-
公开(公告)号：CN111914212B
公开(公告)日：2023-05-16
申请号：CN202010754784.2
申请日：2020-07-31
Applicant: 南京邮电大学
Abstract: 面向数据降维的邻域重建方法，能够在给定数据中心点和初始邻域集的条件下，产生与数据中心点更加相似的邻域集。所述方法包括：将数据中心点和邻域集组成基础矩阵，然后将基础矩阵迭代地右乘系数矩阵产生新的邻域集。每一次迭代过程中产生的邻域集放到同一个矩阵中能够产生扩充邻域集。计算数据中心点和扩充邻域集之间的欧氏距离，并在扩充邻域集的每一行中选取一个与数据中心点距离最小的数据，选中的数据即重建的数据中心点的邻域集。通过本发明的技术方法，能够寻找到与数据中心点在结构上更具相似性的邻域集。对于图像分类和图像超分辨率等领域具有重要理论和实际意义。
-
公开(公告)号：CN109919380B
公开(公告)日：2022-07-29
申请号：CN201910170728.1
申请日：2019-03-07
Applicant: 南京邮电大学
Abstract: 基于指数平均UD‑WCMA太阳能收集功率的改进预测方法，首先在历史数据中选择与当前天最为相似的数据模型；然后计算天气因子和动态变化权重因子。特别地，考虑到前几天对应时槽的数值对当天预测时槽的影响程度不同，越接近该天影响程度应该越大，且与该天天气波动情况越相似，影响程度也应越大。本发明对简单平均做出了优化：根据欧式距离，将前几天相同时槽对当天时槽的影响程度量化，并归一化计算各自的贡献率，得到前几天与预测时槽等时刻的指数平均值。最后，综合各因子及历史数据得到太阳能功率预测值。本发明结合UD‑WCMA等算法并引入指数平均值，不仅消除了待设置权重因子α的影响，还定量给出了前几天对当天的贡献率,可以达到更高的预测效率。
-
公开(公告)号：CN111950461A
公开(公告)日：2020-11-17
申请号：CN202010811797.9
申请日：2020-08-13
Applicant: 南京邮电大学
Abstract: 基于卷积神经网络的形变检测与矫正的手指静脉识别方法，针对现有的手指静脉识别算法在手指发生严重形变的情况下识别性能较差问题，本方法仔细分析了手指静脉形变矫正的原理并将卷积神经网络引入到手指静脉矫正与识别算法中，注重在小数据集的情况下尽可能训练出满足性能要求的识别模型。该方法能够在手指发生不规则形变的情况下，准确的对手指静脉图像进行形变矫正并提取有效特征进行识别。本发明充分考虑了手指静脉形变矫正的过程，将卷积神经网络用于手指静脉的形变矫正，并使用高效的特征提取网络进行手指静脉特征的提取与识别。同时直接以原始手指静脉图像作为方法的输入，不需要复杂的预处理操作，在小规模数据集下也能取得很好的识别效果。
-
公开(公告)号：CN111914212A
公开(公告)日：2020-11-10
申请号：CN202010754784.2
申请日：2020-07-31
Applicant: 南京邮电大学
Abstract: 面向数据降维的邻域重建方法，能够在给定数据中心点和初始邻域集的条件下，产生与数据中心点更加相似的邻域集。所述方法包括：将数据中心点和邻域集组成基础矩阵，然后将基础矩阵迭代地右乘系数矩阵产生新的邻域集。每一次迭代过程中产生的邻域集放到同一个矩阵中能够产生扩充邻域集。计算数据中心点和扩充邻域集之间的欧氏距离，并在扩充邻域集的每一行中选取一个与数据中心点距离最小的数据，选中的数据即重建的数据中心点的邻域集。通过本发明的技术方法，能够寻找到与数据中心点在结构上更具相似性的邻域集。对于图像分类和图像超分辨率等领域具有重要理论和实际意义。
-
公开(公告)号：CN110765856A
公开(公告)日：2020-02-07
申请号：CN201910863733.0
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 基于卷积的低质量手指静脉图像边缘检测算法，首先利用图像的中心线把水平放置的手指分为上下两部分，分析上下两部分手指边界处像素灰度值的变化情况，设计对应的卷积矩阵，接着利用预先设计好的卷积矩阵分别对手指上下两部分进行运算，得到粗略检测出的手指边界。对于低质量指静脉图像，粗检测的手指边界往往存在缺失断裂的情况，因此，需要判断粗检测的手指边界是否存在断裂的情况，如果边界完好，则完成边缘检测，如果边界存在断裂情况，则采用多项式拟合的方法对边界进行修复。本方法可以实现手指边界与设备背景融合的低质量指静脉图像的边缘检测，具有较强的鲁棒性，能够提高指静脉识别系统的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111950461B
