。(2)提取用户的个人属性、用户的好友关系信息以及用户的社团信息，根据所提取的信息建立个人兴趣影响因子函数、好友关系影响因子函数和社团驱动影响因子函数。(3)以最大熵原理为基础构建用户关系分析模型，并对用户关系分析模型进行参数训练，获得最优参数集合。(4)根据最优参数集合以及用户关系分析模型对用户之间是否存在关系进行预测。本发明不仅可以量化影响因子的驱动强度，还可以用于预测用户关系的发展趋势，有利于在社交网络中发现未知链接和未来链接。
-
公开(公告)号：CN105930460A
公开(公告)日：2016-09-07
申请号：CN201610255239.2
申请日：2016-04-21
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F16/2465 , G06F16/25
Abstract: 本发明请求保护一种集成多算法的大数据分析中间件平台，属于软件开发技术领域。包括算法实现层、算法支持层及算法存储层，所述算法支持层与算法实现层之间通过标准接口进行交互，算法支持层用于对所述算法进行组合形成新业务所需的需求算法，所述算法存储层用于对各类挂载于该平台的算法进行服务器端的存储。实现算法挂载、算法运行，算法评测等一系列集成多算法开发为大数据分析的功能。算法对上屏蔽了复杂的算法，对下屏蔽了特定的业务。通过组合该平台挂载的多类算法，快速形成业务需求的解决方案，同时可运行多类算法，并评测算法运行效果。
-
公开(公告)号：CN105678590A
公开(公告)日：2016-06-15
申请号：CN201610083749.6
申请日：2016-02-07
Applicant: 重庆邮电大学
Abstract: 本发明公开一种面向社交网络基于云模型的topN推荐方法，属于数据挖掘和信息检索领域。利用社交网络海量数据集收集被推荐用户信息，评分物品信息，推荐用户信息；从被推荐用户信息和推荐用户信息中提取用户属性、获得用户评分，由多维云逆向云发生器生成多维云；通过多维云相似度计算用户属性云相似度；由推荐用户和被推荐用户的评分生成评分云，合并所有评分云生成父云，在父云中生成新的评分；综合相似度和评分生成被推荐用户对新物品的兴趣度，取兴趣度高的前N个物品生成topN推荐集。该方法解决了属性单一或多属性权值设置不确定给推荐系统带来的阻碍，个性化推荐针对不同用户产生不同的推荐集，并将推荐相关信息发送至用户，节省了网络资源。
-
公开(公告)号：CN103139860B
公开(公告)日：2016-01-06
申请号：CN201310043726.9
申请日：2013-02-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种异构认知无线电网络中基于速度自适应的联合切换方法，涉及无线通信领域。针对由于次级用户位置移动产生的切换问题，本发明提出了频谱经纪人辅助选择网络和次级用户终端控制切换的联合切换方法。在网络侧，频谱经纪人基于层次分析法获得属性权值，进行网络选择；在终端侧，提出了速度自适应的切换控制方法，对从原网络向目标网络的切换进行控制。并且对不同切换类型提出了不同的切换判决门限方法。本发明的方法能够根据次级用户的业务需求和网络状况，选择更合适的网络，更好地控制切换，减少了次级用户切换的次数和中断概率，改善了次级用户的切换性能。
-
公开(公告)号：CN106127590A
公开(公告)日：2016-11-16
申请号：CN201610454030.9
申请日：2016-06-21
Applicant: 重庆邮电大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明属于社交网络分析领域，公开了一种基于节点影响力的信息态势感知及传播管控模型，包括数据获取模块，从社交网络中获取源数据，并从中获取节点的个人属性、历史行为和好友关系，构建信息传播网络；特征提取模块，分别从网络静态属性和交互动态属性两个维度提取特征，并分别计算相应的因子函数；信息态势感知及传播模块，基于平均场理论构建信息态势感知及传播管控模型，模拟信息传播趋势，感知信息扩散趋势，捕获信息爆发的高峰期，并挖掘驱动该信息传播的动力因子。本发明能有效地解释在线社会网络中信息传播的动力学原因，感知社会网络中信息传播演化态势，可以广泛应用于信息传播相关领域。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
