-
公开(公告)号：CN113468386A
公开(公告)日：2021-10-01
申请号：CN202110748308.4
申请日：2021-07-01
Applicant: 南京邮电大学
IPC: G06F16/903
Abstract: 本发明揭示了一种基于哈希学习的跨模态材料表面检索方法及装置，该方法包括以下步骤：S1：获取训练数据集，每个材料表面样本包括视觉图片和触觉加速度；S2：对训练集进行符号化表示，建立两个并行的深度网络，得到视觉和触觉的特征表示；S3：将得到的不同模态特征表示分别输入自注意力网络，得到不同模态自注意力特征；S4：建立哈希层，将得到的视触自注意力实值特征转化为二进制哈希码，同时建立模态内中心约束并利用跨模态损失函数优化整个网络；S5：建立跨模态材料表面检索装置，实现跨模态检索。采用本方法能够充分融合视觉触觉之间的信息，将视触信息的最终特征表示转化为低维二进制哈希码，减少了跨模态检索的存储及检索成本。
-
公开(公告)号：CN107396207B
公开(公告)日：2019-11-08
申请号：CN201710599706.8
申请日：2017-07-21
Applicant: 南京邮电大学
IPC: H04N21/845 , H04N21/63 , H04N21/472 , H04N21/24
Abstract: 本发明公开了一种基于特征优先级的P2P数据调度方法，该方法解决了传统分片调度策略中存在的只关注部分类型分片，而忽略其它类型分片的问题。本发明根据分片特征将分片划分成紧急分片、锚点分片、稀有分片和普通分片等四种分片，并且锚点设置不再像传统的锚点策略那样简单地将视频等分，而是根据视频分片被请求的频率来设置锚点。每种分片的下载优先级由高到低设置，当高优先级的分片下载完毕，次优先级的分片就开始下载，直至四种分片都下载完成。本发明提出的分片调度方案，保障视频播放流畅性同时，提供良好的用户操作体验，并增加系统中稀有分片的副本数量。
-
公开(公告)号：CN110162553A
公开(公告)日：2019-08-23
申请号：CN201910422603.3
申请日：2019-05-21
Applicant: 南京邮电大学
IPC: G06F16/2458 , G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于attention-RNN的用户兴趣挖掘方法，包括：步骤1，原始数据收集；步骤2，结构化处理；步骤2，数据清洗；步骤3，异常值判别与处理；步骤4，数据归一化；步骤5，建立用户兴趣挖掘模型，所述用户兴趣挖掘模型包括输入层、embedding层、LSTM层、attention层和输出层。该方法基于LTSM的兴趣挖掘模型，将用户行为序列转化成一系列的兴趣状态，并在此基础上增加了attention机制，实现了对家庭成员不同个体兴趣偏好的提取，算法准确度高。
-
公开(公告)号：CN104616299B
公开(公告)日：2019-02-19
申请号：CN201510051773.7
申请日：2015-01-30
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于空时偏微分方程的弱小目标检测方法，该方法包括：(1)读入待处理图像序列的相邻三帧图像；(2)初始化参数w并计算图像的空时梯度(3)利用空时偏微分方程对图像进行背景预测；(4)对当前帧的图像和背景预测的结果进行差分，得到弱小目标的检测结果。本发明通过利用空时偏微分方程模型对远距离红外图像进行背景预测，使得算法能够对弱小目标进行检测，该方法为成像制导、安全监控、空间监测等方面提供了技术支撑，具有较强的实用价值。
-
公开(公告)号：CN109191559A
公开(公告)日：2019-01-11
申请号：CN201810685259.2
申请日：2018-06-28
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于深度传感器的人体模型建立方法，包括如下步骤：S1、选定基础模型，随后用户以采集方位站立于深度传感器前，完成人体参数采集，所述人体参数包括骨骼数据和深度数据；S2、采用卡尔曼滤波算法对已获得的人体参数进行平滑处理；S3、依据基础模型以及人体参数，得到实时重建算法；S4、根据基础模型中所需的身体参数，离线人工测量身体参数，结合身体参数及实时重建算法，计算基础模型中各部位的权重参数，再结合权重参数与人体参数、以基础模型为基础建立人体模型。本发明提出了一种基于深度传感器的人体模型建立方法，具有很高的使用及推广价值。
-
Patent Agency Ranking
公开(公告)号：CN109120961A
公开(公告)日：2019-01-01
申请号：CN201810803152.3
