-
公开(公告)号：CN107087161A
公开(公告)日：2017-08-22
申请号：CN201710291024.0
申请日：2017-04-28
Applicant: 南京邮电大学
IPC: H04N17/00
Abstract: 本发明公开了视频业务中基于多层神经网络的用户体验质量的预测方法，包括数据预处理，即选择视频业务中影响用户体验的特征参数，根据用户的报障/非报障将其映射为用户的QoE。随后建立多层神经网络的QoE预测模型，该神经网络包含五层，从低到高依次为：输入层—第一隐层—第二隐层—第三隐层—输出层。输入预处理后的数据，获得模型的最佳参数值，训练上述建立好的神经网络模型。最后完成用户体验质量QoE预测。本发明对数据进行预处理，选取重要的特征属性，综合考虑各种参数，可以使模型预测的视频质量真正接近用户对视频质量的主观体验，有助于更好预测用户体验质量，有利于及时准确反馈结果，帮助服务提供商和网络运营商不断完善视频业务和传输服务。
-
公开(公告)号：CN104166993A
公开(公告)日：2014-11-26
申请号：CN201410361656.6
申请日：2014-07-25
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于加权变分期望最大化准则的图像分割方法，该方法首先对待分割的图像进行特征信息的提取，接着用扩展高斯混合模型来描述图像特征信息的分布，并且基于加权变分期望最大化准则对扩展高斯混合模型参数的变分分布进行估计，估计完成后获得各个像素点由各个欲划分出的类所产生的概率，最后进行判决，将每个像素点关于各个类的概率值中的最大值所对应的序号作为该像素点最终所分配到的类，从而完成图像分割过程。本发明能有效地提高彩色图像分割的质量和效果，分割出的图像具有较好的平滑性。本发明能够避免基于最大似然准则的分割方法中容易出现的过拟合和欠拟合问题。
-
公开(公告)号：CN103226595A
公开(公告)日：2013-07-31
申请号：CN201310133415.1
申请日：2013-04-17
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于贝叶斯混合公共因子分析器的高维数据的聚类方法。本发明首先针对待聚类的高维数据建立贝叶斯混合公共因子分析器的模型，接着对该模型中的各个随机变量的后验分布进行推理，并且得到与这些随机变量相关的统计量，最终通过判决得到每个高维数据所属的类别，从而完成聚类过程。本发明建立起的贝叶斯混合公共因子分析器模型具有很强的灵活性，基于贝叶斯准则的推理过程也有效地避免了过拟合问题和维数灾难现象的产生。该方法能够根据高维数据自动调节模型的最优结构，从而自动确定出最优的类别数，从而在降维的同时顺利完成聚类，获得了很好的聚类性能和计算效率。
-
公开(公告)号：CN119094082A
公开(公告)日：2024-12-06
申请号：CN202411075759.6
申请日：2024-08-07
Applicant: 南京邮电大学
IPC: H04L1/00 , G06F18/25 , G06F18/10 , G06F17/14 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/098 , H04B17/391
Abstract: 本发明公开了一种信噪比自适应联合优化信源信道的触觉信号重建方法，涉及触觉信号生成技术领域，包括：将每一种对象对应的图像和滑动产生的触觉振动信号进行预处理；构建跨模态联合编码器用于生成层次化融合特征，构建跨模态联合解码器，将预处理得到的训练数据输入所构建的跨模态联合编码器和跨模态联合解码器中进行训练；将待测的成对的触觉信号和图像信号输入跨模态联合编码器和最优的跨模态联合解码器，重建目标触觉信号。本发明提供的信噪比自适应联合优化信源信道的触觉信号重建方法简化了编码训练过程，更好地进行模态特征融合；提高了模型对信道变化的鲁棒性，使模型在更大范围信噪比变化下表现出更高的触觉信号重建稳定性。
-
公开(公告)号：CN119011084A
公开(公告)日：2024-11-22
申请号：CN202411075761.3
申请日：2024-08-07
Applicant: 南京邮电大学
IPC: H04L1/00 , H04B17/391 , G06F18/25 , G06F18/24 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/098 , G06N3/084 , G06F17/14
Abstract: 本发明公开了一种基于信源信道联合编码的触觉信号重建方法，涉及触觉信号生成技术领域，包括：将用于训练的触觉和图像信号通过信源编码器，基于分类任务初步进行触觉和图像的模态内特征提取和模态间特征融合。将融合特征输入神经网络建模的信道编码器用于产生适合信道传输的码流，经过信道传输后，输入信道解码器，通过信道编解码器的联合训练，将恢复的融合特征输入触觉解码器中，重建触觉信号。本发明提供的基于信源信道联合编码的触觉信号重建方法实现了不同模态的语义信息融合，大幅减少数据量，通过单独设计的信道编码器和信道解码器提高了信号对信道变化的鲁棒性，并降低信号通过信道的延迟，从而使得触觉信号的重建质量得到显著提升。
-
Patent Agency Ranking
公开(公告)号：CN117421534A
公开(公告)日：2024-01-19
申请号：CN202311372957.4
申请日：2023-10-23
