-
公开(公告)号：CN116699059A
公开(公告)日：2023-09-05
申请号：CN202210182558.0
申请日：2022-02-25
Applicant: 重庆邮电大学
IPC: G01N33/00
Abstract: 本发明提出了一种基于相关分析的跨域子空间学习电子鼻传感器漂移补偿方法，该方法实现包括以下步骤：一、数据预处理，主要对数据归一化处理，求数据域分布中心；二、建立子空间学习模型，加入PCA、LDA、类CCA、MMD距离度量约束项，求出模型目标函数；三、根据特征分解思想，求出最佳投影矩阵；四、利用求得的最佳投影矩阵P，求出源域与目标域在投影子空间的分布；五、建立基于SVM‑rbf分类器模型，使用源域数据训练模型，目标域数据测试训练模型的分类预测精度。本发明利用公开数据集，验证了算法的可行性，并证实了该算法在解决传感器漂移/偏移问题方面具有显著的优势。在现实意义上，这极大的提高了传感器的使用寿命，同时也大大的降低了系统的运维成本。
-
公开(公告)号：CN116011514A
公开(公告)日：2023-04-25
申请号：CN202211638334.2
申请日：2022-12-19
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G06N3/048 , G06F18/24 , G06F18/214 , G06N3/047 , G06N3/08 , G06N3/094 , G06N3/096
Abstract: 本发明提供一种基于DANN‑OS‑ELM的电子鼻域适应迁移学习方法，属于传感器技术领域。本方法针对电子鼻新设备带标签的数据样本少和采集数据样本困难的问题提出一种解决方法。利用DANN网络进行对抗迁移学习，将旧设备采集的数据集作为源域数据，新设备采集的少量样本作为目标域数据进行对抗训练。训练过程主要分为三个阶段对网络进行优化。最后，使用OS‑ELM代替分类输出层对气体成分进行识别。本发明解决了电子鼻设备间输入信号差异导致模型无法通用的问题，并且降低了电子鼻新设备训练气体识别模型的所需成本，在电子鼻系统中有着较大的现实意义。
-
公开(公告)号：CN115984349A
公开(公告)日：2023-04-18
申请号：CN202211660335.7
申请日：2022-12-23
Applicant: 重庆邮电大学
IPC: G06T7/55 , G06V10/75 , G06N3/08 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，主要是一种基于中心像素梯度融合和全局代价聚合的深度学习立体匹配算法。虽然目前主流基于深度学习的立体匹配算法精度较高，但是这些算法往往使用常规卷积提取特征，并且因为代价聚合的有限感受野，所以在左右光照不一致、大面积无纹理、弱纹理等病态区域效果较差。本发明提出了一种新的深度学习立体匹配算法，首先，设计了差分卷积残差组，显式编码结构信息提高特征表达。然后，设计了全局代价聚合模块，使得有效聚合代价体并捕获全局上下文，最后，采用加窗视差回归降低了视差标签不平衡的影响。本发明可以在提高模型在病态区域的性能的同时，约束模型的多峰分布，从而获得更加准确的视差估计。
-
公开(公告)号：CN115760219A
公开(公告)日：2023-03-07
申请号：CN202211576357.5
申请日：2022-12-09
Applicant: 重庆邮电大学
IPC: G06Q30/0202 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/048 , G06F123/02
Abstract: 本发明属于时间序列数据挖掘技术领域，具体涉及一种基于LSTM的原油价格预测方法；包括：获取原油时间序列数据及其相关宏观经济数据，对其进行预处理，将其分为训练集和测试集；构建时间序列预测模型，采用训练集训练时间序列预测模型；根据训练好的时间序列预测模型，输入待预测数据及其相关宏观经济数据，输出原油价格预测值；本发明将时间序列数据与宏观经济数据相结合，通过注意力机制对长短期记忆网络输出的特征进一步地提取周期性特征。
-
公开(公告)号：CN114627336A
公开(公告)日：2022-06-14
申请号：CN202210299862.3
申请日：2022-03-25
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G01N33/00
Abstract: 本发明提出了一种基于ODCIAL的电子鼻漂移抑制算法，该方法针对电子鼻系统中持续发生的长期漂移问题，采用主动学习与分类器集成的方式进行解决，从而提高系统的使用寿命，最终降低系统维护成本。方法首先对训练集以及测试集中的样本数据进行归一化以及降维处理，从而避免不同量纲和数量级的数据带来的偏重影响，除此之外降低数据维度后能大幅度降低模型的训练时间，有助于系统快速高效的得出结果。结合主动学习中的基于委员会查询以及集成学习方法筛选出高质量的训练集样本进行分类委员会的构建。使用支持向量机作为基础分类器。本发明提供的方法利用主动学习与分类器集成的方法，在电子鼻在线漂移抑制的过程中结合自适应采样的方式，自动控制每一批次主动学习采样的数量，从而实现电子鼻系统的在线漂移抑制，应用于电子鼻系统时更加具有优势。
