-
公开(公告)号：CN110135411B
公开(公告)日：2021-09-10
申请号：CN201910360584.6
申请日：2019-04-30
Applicant: 北京邮电大学
Abstract: 本发明提出一种名片识别方法和装置，其中，方法包括：获取待识别的名片图像；将名片图像输入至文字检测模型，以得到各文本行区域；其中，文字检测模型，已学习得到图像特征与各文本行区域之间的对应关系；将各文本行区域输入至文字识别模型，以得到各文本行区域对应的名片信息。该方法能够实现基于深度学习的文字检测模型来识别名片图像中的各文本行区域，鲁棒性较强，可以降低因为低质量和噪声数据对文本提取的影响，从而提升该方法的通用性和应用空间。并且，基于深度学习的文字识别模型来对各文本行区域进行端到端的识别，无需进行单字分割，具有更高的准确率，同时也对各种复杂的变化具有更强的识别能力，提升该方法的通用性和识别效果。
-
公开(公告)号：CN110580525B
公开(公告)日：2021-05-11
申请号：CN201910477603.3
申请日：2019-06-03
Applicant: 北京邮电大学
Abstract: 本申请提出一种神经网络压缩方法及系统。其中，神经网络压缩方法，包括：根据预设的初始降维能量比得到降维能量比集合；从原始训练集中进行抽样，以根据抽样数据得到抽样集；根据所述抽样集对神经网络模型中的每一层进行测试，以确定在降维能量比集合中每一个降维能量比下的精度损失；根据最小的精度损失对应的降维能量比计算每一层对应的低秩值；根据每一层对应的低秩值对神经网络压缩进行压缩，以得到压缩模型。本申请的神经网络压缩方法，对神经网络每一层进行压缩敏感度预检测，然后根据敏感度为每一层分配合适的低秩rank，最后进行低秩分解得到压缩模型，具有分配效率高且分配合理的优点，避免压缩后精度的过多下降。
-
公开(公告)号：CN110457461A
公开(公告)日：2019-11-15
申请号：CN201910620204.8
申请日：2019-07-10
Applicant: 北京邮电大学
IPC: G06F16/335 , G06F16/35 , G06F17/27 , G06Q50/18
Abstract: 本发明公开了一种基于隐语义主题的专利推荐方法及装置，其中，方法包括以下步骤：根据专利摘要和标题获取多个专利关键词；根据多个专利关键词利用开源词向量库进行词向量转换，并基于k-means构建隐语义主题树；通过隐语义主题树获取每个专利的主体分布，并构建主题召回列表，及根据余弦公式得到主体分布相似度，以根据主体分相似度进行专利推荐。该方法可以通过利用包含外部知识的词向量库，引入专利的语义主题信息，能更加语义化匹配用户目标，获得更加精准的推荐结果，并通过构建隐语义主题树，基于语义上的近邻主题召回进行主题相似度排序，达到进行多层次语义精准推荐。
-
公开(公告)号：CN108520028A
公开(公告)日：2018-09-11
申请号：CN201810256044.9
申请日：2018-03-27
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于DPI数据的用户地理位置特征提取方法及系统，其中，方法包括：根据用户ID从DPI数据库中获取多条目标用户数据；获取每条目标用户数据的经纬度信息；对经纬度信息进行预处理得到预处理数据；对预处理数据进行筛选处理，以得到出行数据集；根据出行数据集提取得到出行路径特征；根据地图平台API参数和出行路径特征得到候选路径集，并根据API响应结果提取得到候选路径特征；将候选路径特征与运动路径特征进行匹配，并使用评分机制进行评分，以得到评分最高的预测路径；通过预设距离阈值对出行序列和预测路径的时间进行匹配，以更新当前地理位置信息。该方法有效提高了地理位置信息的精确性，简单易实现。
-
公开(公告)号：CN103780688B
公开(公告)日：2018-02-09
申请号：CN201410021274.9
申请日：2014-01-16
Applicant: 博元森禾信息科技(北京)有限公司 , 北京邮电大学
Abstract: 本发明提出一种迁移方法和装置，该方法包括：获取迁移对象；获取迁移对象的m个候选迁移方案；根据迁移对象的收益约束条件、响应延迟约束条件、网络流量约束条件和开销约束条件对m个候选迁移方案进行筛选以获取n个第一迁移方案；根据预设规则对n个第一迁移方案进行筛选以获取第二迁移方案；根据第二迁移方案对迁移对象进行迁移。本发明实施例的迁移方法，通过根据迁移对象的收益约束条件、响应延迟约束条件、网络流量约束条件和开销约束条件对候选迁移方案进行筛选，然后根据预设规则构建递归树以对候选迁移方案进行再次筛选以得到迁移方案，根据迁移方案对迁移对象进行迁移，提高了迁移方案的精确度和针对性，从而提升了迁移的准确度。