公开(公告)日：2022-07-12
申请号：CN202010811797.9
申请日：2020-08-13
Applicant: 南京邮电大学
Abstract: 基于卷积神经网络的形变检测与矫正的手指静脉识别方法，针对现有的手指静脉识别算法在手指发生严重形变的情况下识别性能较差问题，本方法仔细分析了手指静脉形变矫正的原理并将卷积神经网络引入到手指静脉矫正与识别算法中，注重在小数据集的情况下尽可能训练出满足性能要求的识别模型。该方法能够在手指发生不规则形变的情况下，准确的对手指静脉图像进行形变矫正并提取有效特征进行识别。本发明充分考虑了手指静脉形变矫正的过程，将卷积神经网络用于手指静脉的形变矫正，并使用高效的特征提取网络进行手指静脉特征的提取与识别。同时直接以原始手指静脉图像作为方法的输入，不需要复杂的预处理操作，在小规模数据集下也能取得很好的识别效果。
-
公开(公告)号：CN108573327B
公开(公告)日：2022-03-29
申请号：CN201810383872.9
申请日：2018-04-26
Applicant: 南京邮电大学
Abstract: 本发明提出基于天气数据的无线传感网节点太阳能收集功率预测算法，能够在使用较小空间和时间的同时，准确的预测出带有太阳能采集功能的无线传感网节点的收集功率。本发现充分考虑了天气变化对太阳能收集功率预测的影响，通过对天气变化与太阳能收集功率之间的对比分析，发现了天气变化对太阳能采集的作用关系，从而实现了在天气变化显著场景准确预测节点太阳能收集功率。同时该方法在天气显著变化和天气平稳变化场景均能取得非常高的预测精度。
-
公开(公告)号：CN110070214A
公开(公告)日：2019-07-30
申请号：CN201910262136.2
申请日：2019-04-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于天气相似度的D-WSMA太阳能收集功率预测方法，首先在历史数据中选取参考数据，包括参考天和参考时刻的太阳能功率信息；然后利用方差定义数据的相似度，计算参考天参考时刻对预测时刻的权重因子α。同时，根据参考天的权值计算参考天参考时刻的加权平均值，再与平均值加权后得到参考时刻的综合值，计算当前天参考时刻样本值和综合值的比值β。最后基于D-WCMA算法，计算动态变化权重因子G。本发明基于天气相似度刻画不同参数的影响程度，不仅定量给出了参考天和参考时刻对预测值的权重，而且由权重综合得到参考时刻的综合值，预测效率更高。
-
公开(公告)号：CN109919380A
公开(公告)日：2019-06-21
申请号：CN201910170728.1
申请日：2019-03-07
Applicant: 南京邮电大学
Abstract: 基于指数平均UD-WCMA太阳能收集功率的改进预测方法，首先在历史数据中选择与当前天最为相似的数据模型；然后计算天气因子和动态变化权重因子。特别地，考虑到前几天对应时槽的数值对当天预测时槽的影响程度不同，越接近该天影响程度应该越大，且与该天天气波动情况越相似，影响程度也应越大。本发明对简单平均做出了优化：根据欧式距离，将前几天相同时槽对当天时槽的影响程度量化，并归一化计算各自的贡献率，得到前几天与预测时槽等时刻的指数平均值。最后，综合各因子及历史数据得到太阳能功率预测值。本发明结合UD-WCMA等算法并引入指数平均值，不仅消除了待设置权重因子α的影响，还定量给出了前几天对当天的贡献率,可以达到更高的预测效率。
-
公开(公告)号：CN108573327A
公开(公告)日：2018-09-25
申请号：CN201810383872.9
申请日：2018-04-26
Applicant: 南京邮电大学
Abstract: 本发明提出基于天气数据的无线传感网节点太阳能收集功率预测算法，能够在使用较小空间和时间的同时，准确的预测出带有太阳能采集功能的无线传感网节点的收集功率。本发现充分考虑了天气变化对太阳能收集功率预测的影响，通过对天气变化与太阳能收集功率之间的对比分析，发现了天气变化对太阳能采集的作用关系，从而实现了在天气变化显著场景准确预测节点太阳能收集功率。同时该方法在天气显著变化和天气平稳变化场景均能取得非常高的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
