-
公开(公告)号：CN112905807B
公开(公告)日：2022-07-08
申请号：CN202110320156.8
申请日：2021-03-25
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F16/387 , G06F40/194 , G06N20/00
Abstract: 本发明公开了一种多源时空知识融合方法，属于知识图谱领域。具体为：首先，选取两种时空精度和采样率都有较大差异的异质时空数据源，分别进行预处理，得到各自对应的时空轨迹序列；并分别构建各自对应的时空知识图谱；接着、利用基于衰减机制的长路径的知识图表示算法对时空知识图谱中的三元组分别进行训练学习，得到每个实体对应的最终低维向量；依次选择第二种时空知识图谱中的未对齐实体S，经过变换函数后与第一种时空知识图谱中的所有实体逐一进行相似度对比，选择相似度最高的实体进行实体对的匹配；最后，按照所有实体对齐的结果，对两种不同的时空数据源进行时空知识的融合；本发明有效的弥补了单一时空数据源中时空知识的不完整性。
-
公开(公告)号：CN110321830A
公开(公告)日：2019-10-11
申请号：CN201910576921.5
申请日：2019-06-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于神经网络的中文字符串图片OCR识别方法，属于光学字符识别领域。首先采集若干张待识别图片，将每个图片中的每个像素值分别进行归一化；同时初始化神经网络模型的各类别，初始化每个类别的中心特征向量。然后将每张待识别图片中的归一化像素分别输入到神经网络模型中进行特征提取，得到各图片的深度特征矩阵，通过RoI Pooling进行池化操作后伸展特征，得到长度为L的特征向量。最后将特征向量划分为训练样本和测试样本，训练样本训练神经网络模型；每个测试样本的特征向量分别连接到训练好的神经网络模型的全连接层，输出各测试样本的类别，完成对各图片字符串的整体识别。本发明能够对整张字符串图片进行分类识别，识别精确度更高。
-
公开(公告)号：CN106649267A
公开(公告)日：2017-05-10
申请号：CN201611076366.2
申请日：2016-11-30
Applicant: 北京邮电大学
Abstract: 本发明提供一种通过文本主题挖掘推测用户大五人格的方法及系统。所述方法包括：S1，采集文本数据及大五人格评分，进行预处理；S2，基于人格‑主题模型，根据预处理后的文本获得人格‑主题分布矩阵；S3，根据人格‑主题分布矩阵分析人格与主题关系获得不同主题关联的大五人格得分。本发明建立了一个全新的基于开放词表的主题模型，在心理学中大五人格理论的支撑下，结合用户大五人格标签，使训练样本通过模型作用得到用户主题分布与人格类型的关系，针对主题模型输出的数据结果，寻找有效的数据处理方案和评定方法，对主题与人格的关系进行量化分析，从而实现用户人格预测。
-
公开(公告)号：CN1878117A
公开(公告)日：2006-12-13
申请号：CN200610098944.2
申请日：2006-07-18
Applicant: 北京邮电大学
Abstract: 本发明公开了一种结合分级结构对等网络和会话发起协议的通信方法，包括：(1)申请接入分级结构对等网络的节点按照本级覆盖网络采用的相关协议，执行本级覆盖网络的注册；(2)按照分级结构对等网络的会话发起协议的域名规范，产生用户的统一资源定位符，从而实现会话发起协议的资源注册；(3)使每一个本级覆盖网络具有一定数量的节点成为本级覆盖网络的代理服务器，注册到高一级的覆盖网络，从而使得不同的对等网络进行通信；(4)对于任何呼叫请求，本级覆盖网络能够处理的就由本级覆盖网络处理，本级覆盖网络处理不了的，则交由高一级覆盖网络处理。
-
公开(公告)号：CN114897977B
公开(公告)日：2025-04-29
申请号：CN202210427129.5
申请日：2022-04-21
Applicant: 北京邮电大学
Abstract: 本发明提供一种视频平面转换方法、装置、电子设备和计算机程序产品，所述方法包括：根据场地模型图像确定场地关键点；基于高斯热图的关键点回归算法，确定场地关键点在视频帧图像中的坐标位置及置信度；根据场地关键点在视频帧图像中的置信度的排序结果及三点不共线原则，确定有效关键点，其中，三点不共线原则用于表示任意三个场地关键点的共线值为零；根据有效关键点在场地模型图像和视频帧图像中的坐标位置，确定透视变换矩阵，透视变换矩阵用于实现视频帧图像中任意位置的平面映射。本发明可实现比赛视频的平面转换，以俯瞰视角直观表现全局战术。
-
Patent Agency Ranking
公开(公告)号：CN110321830B
公开(公告)日：2020-11-13
