公开(公告)号：CN116935073A

公开(公告)日：2023-10-24

申请号：CN202310658005.2

申请日：2023-06-05

Applicant: 重庆邮电大学

Inventor： 蒲巧林 ,  蔡睿 ,  周牧 ,  余雨俊轩 ,  董昕 ,  陈思彤

IPC: G06V10/74 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82 ,  G06V10/36 ,  G06V10/20

Abstract: 本发明公开了一种基于粗精特征筛选的视觉图像定位方法。首先，在目标区域内部署多个锚节点并以环绕的方式构建训练集；然后，采用基于直方图的图像筛选方法剔除大部分不可能的匹配；其次，利用加速稳健特征(Speeded Up Robust Features,SURF)算法提取训练集和测试集图像的特征点；最后，计算两组图像特征描述子的欧氏距离并选择与测试点的匹配率最高的锚点作为图像定位结果。本发明专利利用在参考点拍摄的图像与离线数据库中图像的相似性，提出了一种基于粗精特征筛选的视觉图像室内定位方法，在提高图片特征匹配效率的同时保证了定位精度。

公开(公告)号：CN116452293A

公开(公告)日：2023-07-18

申请号：CN202310416927.2

申请日：2023-04-18

Applicant: 重庆邮电大学

Inventor： 邓江洲 ,  王永 ,  陈俊谕 ,  郭琦 ,  伍奇 ,  陈思彤 ,  张雪

IPC: G06Q30/0601 ,  G06F18/213 ,  G06F18/25 ,  G06N3/048

Abstract: 本发明提出一种融合物品受众特征的深度学习推荐方法及系统，属于推荐技术领域。包括有数据收集及数据清洗；转化评分为隐式反馈矩阵；获取物品的历史交互用户列表；运用注意力机制，自适应计算物品的个性化受众特征；通过线性回归与向量内积学习数据中的低阶特征；设计特征交互层以显式地进行特征交叉；利用多层全连接神经网络进一步学习高阶特征；融合低阶和高阶特征信息输出目标用户对物品的预测值；对预测集合排序，进行top‑N推荐；经过多次实验验证，本发明能够充分挖掘历史交互信息中的潜在价值，提高推荐质量，展现出良好的应用潜力。

公开(公告)号：CN117150135A

公开(公告)日：2023-12-01

申请号：CN202311126047.8

申请日：2023-09-01

Applicant: 重庆邮电大学

Inventor： 李昌兵 ,  陈思彤 ,  邓江洲 ,  王淞立 ,  陈俊谕 ,  李行健 ,  刘岽 ,  罗陈红

IPC: G06F16/9535 ,  G06Q10/0639

Abstract: 本发明提出的基于物品交互约束的自编码器推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据偏好特征模块从已有的评分信息中获取用户的偏好特征；根据物品特征获取模块从标签中获取物品特征；根据融合偏好特征模块，将两个特征融合到一起，用于后续对用户评分的预测；再根据融合特征处理模块对融合偏好特征进行处理，并输出预测评分；同时根据参数更新约束模块，对模型训练过程中的参数更新进行约束，以避免训练过程中产生的误差；根据推荐结果获取模块，对预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。

公开(公告)号：CN116910351A

公开(公告)日：2023-10-20

申请号：CN202310627922.4

申请日：2023-05-30

Applicant: 重庆邮电大学

Inventor： 邓江洲 ,  王淞立 ,  王永 ,  陈俊谕 ,  李行健 ,  陈思彤 ,  王河洺

IPC: G06F16/9535 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提出的基于生成对抗网络的评分可信推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据基于用户偏好一致性的噪声识别规则，将不同偏好程度的用户和项目分类后，并识别原始评分矩阵中的噪声；根据设计的评分可靠性矩阵生成模块生成初始评分可靠性矩阵；根据设计的正样本填充规则，填充评分可靠性矩阵中非交互区域，以平衡数据；利用生成对抗网络去训练所获取的评分矩阵以及可靠性矩阵，以预测出各空白区域的评分值以及可靠性概率；通过与系统设定的可靠性阈值进行比较，将可靠性概率低于阈值的预测评级进行过滤，保留较高可靠性概率的评级；对过滤后的预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。