-
公开(公告)号：CN118249942A
公开(公告)日：2024-06-25
申请号：CN202410343547.5
申请日：2024-03-25
Applicant: 南京邮电大学
IPC: H04B17/391 , G06N3/0442 , G06N3/0464 , G06N3/088
Abstract: 本发明提出了一种面向频谱预测的概念漂移检测与自学习方法、装置、存储介质和计算机程序产品，包括：获取预先构建的基于随机化方法的频谱预测模型；对动态频谱数据流中的频谱数据进行归一化和切分处理，得到多个频谱数据段；利用基准模型处理当前频谱数据，得到当前频谱数据的分布特征，并计算当前频谱数据的统计信息；根据历史频谱数据的统计信息计算调整检测阈值；根据当前频谱数据的统计信息和调整检测阈值，判断是否发生概念漂移；当发生概念漂移，对基于随机化方法的频谱预测模型进行自适应频谱预测训练。本发明能够精准判断模态变化点，克服传统方法灵敏度极端的问题，同时能够提高模型可靠性，提高模型预测性能。
-
公开(公告)号：CN108460418B
公开(公告)日：2021-09-28
申请号：CN201810187828.0
申请日：2018-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于文字识别与语义分析的发票分类方法，其以检测出发票的种类为目标，首先利用图像采集设备采集发票图像，接着利用霍夫变换检测出图像中发票的长和宽，再将长和宽与预先设定的边长阈值分别进行比较，实现发票的初步分类，然后根据初步分类的结果，调用相应的发票模板，切割出需要进行文字识别的区域；最后调用百度文字识别系统等第三方文字识别系统识别上述区域中的文字；识别完成后，对其结果进行语义分析，最终得出发票分类的精确结果。本发明解决了发票识别中因无法区分发票种类而不能实现准确识别的问题，适用于多种不同类别的发票，在发票识别与智能财务报销中拥有较高的应用价值。
-
公开(公告)号：CN108460418A
公开(公告)日：2018-08-28
申请号：CN201810187828.0
申请日：2018-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于文字识别与语义分析的发票分类方法，其以检测出发票的种类为目标，首先利用图像采集设备采集发票图像，接着利用霍夫变换检测出图像中发票的长和宽，再将长和宽与预先设定的边长阈值分别进行比较，实现发票的初步分类，然后根据初步分类的结果，调用相应的发票模板，切割出需要进行文字识别的区域；最后调用百度文字识别系统等第三方文字识别系统识别上述区域中的文字；识别完成后，对其结果进行语义分析，最终得出发票分类的精确结果。本发明解决了发票识别中因无法区分发票种类而不能实现准确识别的问题，适用于多种不同类别的发票，在发票识别与智能财务报销中拥有较高的应用价值。
-
公开(公告)号：CN118296434A
公开(公告)日：2024-07-05
申请号：CN202410463443.8
申请日：2024-04-17
Applicant: 南京邮电大学
Inventor： 王禹
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/084 , G06N3/045 , G06N3/0442
Abstract: 本发明公开了基于双重隐式正则化的有限样本特定辐射源识别方法，包括使用频谱分析仪采集PA数据，从飞行器中获取ADS‑B数据，将两个数据集按照比例划分为训练集、验证集和测试集数据；训练样本首先进行数据和标签的双重隐式正则化；将增强后的样本和原始样本同时送入MRAN进行前向传播，提取模型特征，获得初始模型预测值；将模型预测值与标签值代入分类损失函数计算，获得分类损失值；使用分类损失和增强样本的损失通过反向传播更新模型，获得最优的有限样本特定辐射源识别网络模型；将用于测试的样本输入到MRAN网络中进行特征提取，随后由模型输出辐射源的识别类别。本发明提高了在现实有限的样本场景下特定辐射源识别的性能和准确率，增强模型泛化性。
-
公开(公告)号：CN118214501A
公开(公告)日：2024-06-18
申请号：CN202410348432.5
申请日：2024-03-26
Applicant: 南京邮电大学
IPC: H04B17/373 , H04B17/391
Abstract: 本发明提出了一种频谱预测方法、装置及计算机程序产品，包括：对一段时间内的频谱数据进行归一化预处理，得到原始频谱数据集；通过奇异谱分析将原始频谱数据集分解重构成多个子数据集；根据原始频谱数据集和子数据集进行Spearman相关性分析，得到Spearman相关性系数；利用基于注意力机制的双向长短期记忆网络模型对子数据集进行逆行训练，结合Spearman相关性系数得到每个子数据集的加权预测结果；根据所有子数据集的加权预测结果得到原始频谱数据集的频谱预测结果。本发明能够将复杂频谱数据简单化，更准确地预测复杂电磁环境下的频谱情况，提高预测模型的预测性能和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118114119A
公开(公告)日：2024-05-31
申请号：CN202410324153.5
申请日：2024-03-21
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/2431 , G06F18/214
