-
公开(公告)号：CN117614927A
公开(公告)日：2024-02-27
申请号：CN202311361072.4
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: H04L51/52 , H04L51/58 , G06Q50/00 , G06N3/0464 , G06N3/0442
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种深度信息融合驱动的移动社交网络POI调度方法及系统，包括：感知层包括：云感知模块、边缘感知模块和深度表征学习模块；其中，云感知模块依据POI原始数据获得用户的显式特征，边缘感知模块依据POI原始数据获得用户间的隐式特征，深度表征学习模块基于深度学习方法，依据用户的显式特征和用户间的隐式特征，学习得到代表向量；计算层依据代表向量训练POI调度模型；应用层接收用户的POI调度请求，并且将用户的POI调度请求输入至训练好的POI调度模型中，从而得到POI调度结果。本申请可以提高移动社交网络(MSN)环境中的兴趣点(POI)调度的效果，并且使得移动社交网络(MSN)环境中的兴趣点(POI)的调度的难度较低。
-
公开(公告)号：CN117496734A
公开(公告)日：2024-02-02
申请号：CN202311351737.3
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G08G1/0967 , G08G1/0968 , G08G1/0969
Abstract: 本申请公开了一种基于信息物理社会智能的新能源汽车自主行为的决策方法及其系统，其中基于信息物理社会智能的新能源汽车自主行为的决策方法包括以下步骤：进行初始化的设置，确定约束条件；根据约束条件进行时间戳评估；若时间戳评估成功，进行行为选择；响应于完成行为选择，进行区域评估；响应于完成区域评估，进行行为策略输出。本申请具有运行时间短的优点，这种优异的时间效率可以帮助车辆更快地做出决策，从而提高行驶效率。
-
公开(公告)号：CN117496225A
公开(公告)日：2024-02-02
申请号：CN202311343578.2
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06V10/764 , G06V10/40 , G06V10/32 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种图像数据取证方法及其系统，其中图像数据取证方法包括以下步骤：进行卷积块的确定；响应于完成卷积块的确定，基于卷积块进行分类模型的搭建；根据搭建好的分类模型完成图像取证，获取最终的图像取证结果。本申请通过搭建的UsmSA块和分类模型，不仅能对USM锐化处理的图像有极高的检测准确率，还能够降低对USM锐化取证的漏报率。
-
公开(公告)号：CN117194805A
公开(公告)日：2023-12-08
申请号：CN202311477505.2
申请日：2023-11-08
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F18/25 , G06N3/042 , G06N3/048 , G06N3/084
Abstract: 本申请提供一种基于深度图神经网络的多特征空间融合推荐方法及系统，该方法包括如下步骤：获取用户特征空间矩阵和项目特征空间矩阵；根据用户特征空间矩阵和项目特征空间矩阵，对用户与项目进行评级预测，获得用户项目评级矩阵；根据用户项目评级矩阵，获得社交网络推荐最优解。本申请同时考虑用户特征空间和项目特征空间对于用户串联影响，实现提高社交网络推荐准确度。
-
公开(公告)号：CN117610704A
公开(公告)日：2024-02-27
申请号：CN202311345101.8
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/048 , G06N3/0442 , G06N3/0499 , G06N3/049 , G06N3/08
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种基于图嵌入的污水处理结果的预测方法及其系统，包括：通过物联网设备监控采集污水处理工厂的入口条件和中间参数；GE模型依据中间参数得到反映污水处理过程内部潜在联系的特征数据，并且依据反映污水处理过程内部潜在联系的特征数据得到神经网络模型的输入数据；通过神经网络模型预测得到在给定中间参数条件下的出口结果，再依据预测得到的出口结果和入口条件计算得到预测的处理效果。本申请可以提高对STP的处理结果预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117573865A
公开(公告)日：2024-02-20
申请号：CN202311358831.1
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F16/35 , G06F18/25 , G06F40/284 , G06F40/30 , G06Q50/00 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开一种基于可解释自适应学习的谣言模糊检测方法。所述方法包括：收集社交媒体平台历史数据，对数据进行预处理，得到词向量和语义矩阵；训练预测模型：将语义矩阵中提取语义特征，根据语义特征得到相关性特征，将语义特征与相关性特征融合得到融合特征，将融合特征输入预测模型进行训练；采集待预测数据，将待预测数据输入训练好的预测模型中，输出是否为谣言的预测结果。本发明属于无监督学习，无需事先对训练样本进行标注，而且使用了图结构和生成对抗网络结合的结构，无需人工选取特征。
