원래 이름 기록: 重庆邮电大学

本发明涉及计算机视觉领域，特别涉及一种基于因果反事实推理的RGB图像分类方法，包括：构建RGB图像分类模型；获取待分类的图像，将图像输入到训练后的RGB图像分类模型中，得到图像分类的结果；所述RGB图像分类模型，包括：视觉Transformer网络模块、语义特征提取模块、对比学习模块、预测头模块；本申请基于因果推断理论，对分类过程进行反事实干预并引入对比损失，可以引导网络分离出能表示图像本质的语义特征，进一步提升分类模型在实际应用场景上的准确度和稳定性。

本申请提供一种基于元宇宙的目标检测方法、装置、电子设备及存储介质，该方法通过获取初始图像，以及通过初始图像在元宇宙中进行AI创作得到的带标签的增强图像，根据增强图像和初始图像对预设的教师模型进行训练，通过梯度下降算法优化教师模型的权重，得到训练好的目标教师模型和教师模型权重，通过指数移动平均和教师模型权重对预设的学生模型进行权重更新，得到初始学生模型，将初始图像输入至初始学生模型，得到预测边界框和预测类别信息，基于预测边界框和预测类别信息计算得到蒸馏损失，根据蒸馏损失对初始学生模型进行知识蒸馏，得到目标检测模型，以通过目标检测模型进行目标检测；以提供更实用、更准确的基于元宇宙的目标检测方法。

本发明涉及一种基于相对位姿一致性的点云协同感知欺骗攻击方法及系统，属于自动驾驶协同感知安全技术领域。针对现有点云协同感知攻击方法存在的隐蔽性差、实时性不足及白盒假设过强等问题，本发明通过场景与攻击目标区域初始化、卡尔曼滤波位姿预测、基于相对位姿的多视角伪造点云构建、黑盒对抗位姿扰动优化以及基于关键点的点级扰动与形状相似性约束等步骤，实现了在黑盒条件下生成几何一致且物理合理的欺骗点云。该方法显著提升了攻击的隐蔽性、跨视角鲁棒性和实时性，为协同感知系统安全评估提供了有效技术支撑。

本发明提供一种基于时空特征动态注意力融合网络的连续动作识别方法，包括：构建动作识别模型；通过毫米波雷达采集待测目标的动作信号，对动作信号进行预处理；根据预处理后的动作信号构建连续点云序列；对连续点云序列进行合并；将合并后的点云输入到训练后的动作识别模型中，采用时序特征提取模块提取点云序列进行自适应多尺度时序特征；采用空间特征提取模块对每帧点云进行多尺度邻域聚合；采用时空特征交互注意力融合模块对自适应多尺度时序特征和多尺度空间特征进行互补融合，得到融合特征；将融合特征输入到分类器中，得到连续动作识别结果；本发明设计的带有自适应领域权重分配策略的多尺度图卷积网络结构，针对毫米波雷达点云分布不规则、空间性难挖掘的特点，依据点云局部密度、空间几何关系动态调整邻域点对特征提取的贡献权重，解决传统方法空间特征提取粗粒度、鲁棒性差问题。

本发明涉及一种基于超图与多粒度时序建模的交通事故预测方法及系统，属于智能交通与公共安全技术领域。该方法旨在解决现有预测技术难以有效捕捉交通系统中复杂的多粒度时序特征与区域间高阶空间依赖关系的问题。技术方案主要包括：收集事故、天气、车流量及兴趣点数据并提取特征；通过多粒度时序表征模块融合日周期与周周期时序位置编码以增强时序特征；利用相似度计算模块构建超图关联矩阵来表征区域间复杂的高阶空间关联；将融合特征与超图矩阵输入由区域卷积模块、超图卷积模块和时间注意力模块构成的预测模型进行训练与预测。本发明能够更精准地建模交通事故的时空演化规律，显著提升了预测准确性、鲁棒性与泛化能力，为城市交通安全管理提供了有效决策支持。

本发明涉及一种基于对抗样本生成的药物‑靶标相互作用预测方法，包括：获取原始数据集，基于所述原始数据集利用LLM模型生成对抗样本，构建增强数据集；构建DTI预测模型，所述DTI预测模型包括药物编码器、靶标编码器和分类器；所述药物编码器用于获取药物分子的嵌入向量表示；所述靶标编码器用于获取靶标氨基酸序列的嵌入向量表示；所述分类器用于根据药物分子的嵌入向量表示和靶标氨基酸序列的嵌入向量表示预测药物分子与靶标相互作用的概率；基于原始数据集和增强数据集对DTI预测模型进行训练；将待预测的药物分子的药物分子信息和标靶的氨基酸序列信息输入DTI预测模型预测待预测药物分子是否和标靶的氨基酸序列发生相互作用。本发明能够精确解决冷启动问题，提高了模型的鲁棒性，同时模型在面对全新未知靶标时能进行有效推断。

