-
公开(公告)号：CN118152758A
公开(公告)日：2024-06-07
申请号：CN202410356482.8
申请日：2024-03-27
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/24 , G06F18/22 , G06F18/214 , G06F16/906 , G06N3/0442 , G06N3/0985 , G06Q10/04 , G06Q50/40 , G06F123/02
Abstract: 本发明公开了基于风过程划分的高铁沿线秒级极值风速预测方法、系统，该方法包括利用高铁风速秒级颗粒度显著特征点提取算法，提取高铁沿线秒级风速观测序列的初始显著特征点并去除过渡性峰值，获得最终的显著特征点集合，根据该集合将风过程进行分类，建立风过程数据库；设计相似度优化动态时间调整算法，利用该算法在风过程数据库中匹配出相似度在百分之90以上的风速观测序列，将该序列作为训练集，输入到TCN‑BiGRU预测模型中，通过贝叶斯优化算法优化预测模型参数，实现风速预测。本发明有效处理了高铁沿线秒级风信号中的复杂和非线性模式，提高了预测的准确性和适应性。
-
公开(公告)号：CN117197720A
公开(公告)日：2023-12-08
申请号：CN202311277332.X
申请日：2023-09-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种评估水下视频质量的无参考评价方法，属于视频分析技术领域，利用深度神经网络提取出视频帧的语义特征，结合水下彩色图像质量评价指标、图像模糊程度指标和自然图像质量评估指标，然后使用门循环单元网络融合视频帧之间的时序信息和多特征信息，得到一种能够客观评估水下视频质量的评估模型。本发明解决了因为水下视频通常缺少高质量参考视频，所以需要采用无参考的方法进行水下视频质量评价，而目前没有针对水下视频质量评价的无参考评价指标的问题。
-
公开(公告)号：CN113362160B
公开(公告)日：2023-08-22
申请号：CN202110635863.6
申请日：2021-06-08
Applicant: 南京信息工程大学
IPC: G06Q40/03 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。
-
公开(公告)号：CN116451117A
公开(公告)日：2023-07-18
申请号：CN202310377836.2
申请日：2023-04-10
Applicant: 南京信息工程大学
IPC: G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/098 , G06F18/25
Abstract: 本发明公开了一种基于联邦学习的电力数据异常检测方法，步骤如下：(1)故障检测数据预处理：建立多维时间序列客户端；数据预处理；构建时间窗口；(2)基于时域卷积神经网络、自注意力机制，建立本地模型：模型输入初始化；单层融合编码器运算；解码运算；构建模型损失函数；进行异常评分；更新局部模型参数；(3)服务器端采用联邦学习模型实现联合训练：构建模型损失函数；更新局部模型参数；通过上述的过程更新局部模型参数之后，上传到终端服务器中，进行聚合生成全局模型。本发明能够同时考虑到数据局部依赖性和数据全局依赖性，能够更好的提取时间序列中的时序重构信息，从而提高多维时间序列异常检测的有效性。
-
公开(公告)号：CN114943963B
公开(公告)日：2023-07-04
申请号：CN202210476213.6
申请日：2022-04-29
Applicant: 南京信息工程大学
IPC: G06V20/70 , G06V20/10 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/08
Abstract: 本发明公开了一种基于双分支融合网络的遥感图像云和云影分割方法，该方法以Convolutional vision Transformer中的Transformer模块和条状卷积作为骨干网络，将两者有效结合，使得两个分支能够相互补充，从而更加高效地提取图像中的特征信息。在特征融合方面，使用了双向引导模块使得Transformer分支和条状卷积分支能够相互引导对方进行特征挖掘、提取多尺度上下文信息，提高了不同尺度的云和云影的分割能力。在解码阶段，充分利用两分支提取到的不同层级的特征进行融合上采样，有效融合高级语义信息和空间位置信息，使得云和云影的定位更加准确，分割边界更加详细；同时本方法还是通用的。
-
Patent Agency Ranking
公开(公告)号：CN112330674B
公开(公告)日：2023-06-30
申请号：CN202011441419.2
