-
公开(公告)号：CN108337713B
公开(公告)日：2022-11-29
申请号：CN201810094457.1
申请日：2018-01-31
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种基于改进K均值的的矿井无线传感网非均匀分簇路由方法，其特征是，包括如下步骤：计算最优聚类簇首数目；计算K均值算法的初始质心；将每个传感器节点根据欧氏距离分配给距离最近的质心；计算每个簇新的质心位置；误差函数取得最小值；各簇内节点按照到对应簇内质心的距离编号；选择距离各簇内质心最近的节点为初始簇首；计算网络运行过程中每一轮簇首节点发送数据信息到基站消耗的能量；计算簇首能量阈值；判断当前簇首在下一轮是否继续担任簇首。优点：不再以轮为单位重新分簇，每轮仅进行基于剩余能量和地理位置的簇首动态更换；延长整个网络的生命周期。
-
公开(公告)号：CN108647259B
公开(公告)日：2022-06-10
申请号：CN201810382423.2
申请日：2018-04-26
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种基于改进深度特征加权的朴素贝叶斯文本分类方法，包括：获取文本的特征词，根据不同的特征词出现的类别数和文本数，得到相应的特征类别概率和特征文本概率，进而得到特征的二维信息增益；利用所述二维信息增益与深度加权方式相结合对特征加权朴素贝叶斯模型进行深度加权，得到改进深度特征加权的朴素贝叶斯模型；对于任意文本，利用改进深度特征加权的朴素贝叶斯模型分别计算属于各特征类别的概率，选出最大的概率值对应的类别即文本所属类别。本发明能够使传统朴素贝叶斯算法的特征独立性假设得到抑制，为文本分类任务提供准确和快速的分类方法。
-
公开(公告)号：CN108494524B
公开(公告)日：2020-09-22
申请号：CN201810163649.3
申请日：2018-02-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明提出了基于改进的离散多电平混沌神经网络的信号盲检测方法。所述方法将混沌映射应用在离散多电平神经网络MQAM星座信号中，利用混沌具有全局搜索的特点，将Tent映射函数引入自反馈连接系数的调整之中作为神经元的自反馈连接权值，构造了基于改进的离散多电平混沌神经网络模型；调整Tent映射函数的控制参数，避免神经网络陷入极小值点。本发明方法能够减少数据量长度，提高多电平盲检测的抗噪声能力，综合多方面提高了多电平盲检测的性能。
-
公开(公告)号：CN108536730B
公开(公告)日：2020-04-07
申请号：CN201810160983.3
申请日：2018-02-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明提出了一种混合傅里叶核函数支持向量机文本分类方法。所述方法根据支持向量机中各种核函数不同的学习、泛化能力，进而通过线性加权混合多项式与傅里叶核函数，组成新的混合傅里叶核函数；由于核函数的学习能力以及泛化能力很大程度上影响支持向量机分类效果，因此把多项式核函数与傅里叶核函数相结合。本发明方法继承了傅里叶核函数的高学习能力与多项式核函数的泛化能力，提高了支持向量机分类器的性能；并且与单核中的多项式核函数、高斯核函数、傅里叶核函数以及混合核函数中的多项式与高斯核组合核函数比较，混合傅里叶核函数具有更好的泛化、学习能力，文本分类效果最佳。
-
公开(公告)号：CN108540269A
公开(公告)日：2018-09-14
申请号：CN201810347978.3
申请日：2018-04-18
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
CPC classification number: H04L41/145 , H04L1/0038 , H04L25/03165 , H04L27/001 , H04L27/3405
Abstract: 本发明公开了一种基于幅相型离散多电平TCNN的MPSK盲检测方法，基于暂态混沌神经网络的全局搜索能力，并利用混沌动力学行为进行全局优化，从而克服了幅相型离散多电平Hopfield神经网络在解决MPSK信号盲检测中易陷入局部最优解和需要多个起点的缺点。
-
Patent Agency Ranking
公开(公告)号：CN108460080B
公开(公告)日：2020-12-08
申请号：CN201810019705.6
申请日：2018-01-09
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06F16/35