-
Patent Agency Ranking
公开(公告)号：CN114548264A
公开(公告)日：2022-05-27
申请号：CN202210157472.2
申请日：2022-02-21
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06N3/08 , G06V10/764
Abstract: 本发明提出了一种无监督的两阶段领域自适应方法。该方法利用不断更新的目标域投影子空间增强伪标签的准确度，同时将精确化后的伪标签反馈至目标域投影子空间，两个阶段交替更新，能够得到一个对分类性能最优的判别子空间。具体地，在第一阶段使用两个投影子空间将源域和目标域数据映射到相应地低维子空间内，同时利用基于MMD的特征对齐损失函数聚类来自跨域类别空间中同类别的样本，进一步减少条件分布差异，并在目标域投影子空间内根据所有样本的语义信息(源域为标签信息，目标域为伪标签信息)和两个样本点之间的距离信息构建图正则项，保持原始数据的邻近信息。第二阶段利用第一阶段得到的子空间投影训练SVM分类器，计算目标域样本的伪标签，并将精确化后的伪标签反馈至第一阶段。本发明的优点是考虑了知识迁移过程中的几何结构信息和先验标签信息，能够有效提升图像分类的准确度。
-
公开(公告)号：CN111474297B
公开(公告)日：2022-05-03
申请号：CN202010158546.5
申请日：2020-03-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种仿生嗅觉系统中传感器的在线漂移补偿方法，属于传感器技术领域。该方法包括以下步骤：步骤1)依据输入样本批次号进行源域重构；步骤2)使用重构完成的源域与目标域样本构建分类模型并保存预测结果。利用先后两批次仿生嗅觉系统中传感器的输出响应样本，即前一批次已通过分类模型预测完成的样本与初始批次人工标注后的样本进行源域重构，而后通过条件分布自适应和流形正则化搭建分类模型，实现仿生嗅觉系统中传感器的在线漂移补偿。本发明能够随传感器的漂移不断更新气体识别模型，更加符合现实场景下仿生嗅觉系统的生产实际与使用场景，并能够延长设备的使用寿命。
-
公开(公告)号：CN114359347A
公开(公告)日：2022-04-15
申请号：CN202210008180.2
申请日：2022-01-05
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉技术领域，涉及基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法。首先，本发明通过图像的空间可靠性自适应调节空间权重参考矩阵，自适应空间正则项结合空间权重参考矩阵在一定程度上降低了边界效应的影响。然后，使用前后两帧响应图的变化程度确定时间正则项的超参数参考值，避免模型发生突变造成跟踪漂移问题。最后本文通过交替方向乘子法(ADMM)迭代求解目标函数，保证算法的运行效率。本发明根据图像的可靠性对空间正则项进行自适应更新，及时适应目标形变或遮挡情况，同时引入自适应时间正则项，从而获得稳健的相关滤波器，减少模型漂移对性能的影响，提升了目标跟踪算法的性能，能够较好的处理复杂环境下的目标跟踪问题。
-
公开(公告)号：CN110730471B
公开(公告)日：2022-04-01
申请号：CN201911025799.9
申请日：2019-10-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于区域用户兴趣匹配的移动边缘缓存方法，属于缓存技术领域。该方法包括以下步骤：S1：建立区域用户偏好模型；S2：建立联合缓存优化策略；S3：建立缓存系统模型；S4：设计缓存算法。使用本发明的缓存机制时，可以在满足缓存视频多样化下，达到视频缓存增益的最大化，与当前缓存机制相比，可以有效的提升视频缓存效益和用户的QoE，为未来5G场景下的大规模超高清视频的缓存与在线观看，提供一种有效的解决方案。
-
公开(公告)号：CN109548029B
公开(公告)日：2021-10-22
申请号：CN201910019272.9
申请日：2019-01-09
Applicant: 重庆邮电大学
IPC: H04W12/121 , H04W84/18
Abstract: 本发明公开一种面向无线传感器网络的两级节点信任评估方法，针对行为数据模糊的节点进行信任评估，防止恶意节点对传感器网络的攻击。具体步骤如下：首先，对被评估节点直接监测得到的行为数据去模糊，以得到节点直接信任值；其次，结合直接、历史以及推荐信任数据评估节点最终信任值；接着，多次评估得到信任样本，并引入云模型建立正态信任云，作为节点最终信任等级评估依据；最后，根据实际需求划分标准信任云组，并采用精简分类方法匹配节点最佳标准信任云，从而确定节点信任等级。本发明分析行为数据模糊性对信任评估的影响，构建两级信任评估模型，包括模糊推理、多源信任智能融合以及信任云重构与分类，从而提高节点信任等级的评估精度。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.085 seconds)