Applicant: 南京邮电大学
IPC: G06F18/10 , G06F18/213 , G06F18/25 , G06F18/27 , G06F18/243 , G06N3/044 , G06N3/048 , G06N3/084 , G06N3/0442 , G06N3/047 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种面向学生答题日志的异常检测方法，包括如下步骤：S1、采集学生进行在线学习的答题行为，对所采集到的数据进行数据清洗，提取有效信息；S2、利用CART将学生答题过程中的提示使用特征嵌入DKT模型；S3、从学生的相邻试题练习时间间隔、相同试题历史练习次数建模学生遗忘规律；S4、在DKT模型的基础上，引入学生提示特征和遗忘特征，预测时间序列中学生对试题的掌握；S5、基于学生试题掌握程度的变化，利用逻辑回归计算学生状态异常的概率。本发明基于DKT和CART，引入多维学生个性化特征，提升了知识追踪和异常检测的准确性。
-
公开(公告)号：CN113536067B
公开(公告)日：2024-01-05
申请号：CN202110818202.7
申请日：2021-07-20
Applicant: 南京邮电大学
IPC: G06F16/903 , G06F16/904 , G06F18/25
Abstract: 本发明公开了一种基于语义融合的跨模态信息检索方法，包括：采集原始数据，并对所述原始数据进行预处理；将所述预处理后的原始数据分别进行特征提取和模型训练，得到不同的模态特征；将所述不同的模态特征输入到同一网络中进行语义融合，得到语义融合网络模型；基于所述语义融合网络模型以及查询集样本进行检索，完成跨模态信息检索。本发明克服了传统的图像‑文本两种模态的跨模态检索，实现了图像、音频、触觉信号三种模态的跨模态信息检索；对触觉信号的预处理方法，可以将原始的一维序列信号进行二维可视化，从而可以与原始图像进行语义关联达到检索的目的。
-
公开(公告)号：CN114979013B
公开(公告)日：2023-12-05
申请号：CN202210534895.1
申请日：2022-05-17
Applicant: 南京邮电大学
IPC: H04L47/24 , H04L47/2441 , H04L47/2425 , H04L47/80 , H04L47/83
Abstract: 本发明公开了一种面向多模态业务的传输模式选择与资源分配方法，属于无线通信领域，包括将多模态业务分类，根据用户对的多模态业务种类选择对应的传输模式；根据传输模式估计音视频流需要的带宽和/或设置触觉信号的端到端时延阈值；根据设备的状态信息计算信道增益，根据数据包的平均到达率和设备的服务速率估计队列状态；通过NSGA3算法为每对用户的音视频和触觉信号分配合适的传输链路和资源。本发明所述方法基于不同的多模态业务设计了3种传输模式，通过模式选择和资源分配为每一对用户灵活地选择适当的链路来传输异构信号，以解决多模态信号需求差异大的问题，并且能够实现更高的带宽满足率和更低的平均端到端时延。
-
公开(公告)号：CN113536377B
公开(公告)日：2023-09-05
申请号：CN202110819110.0
申请日：2021-07-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于超混沌伪随机序列的加密域跨模态信息检索方法，包括：预处理图像、音频、触觉信号三种模态；将预处理后的三种模态输入至构建的超混沌伪随机序列的加密系统中，分别进行行置乱、列置乱和像素值置换，得到三种模态的密文信息；利用预训练好的VGG16网络对三种模态的密文信息进行特征提取，并将三种模态在各自对应的分支网络中进行训练；将训练后的三种模态输入多模态语义融合网络中进行语义融合，检索其输出的结果，将检索的结果进行解密，得到明文结果输出。本发明与传统的检索方法不同，考虑了图像、音频、触觉信号三种模态的跨模态信息检索，且本发明考虑到数据的信息安全问题，实现了加密域下的跨模态信息检索。
-
公开(公告)号：CN116090857A
公开(公告)日：2023-05-09
申请号：CN202211360940.2
申请日：2022-11-02
Applicant: 南京邮电大学 , 南京长江都市建筑设计股份有限公司
IPC: G06Q10/0639 , G06Q50/08 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/096 , G06N3/0499
Abstract: 本发明公开了一种基于室内人数的智慧建筑热舒适度评估方法，包括以下步骤：采集室内人数、温度、湿度等影响人体热舒适度的数据制作小型数据集；采用深度神经网络建立不包含室内人数因素的大型热舒适度数据集——ASHRAE Global Thermal Comfort Database II的特征提取模型用于迁移学习；基于多视角学习技术与NGboost模型，在温湿度等特征的基础上，融入室内人数因素，建立反映热舒适度与其影响因素之间关系的模型及预测算法。本发明在热舒适度模型中考虑室内人数因素，并且用迁移学习解决用于训练的热舒适度标记数据不足的问题，提高了计算速度和计算资源的利用率。根据多种热舒适度影响因子，结合多视角学习技术与NGboost设计特征融合机制，实现了精确的热舒适度评估。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.027 seconds)
