-
公开(公告)号：CN105157699B
公开(公告)日：2018-03-16
申请号：CN201510340593.0
申请日：2015-06-18
Applicant: 南京邮电大学
IPC: G01C21/08
Abstract: 本发明公开了一种基于WiFi和传感网技术融合的室内停车场导航方法，包含车位检测模块和融合定位模块。融合定位模块根据停车前后的地磁场强度的变化来判断车位是否停有车。这种车位检测方法相比于传统的检测方法，具有成本低、安装简单等优点。融合定位模块采用融合地磁传感网络与WiFi定位技术的融合性定位方法。地磁传感器网络能够实时获取车辆所处区域与所处车道，与WiFi定位技术融合进行定位能够大幅度提高定位的精度，提供车在停车场中的精确位置，结合车位检测技术提供的空车位信息可以帮助用户快捷停车。
-
公开(公告)号：CN107045876A
公开(公告)日：2017-08-15
申请号：CN201611262218.X
申请日：2016-12-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于语音的帕金森症严重程度诊断方法，属于模式识别技术领域。该方法通过以下步骤实现：(1)帕金森症患者的语音信号和及其对应UPDRS分值的采集；(2)语音信号进行特征提取；(3)使用岭回归模型构建域适应算法；(4)对得到的所有岭回归模型利用待测患者已知数据进行模型过滤；(5)将过滤后剩余的岭回归模型进行模型融合；(6)利用融合之后的模型对待测患者进行UPDRS分值预测，实现对帕金森症病情严重程度的预测诊断。本发明使用机器学习算法来进行帕金森病情严重程度的预测诊断，降低了帕金森疾病诊断的成本，提高了诊断效率，通过帕金森症患者历史数据学习语音数据与UPDRS之间的关系来诊断，减小了评估误差。
-
-
公开(公告)号：CN104320845A
公开(公告)日：2015-01-28
申请号：CN201410321036.X
申请日：2014-07-04
IPC: H04W64/00
CPC classification number: Y02D70/00 , H04W4/025 , G01S5/0273 , G01S5/0278 , G01S5/06 , G01S11/06
Abstract: 本发明公开了一种基于传感器和量子智能计算的主用户定位方法，其基于无线传感器网络辅助认知无线电网络实现，包括如下步骤：步骤一网络部署阶段，步骤二定位信息收集阶段，步骤三测距阶段，数据融合中心对采样到的信号强度求均值作为该锚节点的接收信号强度RSS，在对数正态阴影路径损耗无线传播环境模型下，根据RSS估计出主用户和锚节点之间的距离；步骤四定位阶段，将定位问题转化为优化问题，采用量子遗传模拟退火算法解决该优化问题，进而实现对主用户二维空间的位置定位。本发明能够在确保良好的定位性能的前提下，达到同时降低算法的复杂度又节约电池能耗的效果；基于量子遗传模拟退火算法的定位方法可以获得精确的主用户位置信息。
-
-
Patent Agency Ranking
公开(公告)号：CN113140023B
公开(公告)日：2023-09-15
申请号：CN202110474295.6
申请日：2021-04-29
Applicant: 南京邮电大学
IPC: G06N3/0475 , G06T11/60 , G06F40/211 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/094
Abstract: 本发明提供一种基于空间注意力的文本到图像生成方法及系统，将文本描述输入文本编码器输出句子向量；生成服从高斯分布的随机噪声向量；生成器包括三个空间注意力模块和六个依次连接的上模块，其中位于第一个的上模块连接全连接层，位于最后三个的上模块分别连接一个空间注意力模块，三个空间注意力模块共同连接一个特征组通道归并模块，特征组通道归并模块连接卷积层，在生成器中引入了空间注意力机制，对特征图中不同区域分配不同程度的注意力，加强特征图中最有用的特征，抑制无用的特征，避免了产生伪像的问题；引入了特征组通道归并模块，充分融合文本信息，以增强提取得到特征的表达能力，使生成的图像更加清晰，并且符合给定的文本描述。
-
公开(公告)号：CN113298131B
公开(公告)日：2022-08-05
申请号：CN202110533285.5
申请日：2021-05-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于注意力机制的时序数据缺失值的插补方法，其包括：获取有缺失值的时序数据；将有缺失值的时序数据输入训练后的生成器，获取插补后的时序数据；其中，生成器的训练包括：将有缺失值的时序数据输入生成器，基于注意力机制获取完整的时序数据；将有缺失值的时序数据和完整的时序数据输入判别器，基于损失函数，对判别器和生成器进行对抗式训练。本发明能够生成符合原始数据集分布的新时序数据。通过试用注意力机制可以增强特征中重要特征的表达能力，减少不重要特征的表达能力，同时可以提到处理效率。通过上述方法，我们就能提升时间序列缺失值插补的准确率以及提高插补效率。
-
公开(公告)号：CN108899052B
公开(公告)日：2020-12-01
申请号：CN201810748612.7
申请日：2018-07-10
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L25/21 , G10L25/18 , G10L25/45 , G10L21/0232 , G10L21/0216
Abstract: 本发明揭示了一种多带谱减法的帕金森语音增强方法，包括以下步骤：通过非接触式方式对帕金森患者进行语音信号采集；采集到的帕金森病患者语音进行采样和短时帧划分；对每一帧语音进行短时能量计算，并根据短时能量进行自适应频带划分；计算每个窗长内含噪声语音的短时功率谱、时变的平滑参数及平滑功率谱；计算偏差修正因子；搜索功率谱密度的最小值；计算并更新噪声的功率谱密度；及采用多带谱减法进行语音增强；本发明在非实验环境下，对录制的帕金森病患者语音进行有效的去噪处理，提高帕金森病患者语音质量，最终有效提高帕金森病的诊断或帕金森病情严重程度预测的准确性。
-
公开(公告)号：CN109102884A
公开(公告)日：2018-12-28
申请号：CN201810795722.9
申请日：2018-07-19
Applicant: 南京邮电大学
CPC classification number: G16H50/20 , G06K9/6269
Abstract: 本发明揭示了一种基于混合核函数支持向量机模型的帕金森疾病诊断方法，首先是对帕金森患者和健康人进行语音信号的采集；其次是对语音信号进行特征提取；之后是构造支持向量机模型的混合核函数；然后是利用智能优化算法优化支持向量机模型建立过程中的惩罚参数C、混合核函数中高斯核函数参数g、Sigmoid核函数参数h及比例参数t，并根据优化的结果建立最优支持向量机模型；最后是利用最优支持向量机模型对待测语音进行分类预测，实现帕金森疾病的诊断。本发明为帕金森症诊断提供了新的思路，降低了医疗成本，提高了诊断效率，另外本发明提高了帕金森疾病诊断的准确率。
-
公开(公告)号：CN106202952A
公开(公告)日：2016-12-07
申请号：CN201610570126.1
申请日：2016-07-19
Applicant: 南京邮电大学
CPC classification number: G06K9/6269 , G16H50/20
Abstract: 本发明公开了一种基于机器学习的帕金森疾病诊断方法，是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题，提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集，对语音信号进行特征提取，并进行特征选择，再利用智能优化算法建立最优支持向量机模型，对待测语音进行分类预测，结合机器学习中的分类算法对帕金森疾病进行诊断，并采用智能算法优化支持向量机参数，提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断，降低了帕金森疾病诊断的成本，通过特征选择，提高了帕金森疾病诊断的效率，通过智能算法优化支持向量机参数，提高了支持向量机的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.021 seconds)
