-
公开(公告)号：CN118673902A
公开(公告)日：2024-09-20
申请号：CN202410715842.9
申请日：2024-06-04
Applicant: 重庆邮电大学
IPC: G06F40/232 , G06F40/16 , G06F40/284 , G06F40/166
Abstract: 本发明公开了一种实时的中文拼写纠错样本生成方法。该方法作用于模型训练时，基于已有的文本，通过字符替换的方式，实时构建出多种不同的样本对，因此该方法能够极大的丰富训练样本。同时为保证生成样本的质量，首先会对已有样本进行预处理，标记部分内容旨在避免无意义的替换。其次在替换过程中保证大部分基于相似字符和少量的随机替换，进而贴合实际场景。该方法极大的减少了人工参与的过程，但仍可保证生成样本的高质量和多样性，即使在数据资源有限的情况下，仍能够尽可能地挖掘已有数据的潜力，构建更丰富的训练样本用于模型训练。
-
公开(公告)号：CN114463181B
公开(公告)日：2024-09-03
申请号：CN202210128444.8
申请日：2022-02-11
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/50 , G06T5/60 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明涉及一种基于改进生成对抗网络的图像超分辨率方法，属于图像处理领域。获取高分辨图像数据集，将数据集分为训练集和测试集；把高分辨率图像训练集进行双三次下采样得到低分辨图像数据集；在ESRGAN的生成器模块中使用RFB模块和残差块，在ESRGAN鉴别器模块中，使用U‑net判别器代替相对判别器；在损失函数中引入LPIPS感知损失和L1损失改进GAN网络的生成损失函数。将训练集中的低分辨率图像输入到生成器G中训练，输出重建的超分辨率图像；将生成器G的输出结果和原始高分辨率图像一起输入到U‑net判别器DU中。本发明可以有效地提高超分辨图像的质量，降低图像中的伪影和不真实的细节。
-
公开(公告)号：CN101446897B
公开(公告)日：2012-04-18
申请号：CN200810233126.8
申请日：2008-11-26
Applicant: 重庆邮电大学
IPC: G06F9/44
Abstract: 一种基于业务架构平台的资源管理系统，涉及计算机技术领域，本发明在.net体系上构建一个基于业务层面的层次化体系平台，基于业务层面按层次构建资源权限管理平台，根据组织机构设置的权限通过资源权限管理平台实施对资源的管理，采用ETL工具及CUB工具构建数据库仓库，通过数据源适配器控制调度各数据连接，分别建立各种数据库与各逻辑数据库的数据连接，逻辑数据库适配器根据各种数据源的特征建立逻辑数据表，根据逻辑数据表建立各种数据库中数据资源的映射。本发明根据业务要求构建层次化的结构平台，建立层次逻辑关系之间的映射，针对各种不同数据源实施操作和控制处理等提供解决办法，能广泛应用于企业管理系统。
-
公开(公告)号：CN101446897A
公开(公告)日：2009-06-03
申请号：CN200810233126.8
申请日：2008-11-26
Applicant: 重庆邮电大学
IPC: G06F9/44
Abstract: 一种基于业务架构平台的资源管理系统，设计计算机技术领域，本发明在net体系上构建一个基于业务层面的层次化体系平台，基于业务层面按层次构建资源权限管理平台，根据组织机构设置的权限通过资源权限管理平台实施对资源的管理，采用ETL工具及CUB工具构建数据库仓库，通过数据源适配器控制调度各数据连接，分别建立各种数据库与各逻辑数据库的数据连接，逻辑数据库适配器根据各种数据源的特征建立逻辑数据表，根据逻辑数据表建立各种数据库中数据资源的映射。本发明根据业务要求构建层次化的结构平台，建立层次逻辑关系之间的映射，针对各种不同数据源实施操作和控制处理等提供解决办法，能广泛应用于企业管理系统。
-
公开(公告)号：CN118260490A
公开(公告)日：2024-06-28
申请号：CN202410339006.5
申请日：2024-03-25
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F18/23213 , G06F18/22
Abstract: 本发明属于个性化推荐领域，涉及基于加权slope one算法的协同过滤推荐方法，包括：采集用户日志，得到用户及其行为数据；对用户的行为数据进行预处理，得到用户‑项目评分矩阵；根据用户‑项目评分矩阵计算初始中心及其聚类结果；利用初始中心采用K‑means算法更新初始聚类结果中聚类中心的聚类结果，得到最终的用户聚类结果；获取待评分项目，根据最终的用户聚类结果采用加权Slope one算法计算用户对待评分项目的评分，根据用户对待评分项目的评分采用Top‑N的方式向用户推荐项目；本发明通过计算最优初始聚类中心，使得在后续的聚类过程中可以更快地找到合适的聚类结果，提高了聚类算法的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN114463181A
