-
公开(公告)号：CN109492027B
公开(公告)日：2022-02-08
申请号：CN201811310355.5
申请日：2018-11-05
Applicant: 南京邮电大学
IPC: G06F16/2458 , G06F16/901 , G06Q50/00
Abstract: 本发明提出一种基于弱可信数据的跨社群潜在人物关系分析方法，该方法不依赖人物属性标签无监督实体识别方法抽取出实体，使用层次结构来测量不同属性社群下用户节点的相似度，构建多层图来编码结构相似性，为节点生成由多重身份特征的用户根据不同特征聚类形成的结构性网络关系图，从而发现网络上无关联而现实中可能相似的潜在人物关系。此外，该方法基于用户相关系数算法，在发现无直接边相连的两个用户节点潜在关系具有明显的优势，准确率高。
-
公开(公告)号：CN106570631B
公开(公告)日：2021-01-01
申请号：CN201610960560.0
申请日：2016-10-28
Applicant: 南京邮电大学
IPC: G06Q10/06
Abstract: 本发明公开了一种面向P2P平台运营风险评估的方法和系统，包括：1)P2P网络借贷平台数据的获取；2)数据预处理，清洗不相关的平台数据；3)选取合适时间窗，细粒度划分P2P网络借贷平台的运营周期；4)对于P2P网络借贷平台提供一些离散化的数据进行分组量化，如分组平台上借款人的年龄分布；5)通过计算信息增益的方法，提取信息增益较大的特征；6)建立特征系数与相对应的权重系数之间的方程组，并求解，得到每个对应属性的权重系数；7)通过步骤6)所得到的权重系数，求解借贷平台在每个时间窗内的运营风险指数，并观察在一段时间内，平台的风险指数的变化情况。本发明能给平台运营者有效提示，调节管理措施，具有广泛的技术和市场应用价值。
-
公开(公告)号：CN109194608A
公开(公告)日：2019-01-11
申请号：CN201810795131.1
申请日：2018-07-19
Applicant: 南京邮电大学
IPC: H04L29/06 , H04L12/851 , H04L12/741
Abstract: 本发明涉及一种基于流的DDoS攻击与闪拥事件检测方法，所应用的流检测方法结合了基于香农熵、广义熵改进的-熵以及流多维特征，方法包括：通过分析多种类型的DDoS攻击以及闪拥事件特点，打造多类型的DDoS攻击与闪拥事件流量；打造的流量在SDN网络中都会产生SDN独有的流表信息；引入基于香农熵、广义熵改进的-熵，增大不同数据之间的信息距离，有利于尽早发现攻击行为；通过获取交换机中流表的多维数据，如协议类型、流生存时间、源/目的IP的香农熵、广义熵、-熵等，进行特征提取；将不同类型DDoS攻击流量、闪拥事件流量以及正常流量进行分类，即多分类，对比SVM、KNN等分类方法的检测准确率；调节-熵的可调参数α的值，结合最优分类器获取最优的多分类准确率。本发明利用SDN网络独有的流表功能并结合-熵，攻击发生时能及时检测出来，并降低闪拥事件的误报率。
-
公开(公告)号：CN105429974B
公开(公告)日：2018-09-11
申请号：CN201510763337.2
申请日：2015-11-10
Applicant: 南京邮电大学
IPC: H04L29/06 , H04L12/933
Abstract: 本发明公开了一种面向SDN的入侵防御系统和方法，该系统部署在SDN网络中的控制器之上，并负责监控多台交换机，每台交换机可以被多个入侵防御系统监控。由一个主入侵防御系统控制多个从入侵防御系统来监控整个网络。本发明系统包括入侵防御控制器模块、检测模块和分片器模块。入侵防御控制器配合检测模块中的决策器实现细粒度的入侵防御功能。本发明可以实现入侵防御系统不固定位置的灵活部署，降低部署成本；多个入侵防御系统协调工作，提高了入侵防御系统的整体利用率；准确和高效的检测方法，保证了网络的安全性，不会造成网络拥塞，具有广泛的技术和市场应用价值。
-
公开(公告)号：CN107358946A
公开(公告)日：2017-11-17
申请号：CN201710428283.3
申请日：2017-06-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于时间切片的语音情感识别方法，该方法包括如下步骤：步骤1：语音等长补全，设置一个声音的最大时常，采用白噪声将读入的语音信号进行时间补足；步骤2：语音信号切片，对上述步骤1所得的声音信号进行切片，即：时间等长切片和语音包络单元切片等；步骤3：语音片段时频分析，采用时频分析工具；步骤4：序列重构；步骤5：情感标记；步骤6：图像特征提取；步骤7：情感训练；步骤8：语音情感识别，对新输入的语音信号，采用上述步骤1到步骤6的方法得到情感特征集，然后输入到上述步骤7所得的情感分类模型中，最终得到当前语音的情感类型。该方法采用利用时间切片卷积和深度学习对语音情感进行分类，很好地提高了识别效率。