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: H04N21/258 , H04N21/466 , H04N17/00 , G06N3/00 , G06N3/04 , G06N3/08 , H04L12/24
Abstract: 本发明提出了一种基于PNN-PSO算法的IPTV不平衡数据集的用户体验质量(QoE)的预测方法。该方法包括如下步骤：首先从IPTV的机顶盒记录中提取与用户的体验质量有关联的影响因素，得到PNN-PSO模型的特征输入，并进行相关概念的定义及数据的提取和预处理；接着分析各个特征与用户体验质量(QoE)的关联；而后基于PNN-PSO神经网络建立用户体验质量(QoE)预测模型，利用IPTV数据集来实现用户体验质量(QoE)的预测。采用该方法，克服了PNN算法中存在的局部极小问题以及数据不均衡所带来的问题，学习收敛过程更快，预测更加精确、高效；充分利用了IPTV机顶盒的数据集，能够帮助IPTV运营商及时地做出调整措施，以提高用户体验质量。
-
公开(公告)号：CN105809793B
公开(公告)日：2018-05-11
申请号：CN201610143634.1
申请日：2016-03-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于iBeacon技术实现的车辆解锁方法，该方法解决了针对汽车驾驶人在忘记携带钥匙的情况下无法打开车门或者在钥匙被盗的情况下，窃贼可以轻易发动车辆的问题。该方法包括离线信号收集，建立区域的信号强度空间生成指纹库，设置原始轨迹，绘制轨迹图，并存入数据库；随之进行在线位置定位，包括精确点判断、匹配定位和惯性点的判断与选择；最后，根据定位信息生成解锁过程的轨迹向量，绘制轨迹图，并与预先设置的轨迹图比较，如果图形一致，则解锁成功；反之，解锁失败。该方法实现了车辆的智能解锁，提高了汽车使用的安全性。
-
公开(公告)号：CN104992188B
公开(公告)日：2018-04-20
申请号：CN201510415750.X
申请日：2015-07-15
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种t混合因子分析的分布式手写数字识别方法，该方法首先在每个节点处对采集到的手写数字进行特征提取，而后对用于训练的每个数字所对应的特征数据进行初始化，接着各节点基于自身的训练数据计算局部统计量并广播给其邻居节点，同时，各节点根据收到的来自所有邻居节点的局部统计量，计算联合统计量，并基于该联合统计量估计出t混合因子分析中的各个参数，完成分布式训练过程。在分布式识别阶段，测试用的数据可以输入任一节点，计算其关于训练好的每一个数字对应的tMFA的对数似然值，将最大对数似然值对应的数字作为识别结果。采用tMFA对数据中的离群点具有较高鲁棒性，采用分布式训练和识别方式，避免了由中心节点带来的网络崩溃。
-
公开(公告)号：CN107276597A
公开(公告)日：2017-10-20
申请号：CN201710334391.4
申请日：2017-05-12
Applicant: 南京邮电大学
CPC classification number: H04B1/0003 , H04W16/10 , H04W16/18
Abstract: 本发明公开了一种基于USRPN200的两阶段频谱感知优化方法，本发明在室内环境中，使用GNU Radio和USRP软件无线电平台，实现了粗扫描和细扫描两阶段的频谱感知，通过宽带扫频可迅速捕捉到适合认知用户通信的频段，通过细扫描进一步提高了频谱感知的性能，提高了认知用户通信的可靠性；根据感知结果自动选择空闲频段进行数据传输，降低了数据传输的误码率。
-
公开(公告)号：CN107181734A
公开(公告)日：2017-09-19
申请号：CN201710222693.2
申请日：2017-04-07
Applicant: 南京邮电大学
IPC: H04L29/06
Abstract: 本发明公开了一种CDN‑P2P网络架构的流媒体缓存替换方法，包括对超级节点PSN侧执行基于视频热度优先的先进先出操作和对普通用户终端PCN执行基于保护预分发的本地服务优先操作，前者具体包括PTS接收到PSN的删除命令后，进入拒绝该删除内容定位请求的状态，并保持到本次删除结束，同时进行通知，进入拒绝对该内容新下载请求的状态，并保持到本次删除结束，当PTS上检测到所有PCN结束点播状态时，PTS删除该删除内容目录，同时通知PSN删除该删除内容，PSN接收到PTS的命令后从硬盘中删除该内容。本发明克服了传统的缓存替换策略不能保护内容预分发内容和正在服务其他用户内容的问题，同时缓解了内容热度不能及时更新或者内容热度更新需要浪费大量的流量的问题。
-
-
-
-
-
-
-
-
-
Search Results
169
records
(took 0.075 seconds)
