-
公开(公告)号：CN111046193B
公开(公告)日：2022-05-13
申请号：CN201911385727.5
申请日：2019-12-27
Applicant: 南京邮电大学
Abstract: 本发明的目的是提供了一种基于元学习的领域知识图谱补全方法，提供一种知识图谱补全方式，仅依靠领域知识图谱中的少量样本实现实体补全和新知识的快速部署，从而提高领域知识图谱补全的效率。克服了小样本领域知识图谱难以自动处理、人工处理成本高的问题，通过元学习方法实现了在小样本领域中有效的三元组向量表示的获得方法。训练的元关系向量对于任务的改变具有敏感性，其训练过程相对普通的表示学习过程只增加了一个参数，在面对新领域知识时可以达到快速部署的效果，提高了计算效率。可扩展性强，可以适应表示学习中的多种损失函数，可以随效率和精度要求灵活更改损失函数。
-
公开(公告)号：CN108038419B
公开(公告)日：2022-05-13
申请号：CN201711137357.4
申请日：2017-11-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Wi‑Fi的室内人员被动检测方法。在离线阶段建立合理的室内测量点分布，完成离线阶段的数据采集，选取一部分测量点的数据用于离线训练；导出原始数据后对其进行降噪处理，生成概率密度函数PDF，确定阈值δ；使用滑动窗口并计算出每根接收天线的滑动窗口相关系数矩阵；计算在线状态下接收天线接收数据的相关系数矩阵TT，绘制矩阵TT的PDF图像，比较图像最高点与阈值δ的大小，判断测试状态是否为静态状态，确定当前场景下存在目标的具体状态。本发明基于细粒度物理层信息CSI，在频域上计算子载波间的相关性生成指纹，避免了时域上无线信号受到环境因素的影响，通过多次训练确定的阈值和投票方式可以减少误报的出现，检测准确率较高。
-
公开(公告)号：CN111669325B
公开(公告)日：2022-01-25
申请号：CN202010521914.8
申请日：2020-06-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于能量供给的混合式能量中心簇方法，包括：确定无线传感网络监控区域，节点个数及节点初始能量；对无线传感网络进行分层，确定每个节点所在的层次；计算首轮每个节点的初始等级值，将首轮每个节点的初始等级值与阈值比较，确定预期簇头的集合；确定无线传感网络中成簇的个数，结合各预期簇头的部署位置、首轮节点的初始等级值选定首轮的簇头集合，再根据节点加入最近簇头的原则，完成分簇；保持簇内成员不变并计算簇内成员节点的簇内等级值，选取簇内等级值最大的节点作为新簇头；计算周围簇头的转发度等级值，选取转发度等级值最大所对应的簇头为转发节点，并确定传输路径，在延长无线传感网络寿命基础上，提高整个网络的服务质量。
-
公开(公告)号：CN113848535A
公开(公告)日：2021-12-28
申请号：CN202111150705.8
申请日：2021-09-29
Applicant: 南京邮电大学
Abstract: 一种基于跨监督学习的毫米波雷达人员定位方法，使用双目摄像机采集深度点云数据，运用人体姿态估计算法从深度点云数据中提取出人员目标空间坐标数据；将空间坐标数据作为标签，毫米波雷达采集的回波数据作为输入，实现对Hourgalss神经网络的跨监督学习训练；使用毫米波雷达采集雷达回波数据，将雷达回波数据输入训练好的Hourglass神经网络，预测出基于Hourglass神经网络的人员坐标，再使用AOA定位算法对雷达信号处理，计算出基于AOA算法的人员坐标，最后融合两种方式计算出人员坐标得出最终人员定位结果。本发明可以大大提高人员定位精度，从而达到仅使用毫米波雷达就可以同时拥有商用双目摄像机的高角度定位精度和毫米波雷达的高距离定位精度的效果。
-
公开(公告)号：CN110336751B
公开(公告)日：2021-10-15
申请号：CN201910682419.2
申请日：2019-07-26
Applicant: 南京邮电大学
IPC: H04L12/721 , H04L12/24 , H04B7/185
Abstract: 基于隶属函数的低轨卫星网络路由策略，针对复杂环境下的卫星路由问题，考虑卫星网络链路信息具有不确定性，首先采用隶属函数，对链路时延、丢包率、可用带宽等链路信息进行描述；再计算各链路信息与理想点隶属函数的距离，将其作为链路综合评价；然后以路径综合评价作为路由模型的优化目标，从而建立基于路径综合评价的卫星网络路由模型；最后使用灰狼算法求解不确定模型，计算最优路径，以此来实现卫星网络高效路由的目的。因此，本卫星网络路由策略在航空、航天及社会经济等领域中都有较好的转化应用前景，属于通信技术领域。