Abstract: 本发明公开了一种基于动态扩展的类增量辐射源识别方法、系统、电子设备及存储介质，其中方法包括：步骤1：从飞行器中获取ADS‑B数据并制作为ADS‑B数据集，将ADS‑B数据集按照比例划分为训练集、验证集和测试集数据；将初始ADS‑B数据训练集导入动态扩展的自适应类增量网络模型，获得初始模型预测值、模型权重；将模型预测值与标签值代入分类损失函数计算，获得分类损失值；使用分类损失值更新动态扩展的自适应类增量网络模型参数，直至获得最优的动态扩展的自适应类增量网络模型；对最优的动态扩展的自适应类增量网络模型动态增加新类别分类器，获得增量后的动态扩展的自适应类增量网络模型；根据增量后的动态扩展的自适应类增量网络模型在线检测ADS‑B数据，自适应识别ADS‑B数据；本发明提高对复杂现实环境中的ADS‑B数据检测效率与识别精度，同时平衡了存储空间与检测能力冲突问题，进而提高了在各个场景下的通用性。
-
公开(公告)号：CN117879937A
公开(公告)日：2024-04-12
申请号：CN202410036097.5
申请日：2024-01-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于网络流量的自适应恶意软件检测方法及系统，方法包括：获取网络流量数据并制作为网络流量数据集，将网络流量数据训练集导入双分支自适应类神经网络模型，获得模型预测值；将模型预测值与训练集标签值代入分类损失函数、将训练集正负样本代入稀疏对损失函数、将模型权重代入稀疏损失函数计算，获得分类损失值、稀疏对损失值、稀疏损失值；根据分类损失值、稀疏对损失值、稀疏损失值更新双分支自适应类神经网络模型参数，直至获得最优的双分支自适应类神经网络模型；对最优的双分支自适应类神经网络模型动态增加新类别分类器，获得增量后的双分支自适应神经网络模型；根据增量后的双分支自适应神经网络模型在线检测网络流量数据，自适应识别恶意软件或异常网络流量数据；本发明提高对复杂互联网数据环境中的异常网络流量数据或恶意软件的检测效率与识别精度，同时平衡了存储空间与检测能力冲突问题，进而提高了在各个场景下的通用性。
-
公开(公告)号：CN117706660A
公开(公告)日：2024-03-15
申请号：CN202311721435.0
申请日：2023-12-14
Applicant: 南京邮电大学
Abstract: 本发明涉及天气预测技术领域，公开了一种基于CNN‑ViT技术强对流天气预报的方法，包括：获取历史天气雷达回波图像和自动站观测的雷达回波图像；对所述强对流雷达图像进行图像预处理；构建基于CNN‑ViT的深度学习模型并进行训练，得到训练好的所述深度学习模型；同步收集到的实时雷达回波图像至训练好的所述深度学习模型中，以使训练好的所述深度学习模型输出预测结果。本发明提供的基于CNN‑ViT技术强对流天气预报的方法，基于历史天气雷达和自动站观测数据，构建预测未来雷达回波、短时强降水、雷暴大风的CNN+ViT模型，提高模型的学习速度，同时提高了预测效果。
-
公开(公告)号：CN108460381A
公开(公告)日：2018-08-28
申请号：CN201810203890.4
申请日：2018-03-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像识别的发票报销信息定位方法，包括从发票图像中分离提取全机打字符二值化图像；对全机打字符二值化图像进行黑白转换，获取相应的反转图像；对反转图像进行连通域连接，得到腐蚀成块图像；对腐蚀成块图像进行外部矩形边界检测，检测出各报销信息块的顶点和底点位置信息。本发明还公开了一种发票报销信息截取方法，包括采用前述的发票报销信息定位方法，按照纵向分行顺序截取各报销信息块。将本发明应用于发票报销中能够检测出所采集的发票图像中各个可报销信息连通域的位置信息，并根据位置信息对发票图像进行分块截取，提高了发票报销的工作效率、降低了出错率，具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN107066093A
公开(公告)日：2017-08-18
申请号：CN201710172655.0
申请日：2017-03-22
Applicant: 南京邮电大学
IPC: G06F3/01 , G05B15/02 , G05B19/418
CPC classification number: Y02P90/02 , G06F3/013 , G05B15/02 , G05B19/418 , G05B2219/2642
Abstract: 本发明公开了一种基于改进典型相关分析(Canonical Correspondence Analysis,CCA)的稳态视觉诱发电位(Steady State Visually Evoked Potential,SSVEP)智能家居服务系统，属于智能家居领域。该系统包括刺激器、数据采集器和受控器，刺激器与受控器分别与数据采集器相连，刺激器由LCD屏幕上四个以不同频率闪烁的黑白方块组成，数据采集器使用电极帽配合单片机，通过MATLAB的串口通信接受单片机信号实现采集数据的分析，采用典型相关分析算法提取SSVEP响应频率的各项性能指标，受控器接收MATLAB对采集脑电波数据进行分析形成的不同指令，通过串口通信将指令发送至采用CC2530芯片的ZIGBEE单片机实现对受控端的实时控制。该系统可广泛应用于智能家居领域，具有较好的便携性，可为行动不便的残障人士生活提供便捷。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.025 seconds)