Abstract: 本发明提供基于特征二维信息增益加权的朴素贝叶斯文本分类方法。所述方法获取文档的特征词，根据不同的特征词出现的类别数和文档数，得到相应的特征类别概率和特征文档概率，进而得到特征的二维信息增益；由于信息增益具有反应特征对分类效果提升大小的作用，信息增益越大说明该特征越能表达该类的信息，把特征的二维信息相结合，提高了朴素贝叶斯文本分类器的性能；并且与TFIDF加权朴素贝叶斯文本分类算法、TFIDF*IGC文本分类算法相比，基于特征二维信息增益加权的朴素贝叶斯文本分类方法具有更好的鲁棒性，使其对所有类别的分类效果都能保持很好；在同等条件下，本发明的分类性能要优于传统改进的朴素贝叶斯文本分类方法。
-
公开(公告)号：CN109857867A
公开(公告)日：2019-06-07
申请号：CN201910056795.0
申请日：2019-01-22
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种基于循环神经网络的激活函数参数化改进方法，包括步骤：步骤一，以长短期记忆网络为基础，构建双向长短期记忆网络Bi-LSTM；步骤二，将Bi-LSTM网络中各个隐藏层串联，在网络中最后一层隐藏层之后加入平均池化层，在平均池化层之后连接一个归一指数化函数层，建立密集连接的双向长短期记忆网络DC-Bi-LSTM；步骤三，运用参数化Sigmoid激活函数，在数据集上进行训练，记录密集连接的双向长短期记忆网络对句子分类的精确度，得到最佳精确度对应的参数化激活函数。本发明通过参数化激活函数模块，使得S型激活函数的非饱和区域得到扩展，同时避免函数的导数过小，防止梯度消失现象的发生。
-
公开(公告)号：CN108536730A
公开(公告)日：2018-09-14
申请号：CN201810160983.3
申请日：2018-02-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明提出了一种混合傅里叶核函数支持向量机文本分类方法。所述方法根据支持向量机中各种核函数不同的学习、泛化能力，进而通过线性加权混合多项式与傅里叶核函数，组成新的混合傅里叶核函数；由于核函数的学习能力以及泛化能力很大程度上影响支持向量机分类效果，因此把多项式核函数与傅里叶核函数相结合。本发明方法继承了傅里叶核函数的高学习能力与多项式核函数的泛化能力，提高了支持向量机分类器的性能；并且与单核中的多项式核函数、高斯核函数、傅里叶核函数以及混合核函数中的多项式与高斯核组合核函数比较，混合傅里叶核函数具有更好的泛化、学习能力，文本分类效果最佳。
-
公开(公告)号：CN108494524A
公开(公告)日：2018-09-04
申请号：CN201810163649.3
申请日：2018-02-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
CPC classification number: H04L1/0038 , H04L25/03165 , H04L27/001 , H04L41/145
Abstract: 本发明提出了基于改进的离散多电平混沌神经网络的信号盲检测方法。所述方法将混沌映射应用在离散多电平神经网络MQAM星座信号中，利用混沌具有全局搜索的特点，将Tent映射函数引入自反馈连接系数的调整之中作为神经元的自反馈连接权值，构造了基于改进的离散多电平混沌神经网络模型；调整Tent映射函数的控制参数，避免神经网络陷入极小值点。本发明方法能够减少数据量长度，提高多电平盲检测的抗噪声能力，综合多方面提高了多电平盲检测的性能。
-
公开(公告)号：CN109618311B
公开(公告)日：2021-12-14
申请号：CN201910042795.5
申请日：2019-01-17
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H04W4/70 , H04B17/391 , H04L1/00 , H04L25/02 , H04L27/34
Abstract: 本发明公开基于M2M通信频谱共享与共存的盲检测算法，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵；步骤SS6：选择Hopfield神经网络的激活函数，进行Hopfield神经网络迭代运算。本发明首次利用Hopfield神经网络的盲检测恢复M2M通信中传统用户的恢复，根据传统用户过完备模型和M2M设备稀疏模型，利用凸优化得出M2M设备传输信号，对状态方程进行迭代：每次迭代时，进入Hopfield神经网络，通过仿真验证了在同等条件下，本发明的误码率优于假设信道已知情况下恢复传统用户信号的方法。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.028 seconds)
