-
公开(公告)号：CN110310709B
公开(公告)日：2022-08-16
申请号：CN201910598102.0
申请日：2019-07-04
Applicant: 南京邮电大学
IPC: G16B50/50
Abstract: 本发明公开了一种基于参考序列的基因压缩方法，首先任意选取一个基因序列作为参考序列。其次，获取参考序列的小写字符和ACGT，并以二元组表示小写字符。然后，读取参考文件，获得参考文件的头部、换行信息、小写字符、N字符、碱基信息和其他字符，并将换行长度、小写字符、N字符和其他字符表示成二元组。接着，匹配参考序列和待压缩序列的小写字符二元组。最后匹配Hash值。解压缩过种采用压缩过程相反的步骤。采用本压缩方法的压缩比高，压缩速度快，而且二元组编码与基因次序无关，有利于分布式存储和分析基因序列。
-
公开(公告)号：CN109979537B
公开(公告)日：2020-12-18
申请号：CN201910197033.2
申请日：2019-03-15
Applicant: 南京邮电大学 , 江苏航天龙梦信息技术有限公司
Abstract: 本发明提出一种面向多条序列的基因序列数据压缩方法，主要用于解决基因数据量过大，减小基因数据存储和传输成本问题。首先从待压缩基因序列中选取参考序列，其次，将非参考序列和参考序列采用不同的压缩方式进行压缩。对于非参考序列，通过与参考序列异或，然后进行矩阵划分和矩阵编码，最终将基因序列编码成二元组形式进行存储；对于参考序列，采用k‑mer算法进行单独压缩。采用本压缩方法的压缩比高，压缩速度快，而且二元组编码与基因次序无关，有利于分布式存储和分析基因序列。
-
公开(公告)号：CN109886200B
公开(公告)日：2020-10-09
申请号：CN201910132608.2
申请日：2019-02-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成式对抗网络的无人驾驶车道线检测方法，包括车道线图片的生成网络、判别网络和检测算法三个部分；首选获取生成网络、判别网络的训练数据，然后将低分辨率图片输入生成网络生成超分辨率图片，将高分辨率图片和超分辨率图片输入判别网络进行清晰度判断，并根据判断结果捕捉超分辨率图片和高分辨率图片的数据分布，生成网络和判别网络基于数据分布进行对抗训练，直至达到纳什均衡，得到最优化的生成网络，将最优化的生成网络生成的超分辨率图片输入检测算法进行车道线识别。本发明采用生成式对抗网络进行无人驾驶车道线检测，可以有效提高车道线检测的精确度。
-
Patent Agency Ranking
公开(公告)号：CN110310709A
公开(公告)日：2019-10-08
申请号：CN201910598102.0
申请日：2019-07-04
Applicant: 南京邮电大学
IPC: G16B50/50
Abstract: 本发明公开了一种基于参考序列的基因压缩方法，首先任意选取一个基因序列作为参考序列。其次，获取参考序列的小写字符和ACGT，并以二元组表示小写字符。然后，读取参考文件，获得参考文件的头部、换行信息、小写字符、N字符、碱基信息和其他字符，并将换行长度、小写字符、N字符和其他字符表示成二元组。接着，匹配参考序列和待压缩序列的小写字符二元组。最后匹配Hash值。解压缩过种采用压缩过程相反的步骤。采用本压缩方法的压缩比高，压缩速度快，而且二元组编码与基因次序无关，有利于分布式存储和分析基因序列。
-
公开(公告)号：CN110162706A
公开(公告)日：2019-08-23
申请号：CN201910431441.X
申请日：2019-05-22
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于交互数据聚类的个性化推荐方法及系统，包括构建用户项目交互特征矩阵、构建用户历史行为矩阵、使用分类器对交互矩阵P进行分类、相似用户聚类、邻近项目选择、神经网络训练、个性化推荐，本发明将用户对项目的浏览记录、用户搜索记录等历史信息与用户个人信息拼接构造用户特征，使用聚类算法对用户特征进行聚类，并在此基础上对特定用户进行个性化推荐，改进了传统矩阵分解模型的性能，将矩阵分解与多层感知机结合，对用户项目间的关系进行学习预测。提升了大数据环境下推荐的精度。
-
公开(公告)号：CN110147552A
公开(公告)日：2019-08-20
申请号：CN201910431440.5
申请日：2019-05-22
Applicant: 南京邮电大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于自然语言处理的教育资源质量评价挖掘方法及系统，首先从海量教育评论数据中使用自然语言处理技术挖掘用户评价观点，以 二元组存储。其次，以 为指标结点建立。然后基于教育资源语料库通过神经网络对词向量进行训练，建立词到向量的模型。再对评价对象进行聚类，再按照floyd算法选出中心向量。接着对评价词进行聚类，生成资源评价指标树，选出的中心向量作为评价指标树的结点，最后对评价词进行情感分析并打分输出。解决了基于众筹众创的数字教育评价数据量过大，人工评价方法成本高、难度大、主观性高等问题。
-
公开(公告)号：CN110287638B
公开(公告)日：2022-09-13
申请号：CN201910597647.X
申请日：2019-07-04
Applicant: 南京邮电大学
IPC: G06F30/17 , G06F30/27 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于kalman‑RNN神经网络的飞锯寿命预测方法，首先，采集锯片磨损数据集，这为以后进行对比分析做准备。然后，对被切材料、锯片直径、锯切速度、锯切深度、锯切宽度、每齿进刀量、齿数、齿距等工艺参数进行分析，最终选择锯片直径、锯切速度、锯切深度、锯切宽度、每齿进刀量、齿数、齿距作为神经网络的输入；神经网络对应时刻输出为预测的寿命，即磨损百分比，并结合Kalman滤波技术将其和对应时刻的实际测量值进行融合、比对、更新神经网络对应时刻的输出，依此提高该算法寿命预测的精度。
-
公开(公告)号：CN110162706B
公开(公告)日：2021-10-26
申请号：CN201910431441.X
申请日：2019-05-22
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于交互数据聚类的个性化推荐方法及系统，包括构建用户项目交互特征矩阵、构建用户历史行为矩阵、使用分类器对交互矩阵P进行分类、相似用户聚类、邻近项目选择、神经网络训练、个性化推荐，本发明将用户对项目的浏览记录、用户搜索记录等历史信息与用户个人信息拼接构造用户特征，使用聚类算法对用户特征进行聚类，并在此基础上对特定用户进行个性化推荐，改进了传统矩阵分解模型的性能，将矩阵分解与多层感知机结合，对用户项目间的关系进行学习预测。提升了大数据环境下推荐的精度。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.021 seconds)