申请日：2020-12-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于脑部MRI三维图像置信度的自适应变尺度卷积核方法，属于信息与自动控制技术领域，自动实时的改变卷积核的大小，来更好地提取特征，MRI图像的频率编码，相位编码和层面选择编码方向的置信度，对应着如果肿瘤区的置信度高则提供多且大卷积核区提取特征，反之则使用小且较少的卷积核提取特征，这样把计算资源都用在了关键位置，而且解决了不同患者，不同仪器下得到的图像灰度范围不同的问题。更好分割MRI肿瘤图像。
-
公开(公告)号：CN113554181B
公开(公告)日：2023-06-23
申请号：CN202110768514.1
申请日：2021-07-07
Applicant: 南京信息工程大学
IPC: G06N20/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于批增量方式的联邦学习训练模型。属于联邦学习训练领域，操作步骤：提出搭建具有增量学习的联邦学习框架；在联邦学习框架中保留有增量学习存在的历史遗忘性问题；针对历史遗忘性问题，通过构建本地损失更新，选择针对性的损失函数优化模型；再通过搭建联邦学习局部增量自注意力机制模型，加强具有增量学习的联邦学习框架在训练数据时的记忆，提高在联邦学习训练模型中分类任务的准确率。本发明不仅将目前所有本地模型损失的平均值添加到局部模型的损失中，帮助减少增量学习的快速遗忘的影响；还将自注意力机制用于最经典的卷积神经网络中，通过注意力机制，保留关键信息，更好地进行特征提取和选择，加强增量学习记忆。
-
公开(公告)号：CN112819413B
公开(公告)日：2023-06-20
申请号：CN202110204009.4
申请日：2021-02-24
Applicant: 南京信息工程大学
IPC: G06Q10/0835 , G06Q30/0601 , G06Q10/04 , G06Q10/0631 , G06Q10/0639
Abstract: 本发明公开了一种适用于即时物流的配送改进算法，包括以下步骤：依据骑手工作站为工作的中心点，设定骑手工作中心站点位置及骑手工作位置，计算骑手距离中心站点的位置，定义骑手工作区域；依据不同延时因素引入时间延迟，确定骑手的动态位置变化；获取关于订单及历史订单配送结果的历史数据集；将影响订单派送的因素作为参数引入多目标动态优化算法；利用降维代价函数，在参数上加上权重，定义各骑手的配送效率值；求得每个参数的权重，选择最优效率值得骑手进行订单派送。本发明就被动式派单方法进行改进，增加骑手的实时地理位置，根据平台的后台配送数据，根据骑手的实时位置信息来优化系统，选择最佳配送人员派单，提高了订单配送效率。
-
公开(公告)号：CN107340546B
公开(公告)日：2023-05-05
申请号：CN201710607071.1
申请日：2017-07-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种水下探测分孔径双CCD实时偏振成像装置及方法，包括被探测目标、前置共孔径成像透镜组、无偏振分光棱镜、偏振元件组、后置分孔径成像透镜组、CCD探测器、LED光源和透明树脂密封舱。本发明采用CCD分孔径设计装置，完成分孔径与分振幅相结合的偏振成像系统，实现对圆偏振、线偏振原始图像及光强度图像的同时采集。本发明采用基于机器学习的多光学信息融合偏振成像方法，针对不同水深、水质的水下环境，在人工光源条件下基于图像的颜色、光强、偏振度等光学参数以及水体环境和探测距离进行建模，建立学习机制，获得具有较高对比度、清晰度的水下目标探测图像，提高水下偏振成像的适应性。
-
公开(公告)号：CN115128984A
公开(公告)日：2022-09-30
申请号：CN202210902297.5
申请日：2022-07-29
Applicant: 南京信息工程大学
IPC: G05B19/042
Abstract: 本发明公开了农田环境管理领域的一种基于集群小车的农田环境管理方法及系统，包括：使用栅格法对工作环境进行建模，为移动机器人设定好运动的起始点S和目标点T；根据萤火虫朝着亮度更高区域聚集的原则，对移动机器人的空间位置及适应度函数进行迭代，获得起始点S至目标点T的优先路径；添加沿所述优先路径由目标点T向起始点S行进的蚂蚁，重新对移动机器人由起始点S至目标点T的路径进行迭代获得最优路径；本发明能够控制移动机器人按照预先训练确定的最优路径行进；依据气象监测模块和土壤检测模块的监测数据控制自动灌溉系统和自动施肥系统动作；实现对农作物的自动化精准管理。
-
-
-
-
-
-
-
-
-
Search Results
237
records
(took 0.036 seconds)