-
公开(公告)号：CN117115064B
公开(公告)日：2024-02-02
申请号：CN202311340079.8
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06T5/50 , G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于多模态控制的图像合成方法，所述方法包括：获取图像数据，图像数据中包含相对应的真图和假图；构建图像合成模型，该模型包含采用基于多头注意力模块的U‑Net架构的生成器；将图像数据中的假图预处理后，输入图像合成模型，基于生成器输出生成图像；基于生成图像和假图及对应的锐化后的真图，在空间域和频域上构建五重损失函数；基于五重损失函数构建最终损失函数，并基于最终损失函数将学习到的权重回传至生成器以更新预设权重，经过预设轮次迭代训练后得到训练好的图像合成模型；将待合成的图像输入训练好的图像合成模型并输出合成图像。本发明提供的方法改善了现有反取证技术局限于欺骗检测器对图(56)对比文件Feng Ding.Anti-Forensics for FaceSwapping Videos via Adversarial Training.《IEEE Transactions on Multimedia》.第24卷第3429-3441页.Lin Gao 等.EL-GAN: Edge-EnhancedGenerative Adversarial Network forLayout-to-Image Generation《.PacificGraphics 2022》.2023,第41卷第407-418页.崔宇航.基于高频信息差网络的高光谱图像融合算法研究《.CNKI学位论文》.2022,第2022年卷(第04期),全文.
-
公开(公告)号：CN117437776A
公开(公告)日：2024-01-23
申请号：CN202311351736.9
申请日：2023-10-18
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G08G1/01 , G06F18/2132 , G06N3/0455 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种智能交通系统中交通流预测方法及其系统，其中智能交通系统中交通流预测方法包括以下步骤：获取交通流节点的固有特征和关系特征；对交通流节点的固有特征和关系特征进行编码；对编码后的固有特征和关系特征进行解码，得到预测流量值。本申请将深度嵌入和图形嵌入共同用于增强ITS中的特征表示。同时，通过深度嵌入和图形嵌入方法能够在进行交通流量预测的过程中呈现良好的性能。
-
公开(公告)号：CN117354274A
公开(公告)日：2024-01-05
申请号：CN202311642220.X
申请日：2023-12-04
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
Abstract: 本发明公开一种基于神经网络的垃圾邮件发送者检测方法。所述方法包括：计算节点用户与帖子的偶然关系；偶然关系是通过参数随机游走模型从初始社交图推断出来的；将用户与帖子的特征编码为特征向量，将特征向量编码为图神经网络的向量；将偶然关系作为图神经网络的边向量，将用户与帖子的特征编码分别编码为图神经网络的顶点向量和边向量，输入图神经网络；将图神经网络的输出输入到一个全连接神经网络，输出垃圾邮件发送者，垃圾邮件检测完成。本发明通过从异构网络的视角来检测垃圾邮件发送者以及加入偶然关系的计算，这使得对垃圾邮件发送者检测效率得到提高，可以有效检测出垃圾邮件发送者，从而净化网络环境，维护网络安全。
-
公开(公告)号：CN117614927B
公开(公告)日：2024-09-06
申请号：CN202311361072.4
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: H04L51/52 , H04L51/58 , G06Q50/00 , G06N3/0464 , G06N3/0442
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种深度信息融合驱动的移动社交网络POI调度方法及系统，包括：感知层包括：云感知模块、边缘感知模块和深度表征学习模块；其中，云感知模块依据POI原始数据获得用户的显式特征，边缘感知模块依据POI原始数据获得用户间的隐式特征，深度表征学习模块基于深度学习方法，依据用户的显式特征和用户间的隐式特征，学习得到代表向量；计算层依据代表向量训练POI调度模型；应用层接收用户的POI调度请求，并且将用户的POI调度请求输入至训练好的POI调度模型中，从而得到POI调度结果。本申请可以提高移动社交网络(MSN)环境中的兴趣点(POI)调度的效果，并且使得移动社交网络(MSN)环境中的兴趣点(POI)的调度的难度较低。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.052 seconds)