-
Patent Agency Ranking
公开(公告)号：CN103746883B
公开(公告)日：2017-03-08
申请号：CN201410016492.3
申请日：2014-01-14
Applicant: 博元森禾信息科技(北京)有限公司 , 北京邮电大学
IPC: H04L12/26
Abstract: 本发明公开了一种服务流性能的检测方法，服务流的处理过程包括服务分解过程、服务分发过程和服务组合过程，该方法包括：分别检测服务分解过程、服务分发过程和服务组合过程中的第一类性能参数、第二类性能参数和第三类性能参数；对第一类性能参数、第二类性能参数和第三类性能参数进行统计分析以生成调优策略；以及根据调优策略对服务流进行优化。本发明实施例的检测方法通过对服务流处理过程中的分层性能评价，以得到服务流各层间的服务质量，可操作性强，提高了服务流在处理与分发过程中的质量，能够使服务更好的满足服务请求者的服务需求。本发明还公开了一种服务流性能的检测装置。
-
公开(公告)号：CN104581749A
公开(公告)日：2015-04-29
申请号：CN201310472559.X
申请日：2013-10-11
Applicant: 北京亿阳信通科技有限公司 , 亿阳信通股份有限公司 , 北京邮电大学
Abstract: 本发明公开了一种移动网络数据业务业务量的预测方法，所述方法包括下述步骤：获取基于时间顺序的移动网络数据业务业务量历史值序列作为样本序列；对所述样本序列进行自相似探测和多重分形探测，根据探测结果确定对所述样本序列的预测方法：若所述样本序列不具有自相似特性，则根据ARMA模型对所述样本序列进行预测，获得预测值；若所述样本序列仅具有自相似特性不具有多重分形特性，则根据FARIMA模型对所述样本序列进行建模预测，获得预测值。同时本发明还公开了一种移动网络数据业务业务量的预测装置。采用本发明能够根据数据业务业务量的实际特点选择恰当的预测模型进行准确预测，填补现有技术中无法准确预测数据业务业务量的空白。
-
公开(公告)号：CN101969659B
公开(公告)日：2013-02-06
申请号：CN201010290106.1
申请日：2010-09-21
Applicant: 北京邮电大学
IPC: H04W24/04
Abstract: 本发明涉及移动通信技术领域，公开了一种用户事件跟踪方法及系统，所述方法包括：获取TMSI和IMSI映射关系改变相关的信令流程中的信令消息；根据所述信令流程中的信令消息获取TMSI和IMSI的映射关系的变动情况；获取TMSI和IMSI分离的信息；根据获取的TMSI和IMSI分离的信息及所述映射关系变动情况，跟踪给定时间段内各用户事件。利用本发明，无需查询拜访位置寄存器即可获得IMSI和TMSI的对应关系变化，实时跟踪对应关系，从而实现对用户事件的正确跟踪。
-
公开(公告)号：CN102722524A
公开(公告)日：2012-10-10
申请号：CN201210150060.2
申请日：2012-05-07
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明提出一种网站推荐结果显示方法、装置及具有该装置的终端。该网站推荐结果显示方法包括：根据用户选择的物品提供与物品相关的各个推荐结果；解析网站的推荐模型并根据推荐模型抽取各个推荐结果的多个属性值；建立多维坐标系；将各个推荐结果的多个属性值映射到多维坐标系；根据各个推荐结果在所述多维坐标系中的位置绘制各个推荐结果的多维模型；在多维坐标系中显示各个推荐结果的多维模型。本发明的实施例具有显示表现力丰富、立体的且显示直观、形象、明确的优点。本发明还提出了一种网站推荐结果显示装置及具有该装置的终端。
-
公开(公告)号：CN102622791A
公开(公告)日：2012-08-01
申请号：CN201210064205.7
申请日：2012-03-12
Applicant: 北京邮电大学
IPC: G07C1/10
Abstract: 本发明提出一种网络签到系统和方法。其中该系统包括：采集模块，采集模块用于采集用户的ID以及用户的签到时间；存储模块，存储模块用于存储用户的ID以及用户的签到时间；发送模块，发送模块用于将用户的ID以及用户的签到时间即时发送到发布模块；以及发布模块，发布模块用于通过网络发布用户的ID以及用户的签到时间。根据本发明实施例的系统，通过采集模块和存储模块可以获取用户的ID以及用户的签到时间，然后通过发送模块和发布模块即时将获取到的用户的ID以及用户的签到时间(即用户签到信息)通过网络的多种方式进行发布，实现网络签到，可以增加用户体验，并且方便管理用户的签到信息。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.033 seconds)