-
Patent Agency Ranking
公开(公告)号：CN107832647B
公开(公告)日：2020-12-04
申请号：CN201710986053.9
申请日：2017-10-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无源射频标签的相位式手势识别方法，首先将标签佩戴到手指指定位置，通过天线阵列采集相位值，然后处理采集到的数据并输出与距离相关的数据序列。通过用户训练得手势数据对应数据序列，最后将当前数据序列与训练集进行相似度匹配实现手势识别。实现上述识别方法的系统包括：无源RFID标签、超高频RFID读写器、三个8dBi定向天线、数据采集与处理模块、手势训练模块、手势识别模块、上位机。本发明将RFID技术应用于手势识别，能够较好地克服可穿戴设备功耗大、便携性差以及系统易受环境干扰的问题。本发明注重对标签返回信号中相位信息的处理，并采用训练模块以适用不同用户，避免了多样数据集以及用户个体差异影响手势识别系统的性能。
-
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：CN111918388A
公开(公告)日：2020-11-10
申请号：CN202010826302.X
申请日：2020-08-17
Applicant: 南京邮电大学
IPC: H04W64/00 , H04B17/309 , G01S5/02 , G06N3/04 , G06N3/08
Abstract: 基于深度可分离卷积的CSI指纹被动式定位方法，将CSI数据构造特征图像作为位置指纹，并通过卷积神经网络识别不同的位置，实现基于深度可分离卷积的CSI指纹被动式定位方法。所述方法包括：离线训练阶段，提取MIMO系统中CSI的幅度，然后构造类似于RGB三通道图像的CSI特征图作为不同位置的位置指纹，再利用深度可分离卷积设计卷积神经网络学习不同位置的CSI特征。在线定位阶段，采集目标位置的CSI数据构造目标位置特征图像，然后用训练好的卷积神经网络预测目标的位置。本发明基于融合了CSI时域、频域、空间域的位置指纹，并且采用了深度可分离卷积，可以获得较高的位置识别率和较低的定位时延。
-
公开(公告)号：CN111860410A
公开(公告)日：2020-10-30
申请号：CN202010744973.1
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 基于多特征融合CNN的肌电手势识别方法，提出了基于并行的特征融合卷积神经网络架构。该方法为简化训练过程，减少训练集对于设计特定特征集的依赖，以深度学习方法中的卷积神经网络架构为基础进行设计；其次在架构上使用并行神经网络对时域信号和频域信号同时进行训练，有助于提升训练效率，减少训练时间；在训练模型中，提取训练初期的浅层数据特征与网络末端的深层特征相融合，输入分类层进行分类。
-
公开(公告)号：CN111770544A
公开(公告)日：2020-10-13
申请号：CN202010744985.4
申请日：2020-07-29
Applicant: 南京邮电大学
IPC: H04W40/02 , H04L12/733 , H04L12/751 , G06N20/00 , H04L29/08 , H04W84/06
Abstract: 一种基于Q-Learning的卫星物联网路由策略，针对复杂环境下的卫星物联网路由问题，考虑卫星物联网拓扑结构、节点状态动态变化，将整个卫星物联网视作强化学习的环境，将卫星节点和地面节点视作智能体，首先，初始化卫星物联网参数；其次，每一个节点维护一张Q值表，根据卫星节点跳数，距离，方向以及缓冲区占用率，利用Q值更新公式，学习Q值表；最后，通过学习得到的Q值表，根据贪心选择策略，转发数据包。并且，考虑卫星节点跳数改进了奖励值，考虑卫星节点距离,方向以及缓冲区占用率改进了折扣因子，以此优化Q值，从而来实现卫星物联网高效路由的目的。因此，本卫星物联网路由策略在航空、航天及社会经济等领域中都有较好的转化应用前景。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.116 seconds)
