-
公开(公告)号：CN109635793A
公开(公告)日：2019-04-16
申请号：CN201910097865.7
申请日：2019-01-31
Applicant: 南京邮电大学
CPC classification number: G06K9/00362 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的无人驾驶行人轨迹预测方法，包括处理样本数据、获取输入信息序列、构建并优化网络、测试及评估最优模型。将无人驾驶车辆上的视觉传感器采集到的实时视频，分割成以帧为单位的图像作为样本数据，将样本数据中即将通过斑马线的目标人群划分成三类，从样本中获取行人位置‑比例信息序列、行人骨架信息序列、视觉传感器自身运动序列，再将信息序列输入卷积神经网络进行训练，得到初步的预测模型，经过测试和评估，最终输出预测轨迹和动作类别。本发明采用卷积神经网络进行无人驾驶行人轨迹预测，可以有效降低无人驾驶车辆在道路行驶过程中碰撞行人发生的概率。
-
公开(公告)号：CN109495472A
公开(公告)日：2019-03-19
申请号：CN201811375787.4
申请日：2018-11-19
Applicant: 南京邮电大学
IPC: H04L29/06
Abstract: 本发明公开了一种针对内外网摄像头配置弱口令漏洞的防御方法，在摄像头的网端设置蜜罐，同时将摄像头的公网端接入到路由器的后方，并对路由器进行访问控制列表配置；在内网环境下，通过蜜罐暴露摄像头的23和80端口，当出现摄像头漏洞扫描攻击时，通过蜜罐对扫描流量包进行获取、分析扫描流量包的源IP地址、并得到内网攻击主机；在外网环境下，所有访问摄像头的流量统一经过路由器过滤，对允许访问的IP地址进行放行，否则禁止。本发明方法中，使用路由器ACL对外网的非法请求进行过滤，不需要禁止所有的外网访问，保证了摄像头的功能性；使用Cowrie蜜罐进行内网部署，低误报率，可以更清楚的了解攻击者的入侵手段和流程。
-
公开(公告)号：CN117977587A
公开(公告)日：2024-05-03
申请号：CN202410390633.1
申请日：2024-04-02
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: H02J3/00 , G06F18/213 , G06F18/2415 , G06F17/16 , G06N3/0455 , G06N3/0464 , G06Q50/06
Abstract: 本申请涉及电力负荷的智能预测领域，其具体地公开了一种基于深度神经网络的电力负荷预测系统及方法，其将采集到的待预测电力系统的历史电力负荷数据和与之相关的影响因素数据作为输入数据，然后利用深度学习技术分别对这些输入数据进行特征提取和分析，并结合这些特征得到待预测电力系统未来一段时间内电力负荷的负荷曲线。这样，根据未来一段时间内电力负荷的负荷曲线，可以实现电力系统的负荷预测，从而为电力系统的运行和调度提供参考依据。
-
公开(公告)号：CN117746252A
公开(公告)日：2024-03-22
申请号：CN202311747742.6
申请日：2023-12-19
Applicant: 南京邮电大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V10/774
Abstract: 本发明属于计算机图像处理技术领域，涉及一种基于改进的轻量型YOLOv7的山体滑坡检测方法，首先，采集山体卫星图像并使用超分辨率算法GAN对山体卫星图像进行预处理，之后对图像采用拼接、旋转、腐蚀操作，并为山体卫星图标注真实框以及所属类别；其次，利用轻量级网络MobileNetv3替换原YOLOv7特征提取主干网络，之后，将模型添加小目标检测层，并添加HAT注意力机制，模拟不同天气条件，反复进行训练，得到改进的轻量型YOLOv7模型，对山体卫星图像检测得到山体滑坡检测结果；本发明提高了图像的分辨率；解决正负样本分布不均匀的问题；具备高效的小目标检测能力，能够更好地适应复杂多变的天气条件。
-
公开(公告)号：CN117728992A
公开(公告)日：2024-03-19
申请号：CN202311620108.6
申请日：2023-11-29
Applicant: 南京邮电大学
IPC: H04L9/40 , H04L41/16 , G06N3/08 , G06N3/0464
Abstract: 本发明属于网络安全技术领域，公开了一种基于自适应异常感知的DHR智能裁决架构系统，包括输入/输出模块、执行机制、异构执行体池、构件池、智能裁决机制和负反馈机制，通过在DHR裁决模块增加一种智能异常感知机制来辅助仲裁，对执行体的输出结果进行多特征提取及多模型训练，获取最优特征子集及最优训练模型，进而得到该执行体执行结果的异常分数，剔除异常分数高于阈值的输出结果，再进行多模裁决，充分考虑了裁决数据的可靠性，提升了裁决的准确性，提高了拟态防御系统抵御共模攻击的能力。
-
Patent Agency Ranking
公开(公告)号：CN117633688A
公开(公告)日：2024-03-01
申请号：CN202311635028.8
申请日：2023-12-01