-
Patent Agency Ranking
公开(公告)号：CN106777284A
公开(公告)日：2017-05-31
申请号：CN201611245749.8
申请日：2016-12-29
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F16/9024
Abstract: 本发明公开了一种基于标签信息的图游走表示方法，首先加载图数据，建立起每一个图结点对应的邻居结点和标签信息的数据结构，为图中每一个结点，计算该结点的邻居结点被游走到的概率值，实现从该结点的邻居结点中随机选择若干次，每个邻居结点被选中的概率符合计算得到的概率值；根据上一步得到的概率值以及其他游走参数，启动游走，得到若干条游走路径；根据游走路径进行训练，得到词向量，即每一个图结点的向量表示形式；对图结点进行多标签的分类任务，检验算法的分类效果。本发明通过生成的图结点的向量表示可以更加体现多标签分类任务中标签的特征信息，从而使得多标签分类的正确率随着参考标签信息指导游走的比例参数的增加而显著的提升。
-
公开(公告)号：CN104933371A
公开(公告)日：2015-09-23
申请号：CN201510301103.6
申请日：2015-06-04
Applicant: 南京邮电大学
CPC classification number: G06F21/6245 , G06K19/06037
Abstract: 本发明公开了一种基于二维码多层加密技术的物流过程中个人信息的隐私保护系统。本发明结合二维码加密技术及分层提取技术，旨在解决物流平台个人信息泄露问题。所属的隐私保护系统主要包括以下几个模块：寄件服务部的二维码分层加密打印模块、物流中转过程中的分层二维码解密信息提取扫模块、物流配送端的个人信息验证模块。本发明实现了物流信息查询认证机制，解决物流单号查询存在的地址信息泄露与加密后无法查询的矛盾。
-
公开(公告)号：CN113822497B
公开(公告)日：2024-07-02
申请号：CN202111257401.1
申请日：2021-10-27
Applicant: 深圳市数字城市工程研究中心 , 南京邮电大学
Abstract: 一种垃圾用地部署中选址的方法，收集社区点和候选垃圾站点的数据生成社区点向量和垃圾站点向量；进行辐射模拟确定影响并计算出影响权值和舒适度；计算出垃圾站点的总影响值，选取总影响值最小的候选垃圾站点，作为正式的垃圾站点。本选址方法改善城市垃圾处理方式并提高垃圾处理能力，满足城市建设的需要；使得垃圾处理场的建设能够与城市基本设施配套，解决目前存在的城区中转站短缺、选址不规范、垃圾转运车不足等问题，保护生态环境，提高人民的幸福指数；新建的垃圾站点能够有效降低垃圾站给附近居民环境带来的影响，减少矛盾或冲突的发生。
-
公开(公告)号：CN110378190B
公开(公告)日：2022-10-04
申请号：CN201910327654.8
申请日：2019-04-23
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V20/62 , G06V10/762 , G06V10/764 , G06V30/19
Abstract: 本发明揭示了一种基于主题识别的视频内容检测系统及检测方法，系统包括原始视频读取模块，用于读取原始的视频流；视频切片模块，用于将所读取的视频流按镜头进行划分和聚类、得到一组视频片组；片内主题识别模块，用于识别视频片组内全部视频片的不同主题、并输出主题序列；异常片检测模块，用于检测视频片组中是否存在主题异常的视频片。方法包括原始视频读取步骤、视频切片步骤、片内主题识别步骤以及异常片检测步骤本发明利用主题识别技术将视频按主题进行划分，进而判断出其中所有主题的相似度和关联性，找出视频中的异常片。
-
公开(公告)号：CN107358946B
公开(公告)日：2020-11-13
申请号：CN201710428283.3
申请日：2017-06-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于时间切片的语音情感识别方法，该方法包括如下步骤：步骤1：语音等长补全，设置一个声音的最大时常，采用白噪声将读入的语音信号进行时间补足；步骤2：语音信号切片，对上述步骤1所得的声音信号进行切片，即：时间等长切片和语音包络单元切片等；步骤3：语音片段时频分析，采用时频分析工具；步骤4：序列重构；步骤5：情感标记；步骤6：图像特征提取；步骤7：情感训练；步骤8：语音情感识别，对新输入的语音信号，采用上述步骤1到步骤6的方法得到情感特征集，然后输入到上述步骤7所得的情感分类模型中，最终得到当前语音的情感类型。该方法采用利用时间切片卷积和深度学习对语音情感进行分类，很好地提高了识别效率。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.024 seconds)