申请号：CN201910576921.5
申请日：2019-06-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于神经网络的中文字符串图片OCR识别方法，属于光学字符识别领域。首先采集若干张待识别图片，将每个图片中的每个像素值分别进行归一化；同时初始化神经网络模型的各类别，初始化每个类别的中心特征向量。然后将每张待识别图片中的归一化像素分别输入到神经网络模型中进行特征提取，得到各图片的深度特征矩阵，通过RoI Pooling进行池化操作后伸展特征，得到长度为L的特征向量。最后将特征向量划分为训练样本和测试样本，训练样本训练神经网络模型；每个测试样本的特征向量分别连接到训练好的神经网络模型的全连接层，输出各测试样本的类别，完成对各图片字符串的整体识别。本发明能够对整张字符串图片进行分类识别，识别精确度更高。
-
公开(公告)号：CN101370000B
公开(公告)日：2011-06-08
申请号：CN200810224357.2
申请日：2008-10-17
Applicant: 北京星河亮点通信软件有限责任公司 , 北京邮电大学
Abstract: 本发明公开了时分同步码分多址系统的多载波实现方法和装置，该方法包括：将下行单倍速时域信号通过快速傅立叶变换调制为频域信号；对频域信号进行频谱搬移和根升余弦滤波；对滤波后的信号进行逆快速傅立叶变换，产生下行N载波时域信号；对下行N载波时域信号进行内插产生K倍速信号，对K倍速信号进行低通滤波。本发明的TD-SCDMA多载波的实现方法，在DSP上实现多载波组合，从而用一个射频就能完成多载波功能。多载波的滤波分别在DSP和FPGA上实现，DSP负责实现RRC滤波，FPGA负责实现低通滤波。传输时延在DSP中通过对数字信号，频域上连续相位的控制实现，使得算法精度高，复杂度低。
-
公开(公告)号：CN110222152B
公开(公告)日：2021-05-14
申请号：CN201910455756.8
申请日：2019-05-29
Applicant: 北京邮电大学 , 海南中智信信息技术有限公司
IPC: G06F16/33 , G06F40/289
Abstract: 本发明实施例提供一种基于机器阅读理解的问题答案获取方法及系统。其中，方法包括：将问题和对应的文档集输入至训练后的神经网络模型，获取训练后的神经网络模型的输出结果；根据输出结果，从文档集中确定问题对应的答案；其中，训练后的神经网络模型根据训练集训练得到，训练集包括多个样本问题以及每个样本问题对应的样本文档集和样本标签集。本发明实施例提供的方法及系统，通过将问题和对应的文档集输入至训练后的神经网络模型，根据训练后的神经网络模型的输出结果，从文档集中确定问题对应的答案。填补了描述类问题机器阅读理解模型的短缺，有效的利用了多文档的特点，保留了更多文档信息，能够更加精准地提取描述类问题的答案。
-
公开(公告)号：CN104680250B
公开(公告)日：2018-04-17
申请号：CN201510073153.3
申请日：2015-02-11
Applicant: 北京邮电大学
Abstract: 本发明公开一种位置预测系统，所述系统包括：输入模块，用于在接收到用户的签到数据和/或位置预测请求之后，将所述签到数据和/或位置预测请求发送到位置预测模块；位置预测模块，用于根据所述签到数据和/或位置预测请求，以及预设的位置预测模型，对用户进行位置预测并将位置预测结果发送到输出模块；输出模块，用于显示所述位置预测结果。本发明的位置预测系统通过将用户的签到数据集合分为两部分：受社交关系影响的签到数据集合和不受社交关系影响的签到数据集合，分别在两个不同的签到数据集合中预测用户在某个时刻某个地点进行签到的概率，然后再将两部分概率进行融合，位置预测准确率较高。
-
公开(公告)号：CN104680250A
公开(公告)日：2015-06-03
申请号：CN201510073153.3
申请日：2015-02-11
Applicant: 北京邮电大学
Abstract: 本发明公开一种位置预测系统，所述系统包括：输入模块，用于在接收到用户的签到数据和/或位置预测请求之后，将所述签到数据和/或位置预测请求发送到位置预测模块；位置预测模块，用于根据所述签到数据和/或位置预测请求，以及预设的位置预测模型，对用户进行位置预测并将位置预测结果发送到输出模块；输出模块，用于显示所述位置预测结果。本发明的位置预测系统通过将用户的签到数据集合分为两部分：受社交关系影响的签到数据集合和不受社交关系影响的签到数据集合，分别在两个不同的签到数据集合中预测用户在某个时刻某个地点进行签到的概率，然后再将两部分概率进行融合，位置预测准确率较高。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.034 seconds)