Applicant: 南京邮电大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/23213 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明属于电力数据异常检测技术领域，公开了一种基于岭回归‑k均值聚类‑LOF‑LSTM融合算法的大规模电力数据异常检测方法，具体为：在电力数据异常检测之前，通过OVO SVMs模型研究原始大规模电力数据均值和方差特征，对原始电力数据划分为线性趋势型、平稳型、周期型和随机型四种类型，针对不同类型，构建岭回归、k‑means、LOF和LSTM融合算法进行异常检测。本发明能够实现对大规模电力数据的快速划分，并且可以有效避免单一异常检测算法无法检测出所有电力数据问题，提高了大规模电力数据异常检测的精度和效率。
-
公开(公告)号：CN117058502A
公开(公告)日：2023-11-14
申请号：CN202310871137.3
申请日：2023-07-14
Applicant: 南京邮电大学
Abstract: 本发明属于行人重识别方法技术领域，公开了一种基于CLIP深度度量学习的文本到图像的跨模态行人重识别方法，首先构建文本图像数据库并进行预处理，对图片以及对应图片的文本描述两两配对，形成图片文本描述和对应行人图片的文本与图片模态的配对，然后对每一个文本描述和对应的行人图片使用对应的神经网络进行特征的学习，同时让两种模态的网络结构进行参数共享，将两种模态得到的特征投影到公共空间中，实现全局对齐视觉和文本嵌入，通过相似分布匹配，对图像‑文本相似分布和归一化标签匹配分布之间的模态差异最小化。本发明对模态内特征分布更为均匀，更有效的提取两种模态的特征，提高行人图片识别的精度，具有更好的跨模态分类性能。
-
公开(公告)号：CN116703779A
公开(公告)日：2023-09-05
申请号：CN202310799116.5
申请日：2023-07-03
Applicant: 南京邮电大学
IPC: G06T5/00 , G06V10/30 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于AFF特征融合的图像去噪方法，属于多尺度图像去噪技术领域；该方法包括以下步骤：步骤S1：数据预处理；步骤S2：构建高斯合成去噪模型；在MRF‑Net骨干网络架构的基础上，构建新的高斯合成去噪模型DDMFFNet；步骤S3：对构建高斯合成去噪模型进行训练；步骤S4：测试数据集输入到训练好的高斯合成去噪模型DDMFFNett中，得到去噪后的图像。本发明通过对MRF‑Net模型的整体网络架构进行优化，利用改进的AFF特征融合模块，提取不同特征图像的信息，增强信息在不同层次的传输和表达能力，利用密集连接模块缓解梯度消失的问题，使特征的传输更加有效，增强网络的特征提取能力，增强特征重用能力，并且减少了冗余的参数，提升图像的去噪效果。
-
公开(公告)号：CN116522929A
公开(公告)日：2023-08-01
申请号：CN202310518582.1
申请日：2023-05-09
Applicant: 南京邮电大学
IPC: G06F40/289 , G06F40/30 , G06F16/33
Abstract: 本发明提供了一种短文本关键短语抽取方法，主要包括以下步骤：首先对文档进行预处理，从文档中提取候选短语并去除重复短语，接着建立词汇表并记录上下文信息；通过遍历词汇表，记录其他需要的统计信息并计算统计特征得分；计算候选短语的统计特征得分；根据候选短语之间的语义相似度构建语义图；融合统计与语义特征得分，根据得分进行降序排名并输出结果。本发明综合考虑了统计特征与语义特征，避免了传统抽取方法中语义相似短语共现性弱的问题，可以提高短文本场景下的关键短语抽取的准确率，在自动问答系统，推荐系统，情感分析等领域有较好的应用价值。
-
公开(公告)号：CN116313081A
公开(公告)日：2023-06-23
申请号：CN202310189886.8
申请日：2023-03-01
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 浙江凯立特医疗器械有限公司 , 江苏跃凯生物技术有限公司
IPC: G16H50/30 , G16H50/50 , G16H70/40 , G06F18/214 , G06F18/2411 , G06N3/08
Abstract: 本申请公开了一种基于GRU模型的葡萄糖浓度预测方法、设备及介质，方法包括：获取样本数据集，进行数据预处理；进行标准化处理；基于时间序列的样本数据集进行升维处理；搭建时间序列预测模型，并利用GRU模型进行训练；通过GRU模型进行数据预测，根据得到的第一葡萄糖浓度数据进行指数平滑处理，得到第二葡萄糖浓度数据，并根据第二葡萄糖浓度数据最终预测结果。对预处理之后的数据进行标准化处理，使得预测效果更好。在时间顺序预测模型中，利用均值，标准差和分位数以及拟合出的线性趋势，使训练效果有了显著提升。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.026 seconds)
