-
公开(公告)号：CN103902885A
公开(公告)日：2014-07-02
申请号：CN201410076591.0
申请日：2014-03-04
Applicant: 重庆邮电大学 , 中国电子科技集团公司第五十四研究所
CPC classification number: G06F21/53 , G06F11/3476
Abstract: 本发明公开了一种面向多安全等级虚拟桌面系统虚拟机安全隔离系统及方法，属于信息安全领域，包括用户行为异常检测、虚拟机迁移、安全隔离三个实施阶段。首先，将相同密级网络的用户与虚拟机绑定起来，利用相同密级网络中用户操作行为之间的相似性构建用户行为特征库；其次，将实时用户行为特征与历史用户行为特征库匹配，计算用户当前操作威胁等级，选择迁移目标主机，将具有潜在威胁的虚拟机迁移到虚拟机安全隔离模型中执行；最后，虚拟机安全隔离模型代为执行虚拟机进程请求的系统调用。该方法避免了虚拟机进程直接访问宿主机系统资源，减少虚拟机进程对内核的依赖，提高了宿主机系统的安全性，达到了虚拟机安全隔离的目的。
-
公开(公告)号：CN103902885B
公开(公告)日：2017-11-17
申请号：CN201410076591.0
申请日：2014-03-04
Applicant: 重庆邮电大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种面向多安全等级虚拟桌面系统虚拟机安全隔离系统及方法，属于信息安全领域，包括用户行为异常检测、虚拟机迁移、安全隔离三个实施阶段。首先，将相同密级网络的用户与虚拟机绑定起来，利用相同密级网络中用户操作行为之间的相似性构建用户行为特征库；其次，将实时用户行为特征与历史用户行为特征库匹配，计算用户当前操作威胁等级，选择迁移目标主机，将具有潜在威胁的虚拟机迁移到虚拟机安全隔离模型中执行；最后，虚拟机安全隔离模型代为执行虚拟机进程请求的系统调用。该方法避免了虚拟机进程直接访问宿主机系统资源，减少虚拟机进程对内核的依赖，提高了宿主机系统的安全性，达到了虚拟机安全隔离的目的。
-
公开(公告)号：CN117351060A
公开(公告)日：2024-01-05
申请号：CN202311295218.X
申请日：2023-10-07
Applicant: 重庆邮电大学
IPC: G06T7/60 , G06T7/62 , G06V20/40 , G06V10/25 , G06V10/26 , G06V10/82 , G06F17/18 , G06N20/00 , G06N3/0464 , G06N3/09 , G06N3/092 , G06N3/084 , G01B11/00
Abstract: 本发明涉及计算机视觉领域、人工智能技术领域以及智慧农业技术领域，具体涉及一种尺寸参照的牲畜视觉估重方法及系统；包括根据目标养殖房尺寸设计饲料器皿尺寸，然后固定放置在目标养殖房内；在目标养殖房的墙体上布置网络摄像头，其拍摄视野完全覆盖饲料器皿；获取网络摄像头拍摄的视频，通过物体检测模型对视频中每一帧图像进行检测筛选出饲料器皿显露图像和牲畜取食图像；采用图像掩码生成模型对饲料器皿显露图像和牲畜取食图像分别进行实例分割，得到饲料器皿成像面积和牲畜成像面积；基于饲料器皿尺寸，根据饲料器皿成像面积和牲畜成像面积的比例计算牲畜大小，采用机器学习回归模型根据牲畜大小预估牲畜体重；本发明能够准确估算牲畜体重。
-
公开(公告)号：CN112926802B
公开(公告)日：2023-05-23
申请号：CN202110354068.X
申请日：2021-04-01
Applicant: 重庆邮电大学 , 南方电网科学研究院有限责任公司
IPC: G06Q10/04 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明属于时序数据处理领域，具体涉及一种时序数据对抗样本生成方法、系统、电子设备及存储介质；所述方法包括使用原始时序数据训练时序预测模型；采用随机梯度下降优化策略计算所述时序预测模型中损失函数的最大值；根据所述损失函数的最大值确定出对应的噪声；对所述原始时序数据叠加所述噪声生成全局扰动的时序数据对抗样本；本发明能在少量数据扰动的情况下明显降低模型准确性，对于工业系统的安全应用具有重要意义，并且具有广泛的适用性和迁移性。
-
公开(公告)号：CN112257795B
公开(公告)日：2022-10-18
申请号：CN202011172598.4
申请日：2020-10-28
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06N20/00 , H04B10/11
Abstract: 本发明属于光通信技术的自由空间光子领域，具体涉及一种基于朴素贝叶斯的空间光通信系统非线性补偿方法，该方法包括接收端获取发送端发送的信号，将接收的信号输入到训练好的朴素贝叶斯算法模型中，得到接收信号的待分类项与类别映射关系；根据待分类项与类别映射关系对接收信号进行非线性补偿；本发明利用核函数考虑数据序列与数据序列之间的相似度，利用机器学习中的朴素贝叶斯算法，提供一种较低复杂度以及对特定应用场景下自由空间光通信系统整体非线性有明显补偿效果的判决方式，降低自由空间光通信系统的误码率，提高其传输速率。
