-
公开(公告)号：CN113298148B
公开(公告)日：2022-08-05
申请号：CN202110569636.8
申请日：2021-05-25
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明所述的一种面向生态环境评价的不平衡数据重采样方法，包括以下步骤：步骤1、采集生态环境数据，对每个实例的生态环境数据进行标准化处理；步骤2、计算每个实例的数据密度以及多数类与少数类的数量差d；步骤3、计算少数类和多数类的分布不平衡程度DI与数量不平衡程度IR；步骤4、对少数类进行过采样；步骤5、对多数类进行欠采样。本发明所述的有益效果为：利用数据集中每个实例的数据密度衡量分布的均匀程度，根据数据分布的不平衡程度来进行过采样和欠采样，达到平衡数据的目的；进一步平衡了生态环境数据，提升了数据集的质量，在进行生态环境质量评价时，准确率会更高，真阳率上升。
-
公开(公告)号：CN113553828A
公开(公告)日：2021-10-26
申请号：CN202110823952.3
申请日：2021-07-21
Applicant: 南京邮电大学
IPC: G06F40/205 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于义原编码的层次级远程监督关系抽取方法，包括如下步骤：步骤1：将训练数据集中的所有句子，将包含相同实体对的句子分配到同一包中；步骤2：词向量编码；步骤3：位置向量编码；步骤4：PCNN特征提取；步骤5：层次级关系注意力机制；步骤6：构建超包级别训练实例；步骤7：训练调优，最终得到关系抽取模型。本发明利用关系之间的联系来丰富训练数据，通过顶层关系的粗粒度特征弥补训练数据不足的长尾部分，再从关系层次上构建超包，降低学到错误关系特征的影响并近似忽略整个句子包都是错误实例的可能，有效减少对数据的依赖，降低数据质量对最终结果的波动影响，从而提高关系抽取的准确率。
-
公开(公告)号：CN113536689A
公开(公告)日：2021-10-22
申请号：CN202110848178.1
申请日：2021-07-26
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N3/12 , G06Q10/06 , G06F111/04
Abstract: 本发明提供一种基于混合遗传智能算法的多无人机任务分配执行控制方法，在多无人机场景下，在地图中获取需要前往的任务点集合T，并获取当前可用的无人机群集合U，根据地图中任务点集合T和无人机群U建立多旅行商任务模型；任务预分配，使用混合遗传算法对多旅行商任务模型进行求解，得出各无人机的任务执行有序序列；进行任务动态分配，在新任务出现时，通过K邻近算法将新任务基于无人机群体未执行的任务进行分配，对新分配了任务的无人机使用单遗传算法进行单线路任务重排序，得到新分配了任务的无人机的新路线；该方法采用混合算法完成对无人机任务的初始分配与任务动态分配，能够实现任务分配执行的高效性。
-
公开(公告)号：CN112800292A
公开(公告)日：2021-05-14
申请号：CN202110053038.5
申请日：2021-01-15
Applicant: 南京邮电大学
IPC: G06F16/9032 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于模态特定和共享特征学习的跨模态检索方法，包括：步骤S1、获取跨模态检索数据集，划分为训练集和测试集；步骤S2、对文本和图像分别进行特征提取；步骤S3、提取模态特定特征和模态共享特征；步骤S4、通过哈希网络生成对应模态样本的哈希码；步骤S5、联合对抗自编码器网络的损失函数以及哈希网络的损失函数训练网络；步骤S6、利用步骤S5中训练完成的网络对测试集中的样本进行跨模态检索。本发明设计了一个哈希网络，将图像通道的编码特征和文本通道编码特征以及模态共享特征投影到汉明空间中，并且利用标签信息、模态特定和共享特征进行建模，使得输出的哈希码在模态间和模态内具有更好的语义区分性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN109886086B
公开(公告)日：2020-12-04
申请号：CN201910006652.9
申请日：2019-01-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于HOG特征和线性SVM级联分类器的行人检测方法，主要用于通过提高智能车在行驶过程中实施行人检测的准确性，从而解决智能车在行驶过程中的的安全问题。为了打破传统的基于HOG和SVM的行人检测算法在提取行人HOG特征时，行人必须大体上保持直立姿势的局限性，本发明提出将行人分为站立、蹲下、弯腰三种不同的肢体动作，分别作为一种正样本数据集训练成相应的弱分类器，再将得到的三个弱分类器集成为一个强分类器，并将该级联结构的强分类器作为智能车行人检测模型的方法。
-
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。
-
公开(公告)号：CN111460201A
公开(公告)日：2020-07-28
申请号：CN202010143786.8
申请日：2020-03-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成性对抗网络的模态一致性跨模态检索方法，包括以下步骤：首先利用生成性对抗网络强大的数据分布建模能力，将文本特征映射到图像特征空间，用这种方法将跨模态检索问题转换为单模态检索问题，尽可能多地保留图像语义信息的同时减小模态的异质性。其次，设计了一个模态一致性哈希网络，将真实的图像特征和通过生成性对抗网络生成的特征投影到汉明空间中，并且利用标签信息对模态间和模态内的相似性进行建模，使得输出的哈希码在模态间和模态内具有更好的语义区分性，获得更具判别性的哈希码。最后在两个常用的基准数据集上的实验结果表明本方法与现有的流行方法相比具有更好的跨模态检索性能。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.028 seconds)
