-
公开(公告)号：CN105357199A
公开(公告)日：2016-02-24
申请号：CN201510754376.6
申请日：2015-11-09
Applicant: 南京邮电大学
Abstract: 本发明公开一种云计算认知资源管理系统及方法，系统包括用户感知模块，用于对用户和用户请求的服务进行管理，包括用户身份认证、用户请求的服务的排序、用户请求的服务参数的提取；认知模块，用于监控系统运行状态，分析和处理所述用户请求的服务参数以及对系统中的信息进行处理；资源调度模块，用于根据所述认知模块提供的系统资源信息进行资源匹配和资源调度。本发明使资源管理能够自学习、自由化、自修复以及内部自管理，能有效提高管理效率和资源利用率，保障可靠性和可用性；提高了系统的容错能力，保证了过程的实时性；使得云计算环境下的资源监控更加灵活、有效，而且降低了能耗和成本。
-
公开(公告)号：CN105025498A
公开(公告)日：2015-11-04
申请号：CN201510310067.X
申请日：2015-06-08
Applicant: 南京邮电大学
CPC classification number: H04W16/18 , H04L1/0076 , H04W84/18
Abstract: 本发明涉及一种基于网络编码与压缩感知的传感网络分簇式空时压缩方法，针对当前研究方案在探索无线传感器网络感知数据时间和空间相关性时存在的重建误差和计算复杂度不够低等性能缺陷问题，融合网络编码与压缩感知理论提出了一个分簇式空时压缩方法，对感知数据空时相关性进行了深度挖掘，通过设计恰当的网络编码系数和观测矩阵元素，将网络编码和压缩感知理论融合统一到实数域，保证了数据重建是可行的并具有高成功率，通过构建传感器节点(簇头节点)独立编码、汇聚节点联合解码思想，使得在保证相同压缩增益的情况下，本方法压缩数据的重建具有更低的重建误差，同时对时间和空间相关性进行循序渐进分步式的探索保证了重建过程的低复杂度。
-
公开(公告)号：CN103617515A
公开(公告)日：2014-03-05
申请号：CN201310549887.5
申请日：2013-11-07
Applicant: 南京邮电大学
Abstract: 本发明是一种基于无线射频识别的物流业务中车辆装卸货控制方法，该方法分别涉及车辆、货物、RFID标签、RFID标签读写器以及计算机部分；车辆是指物流业务中负责运输的车辆，车辆的信息被记录在数据库中，包括长宽高三维容量，额定载重，以及车牌号、车辆型号等常规信息，每辆车上会安装一个固定式RFID标签读写器；货物即被运送的物品，每件货物在收件时均要测量其长宽高和重量，以及卸载地点，记录在数据库中，将一枚RFID标签粘贴与货物表面上，并在数据库中建立标签和货物的一一对应关系；在装载货物对货物的码放顺序及货物数量进行监测，在卸载货物时对卸载数量以及卸载地点的正确性进行监测。
-
公开(公告)号：CN103559537A
公开(公告)日：2014-02-05
申请号：CN201310526631.2
申请日：2013-10-30
Applicant: 南京邮电大学
Abstract: 一种乱序数据流中基于误差反向传播的模板匹配算法，针对大数据中乱序数据流难以在短时间内获取有价值的信息的问题，提出了一个改进型匹配模型，对数据进行预处理；提出了动态自适应调整机制，重新定义了性能均方差函数、输出层节点误差项、隐层节点误差项、阈值、连接权值、学习指数。根据匹配模型未知的乱序数据流以及用户的不同需求，确定所需的匹配模板，并对数据流进行预处理，同时加入遗忘因子，动态调整匹配模板。设定好匹配模板之后，同时运用自适应调整机制修正阈值、连接权值和学习指数。仿真结果表明，算法在精度以及运行速度上有着明显的提升，并具有较好的稳定性。
-
公开(公告)号：CN103440275A
公开(公告)日：2013-12-11
申请号：CN201310343107.1
申请日：2013-08-08
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明是一种基于普利姆的K均值聚类方法，针对K均值聚类算法随机选取中心的不足的问题，引入prim最小生成树方法对K均值聚类算法初始中心的选取进行优化，由此设计出一种改进的K均值聚类算法。使用prim最小生成树方法对随机生成的点求其最小生成树，然后从中找出最小生成树权值和最大，且权值相差不大的点集作为初始聚类中心，最后使用K均值聚类算法聚类。仿真结果表明相比传统K均值算法，本发明的方法具有更高的准确率以及更少的数据迭代次数。
-
Patent Agency Ranking
公开(公告)号：CN101969647B
公开(公告)日：2013-03-06
申请号：CN201010278951.7