本发明涉及了一种具有折叠螺旋结构的圆极化滤波介质谐振器天线阵列，属于天线技术领域。该介质谐振器天线阵列从上往下依次包括：天线单元，H型微带功分器，介质基板1，金属地1，共面波导结构，介质基板2，金属地2。所述的介质谐振器天线阵列由4个单元组成；所述的天线单元由折叠金属螺旋条带和空心圆柱介质谐振器组成。将金属螺旋条带与空心圆柱介质谐振器嵌套设计，产生方向相同，存在90度相位差，且幅度相等的电流与等效磁流，从而实现圆极化辐射功能；并由基片集成波导腔体和共面波导组合的馈电结构实现带通滤波功能。本发明的带宽、增益、轴比指标适用于C波段卫星通信系统中的地面设备。

本发明公开了一种基于行波缝隙耦合馈电的低剖面宽带圆极化阵列天线。该阵列采用多层结构，自上而下包括馈电微带线层、第一介质基板、带十字槽的金属板、第二至第五介质基板层以及第一、第二金属片层。馈电网络通过一级“T”形和二级不等长“T”形微带线实现能量等幅同相与不等相传输。金属板上的十字槽与介质基板中的金属化通孔协同工作，引导电磁波向上辐射并抑制横向损耗。多层介质板和金属片混合叠加并通过顺序旋转排列方式，有效拓宽了阻抗带宽与轴比带宽，提升了天线增益。该天线在7GHz中心频率下，实现了高增益、宽带宽与0.056工作波长的低剖面特性。

本申请实施例涉及数据处理领域，提供一种面向工业敏感数据的SQL注入响应方法，包括：对客户端上传的SQL命令进行特征提取，得到第一特征信息集合；根据所述第一特征信息集合中的第一特征信息计算客户端上传的SQL命令的推理得分信息，得到目标得分信息；根据预设的得分信息阈值和目标得分信息生成所述客户端上传的SQL命令对应的注入响应方案，得到目标响应方案；根据所述目标响应方案对所述客户端上传的SQL命令进行响应，得到响应结果；提升了在对客户端上传的SQL进行注入响应时的准确性。

本发明涉及一种基于车辆画像的个性化安全共享方法，属于移动通信技术领域。针对车联网环境下通信开销大、模型泛化性不足及跨区协同问题，本发明提出一种基于车辆画像的个性化安全共享方法。首先，综合车辆的多维状态构建个性化画像并动态更新。其次，建立基于双层DAG(DirectedAcyclic Graph，DAG)区块链的分层协同架构，将车辆划分为多个DAG子链，实现子链的优先验证与主链的跨区迁移。然后，提出基于车辆画像的自适应层级特征分配机制，确定低秩适应解层数，降低通信负载。最后，构建基于验证集反馈的个性化学习，通过正负样本对比学习优化知识传递方向，提升模型个性化。本方案在保证数据隐私与通信效率的同时，有效提升了模型个性化水平及跨区协同能力。

本发明涉及数字信息的传输领域，特别涉及一种低轨卫星下基于动态稀疏贝叶斯的OTFS信道估计方法，包括将信息符号与导频符号转为时延多普勒域发送矩阵；将时延多普勒域发送矩阵发送到接收端；将接收端的导频信号分为信道向量与验证导频信号；基于OTFS系统将信道向量建模为压缩感知问题，采用动态稀疏贝叶斯信道估计对压缩感知问题求解，得到后验信道向量；对后验信道向量的超参数进行迭代更新，得到最优的信道估计结果；采用验证导频信号，对信道估计结果进行迭代优化，得到估计的信道向量；本申请设计的OTFS信道估计方法具备较强的抗噪声和抗干扰能力，估计精度显著优于传统稀疏贝叶斯学习方法。

本发明公开了一种用于正交时频空调制信号的双向传递符号概率的消息传递检测算法，给出了双向传递的概率消息的计算式和迭代检测过程的收敛判断准则，以及两种降低计算复杂度的方法。本发明的检测算法的误码性能优于线性最小均方误差检测算法和传统消息传递检测算法，收敛速度较传统消息传递检测算法更快。在应用两种降低计算复杂度的方法后，误码性能仅有轻微的下降，但计算复杂度有明显的降低。

本申请实施例提供一种面向多任务驱动的工业物联网边缘计算调度方法与装置。应用于工业物联网边缘计算技术领域，该方法通过获取工业环境中的状态信息，状态信息包括任务信息、网络状态信息和服务器负载信息；采用双分支共享特征提取层对状态信息进行特征提取，得到融合特征；将融合特征输入至级联的双层深度强化学习网络，以确定任务的卸载决策和资源分配决策；其中，双层深度强化学习网络的上层网络基于融合特征输出离散的卸载决策，下层网络根据卸载决策和融合特征输出连续的资源分配决策，该方法提升了任务完成率、降低了处理时延与能耗，并优化了系统负载均衡。