-
Patent Agency Ranking
公开(公告)号：CN110827544B
公开(公告)日：2022-09-02
申请号：CN201911092839.1
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及短时交通流控制领域，具体涉及一种基于图卷积循环神经网络的短时交通流控制方法；该方法包括：获取数据源；构建图结构交通流量序列；根据图结构交通流量序列在时间维的多级别性构建时空图卷积循环网络的近期组件模型，时空图卷积循环网络日周期组件模型以及时空图卷积循环网络周周期组件模型；融合3个模型的结果，得到短时交通流量预测模型；根据这个模型得到预测结果；统计预测数据，将统计的结果发送给交通部门，控制该路网各卡口车流量；本发明利用时空图卷积循环神经网络同时建模交通流近期、日周期和周周期依赖性，建立基于多组件数据融合的时空图卷积循环神经网络的短时流量预测模型，从而达到精准的预测结果。
-
公开(公告)号：CN114860953A
公开(公告)日：2022-08-05
申请号：CN202210466414.8
申请日：2022-04-29
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明属于知识图谱领域，具体涉及一种基于少样本关系预测模型的可解释方法；该方法包括：对少样本关系预测模型的可解释性进行评估，得到可解释评估结果；根据可解释评估结果改进模型；获取来自用户的问题，将该问题输入改进好的少样本关系预测模型中，得到该问题的可信预测结果；本发明选取多种对比模型进行分析，通过改变少样本关系预测模型和对比模型的数据量和数据内容计算评价指标并分析不同数据量和不同数据内容对模型的影响；通过改变少样本关系预测模型中的卷积神经网络的超参数如激活函数、池化策略、正则化等计算评价指标并分析超参数对模型的影响；本发明提高了模型的关系预测结果的可信度，实用性高。
-
公开(公告)号：CN112270568B
公开(公告)日：2022-07-12
申请号：CN202011205811.7
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q30/06 , G06N3/04 , G06F16/9536
Abstract: 本发明属于互联网应用技术领域，涉及电商平台营销数据分析，尤其涉及一种面向隐藏信息的社交电商平台营销活动下单率预测方法；所述方法包括提取出用户对营销活动下单行为的全部内部属性特征以及营销活动对用户下单行为的部分外部属性特征；并计算出用户的内部影响力，按照知识学习方法计算出用户的外部影响力以及用户的隐藏信息网络；采用压缩交互网络获取用户的隐特征，将隐特征填入隐藏信息网络中，利用卷积神经网络计算出用户的隐藏影响力；将三种影响力输入到全连接神经网络中，预测得到所述营销活动下用户参与下单行为的概率；本发明刻画了用户实体和营销活动实体之间的关系，能够获取实体间的隐藏关系，增强了下单率预测的准确率。
-
公开(公告)号：CN112231583B
公开(公告)日：2022-06-28
申请号：CN202011249665.8
申请日：2020-11-11
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/08
Abstract: 本发明涉及数据分析和推荐系统技术领域，具体涉及一种基于动态兴趣组标识和生成对抗网络的电商推荐方法，包括：输入用户行为数据的评分特征，使用训练好的评分预测模型进行预测，评分预测模型输出评分的预测值，根据评分的预测值生成推荐列表为用户推荐项目。本发明利用生成对抗网络补偿数据，对补偿后的数据标识兴趣组类别，解决了用户无兴趣偏好信息和兴趣泛化问题，对用户和商家都有重要的应用价值。
-
公开(公告)号：CN110827543B
公开(公告)日：2022-02-18
申请号：CN201911092768.5
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明属于短时智能交通控制领域，具体涉及一种基于深度学习和时空数据融合的短时交通流控制方法，该方法包括：获取数据源；分析路口历史数据的时间和空间关联性；根据预测卡口与其相关路口的历史数据分别建立时间维度GRU模型及空间维度CNN回归模型；将时间维度GRU模型和空间维度CNN回归模型的输出结果进行融合，得到自适应时空数据融合模型；统计自适应时空数据融合模型的预测结果，并将预测结果发送给交通部门；本发明在时空层面上，分析复杂路网中道路交通流的时空依赖性，利用网络表示学习对交通数据进行筛选，并将筛选后的数据用于模型的输入，提高了路口车流量预测结果的精确性。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.064 seconds)