申请日：2010-09-10
Applicant: 南京邮电大学
Abstract: 一种移动自组织网络中基于信任模型的协作通信方法，建立依据全局信任度和安全的推荐信任度的信任模型，利用信任衰退的惩罚机制和节点救赎机制，在无线Ad Hoc网络环境下激励节点的协作。在移动自组织网络中，节点利用直接监控和其它节点的监控信息的综合评价来确定是否允许被监控节点参与协作，并对恶意节点设立重建机制，使其重新加入网络，与其他节点建立连接；基于大部分信任模型的虚假推荐、迭代收敛和惩罚救赎问题，建立依据全局信任度和安全的推荐信任度信任模型，提出基于拓扑变换的推荐信任度计算方法，信任模型所描述的信任度变化过程，利用更新阶段的惩罚机制和重建阶段的救赎机制，在移动自组织网络环境下激励节点的协作。
-
公开(公告)号：CN102360232A
公开(公告)日：2012-02-22
申请号：CN201110245402.4
申请日：2011-08-25
Applicant: 南京邮电大学
CPC classification number: Y02E10/40
Abstract: 本发明是一种光追踪随动太阳能供电的手机控制自动加热方法，通过单片机控制太阳能电池板时刻随光线角度转动，从而给供热系统供电；供热系统中的温度传感器采集水温室温等环境信息，利用居民区中的局域网作为主要通信干道，借助无线传感网络进行传输到单片机微处理器上，随后微处理器通过供热系统物理模型对数据信息分析处理，得出反馈给用户的加热温度数值；用户使用手机短信发送加热信息给居民区供热系统终端，单片机通过读取短信内容，来控制供热系统采用比例、积分、微分即PID方法对所对应的用户加热器进行精确加热，直到供热系统反馈的加热温度值。通过光敏电阻对采集到的太阳光强度进行处理，可以更大限度的利用太阳能，提高太阳能利用率。
-
公开(公告)号：CN102185909A
公开(公告)日：2011-09-14
申请号：CN201110102353.9
申请日：2011-04-24
Applicant: 南京邮电大学
Abstract: 本发明提供一种物联网物品监护系统，该系统包括信息采集单元、信息处理单元、信息发送单元、用户管理单元和信息接收终端；信息采集单元将采集到的物品信息进行认证、存储和处理，并将处理后的信息根据其类别通过移动或者固定短信或电子邮件的形式发给用户的信息接收终端；本发明还提供一种物联网物品监护方法，采用本发明可以使物品所有者通过系统实时获取关心物品信息，便于对物品进行实时性较好的动态跟踪管理。
-
公开(公告)号：CN116524263A
公开(公告)日：2023-08-01
申请号：CN202310485129.5
申请日：2023-04-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/74 , G06V10/42 , G06N20/00
Abstract: 本发明公开了一种细粒度图像半自动标注方法，所述方法包括：获取待标注的细粒度图像数据集；对细粒度图像数据集中每张待标注的细粒度图像进行人工标注；将人工标注后的细粒度图像输入预设机器学习模型，输出标注后的细粒度图像；其中，所述预设机器学习模型包括基于已标注图像的SIFT特征构建的K‑Means聚类模型和利用已标注数据集训练的层级分类的模型；本发明提出了一种层级分类训练方法，先从细粒度分类信息中提取到粗粒度分类信息，然后将细粒度和粗粒度两个分支并行训练，最后借助BatchNorm层稳定提取的图像特征，更好地区分不同图像中的局部差异，极大提高了分类预测的准确率。
-
公开(公告)号：CN110162894B
公开(公告)日：2023-06-16
申请号：CN201910445848.8
申请日：2019-05-27
Applicant: 南京邮电大学
IPC: G06F30/20 , H04L67/12 , H04L67/10 , G06F17/15 , G06F111/04
Abstract: 本发明涉及一种工业物联网场景中具有延迟保证的能量高效雾计算迁移方法。为了高效处理计算密集型任务及满足工业物联网场景对延迟的苛刻性要求，本发明首先，针对雾节点的能耗构成给出了综合性的考量即雾节点的能耗由本地计算、传输和等待状态的能耗组成，基于该考量构建了包含能量开销和时间延迟约束的雾节点能量消耗最小化模型；其次，提出了一个基于对偶分解的加速梯度求解方法用于求解，该求解方法可快速求解出最优迁移比达到最小化雾节点能耗的目的，极大地改善了传统求解方法的收敛速度，降低了计算任务的完成时间。同时，本发明方法的具体实施验证了所提出的雾计算迁移方法在雾节点能耗和计算任务完成时间的优势。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.03 seconds)