公开(公告)日：2022-05-10
申请号：CN202210128444.8
申请日：2022-02-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于改进生成对抗网络的图像超分辨率方法，属于图像处理领域。获取高分辨图像数据集，将数据集分为训练集和测试集；把高分辨率图像训练集进行双三次下采样得到低分辨图像数据集；在ESRGAN的生成器模块中使用RFB模块和残差块，在ESRGAN鉴别器模块中，使用U‑net判别器代替相对判别器；在损失函数中引入LPIPS感知损失和L1损失改进GAN网络的生成损失函数。将训练集中的低分辨率图像输入到生成器G中训练，输出重建的超分辨率图像；将生成器G的输出结果和原始高分辨率图像一起输入到U‑net判别器DU中。本发明可以有效地提高超分辨图像的质量，降低图像中的伪影和不真实的细节。
-
公开(公告)号：CN116453022A
公开(公告)日：2023-07-18
申请号：CN202310434327.9
申请日：2023-04-21
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0442
Abstract: 本发明请求保护一种基于多模态融合和Transformer网络的视频情感内容分析方法，涉及情感计算和视频分析领域，包括以下步骤：1)音频和视频信号的分离，形成视频和音频两个数据库；2)对于音频和视频数据库，使用工具并通过多个深度学习模型来提取音频和视频特征；3)对于提取到的音频和视频特征，分别将它们投影到模态特定和模态不变两个子空间，在模态特定子空间当中学习每个模态独特的信息，在模态不变子空间中学习模态之间共享的信息；4)得到每个模态不同的模态表示过后，使用Transformer结构对不同模态的特征进行融合，形成多模态融合向量；5)使用多层感知机模型完成特征到情感空间的映射，以多模态融合向量作为输入完成分类或者回归任务。
-
公开(公告)号：CN118673901A
公开(公告)日：2024-09-20
申请号：CN202410715839.7
申请日：2024-06-04
Applicant: 重庆邮电大学
IPC: G06F40/232 , G06F40/16 , G06N3/045 , G06F16/35 , G06F40/166
Abstract: 本发明公开了一种基于预训练语言模型构建的双模块中文拼写纠错方法，通过分离和重构预训练语言模型的内部结构，分别构建了拼写错误检测模块和拼写错误纠错模块。前者通过编码文本的向量表示，计算文本中每一字符的置信度，进而确定错别字的位置。后者结合检测结果进行有针对性的修改，通过提取纠错嵌入向量中的文本特征计算纠错策略的合理性分数，并按照得分最高的策略进行修改，以得到纠错后的文本。本申请具备更快的响应速度和更高的纠错准确率，可应用于中文文本编辑，中文语音识别和光学中文字符识别场景中。
-
公开(公告)号：CN118627632A
公开(公告)日：2024-09-10
申请号：CN202410689468.X
申请日：2024-05-30
Applicant: 重庆邮电大学
IPC: G06N5/045 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明为一种新型基于信息熵采用池化和高斯上采样的加权特征融合CAM方法。首先，针对目标层的特征图和梯度矩阵，通过引入池化操作过滤噪声信息，并基于高斯上采样解决图像特征低分辨率问题，以获得激活图的不同尺度激活图；然后，利用图像信息熵求解不同尺度激活图的信息贡献占比，再通过对不同尺度激活图加权平均获得优化的激活图像；最后，将优化的激活图和对应权重加权求和，以输出更加精确、高效的显著图。通过实践与分析可知，本申请的WPG‑CAM方法能够有效消除显著图中的噪声，在综合指标上优于其他CAM方法，能够提供更加精确和更高细粒度的类映射图像。
-
公开(公告)号：CN101505521B
公开(公告)日：2011-04-27
申请号：CN200910103019.8
申请日：2009-01-07
Applicant: 重庆邮电大学
CPC classification number: Y02D70/30
Abstract: 本发明公开了一种在同构无线传感器网络中选定最优汇聚节点的方法，主要涉及无线传感器网络的配置和管理。无线传感器网络随机部署后，使用者往往希望各传感器节点监测到的数据能通过最短的中继路径向汇聚节点传输，并希望所有节点中继路径的总长度最低，使网络总的中继通信能耗尽量低。本发明首先对网络中所有节点排序，依次作为起始节点进行宽度优先搜索，在搜索过程中采用限界技术以减小搜索空间，最终找到最小宽度优先生成树。然后，确定最优汇聚节点，同时确定其他节点向汇聚节点传输数据的最短中继路径路由。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
