-
公开(公告)号：CN108521633A
公开(公告)日：2018-09-11
申请号：CN201810163646.X
申请日：2018-02-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明提出了基于K均值的矿井环境无线传感网分簇路由方法。所述方法在长距离带状区域环境下，通过获取传感器节点地理位置信息，采用K均值聚类算法形成多个均匀分簇，再选举离质心最近的节点为初始簇首；然后采用基于阈值的动态簇首轮换方法，最后在融合数据传输阶段根据簇首与基站、簇首与簇首之间距离动态选择单跳与多跳的混合传输方式传输数据；分簇一旦建立，不再以轮为单位重新分簇，每轮仅进行基于剩余能量和地理位置的簇首动态更换。本发明方法和传统的分层路由协议LEACH相比，能够更加有效均衡网络负载，延长整个网络的生命周期，在同等条件下，优于传统的低功耗自适应集簇分层型协议方法。
-
公开(公告)号：CN108460080A
公开(公告)日：2018-08-28
申请号：CN201810019705.6
申请日：2018-01-09
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明提供基于特征二维信息增益加权的朴素贝叶斯文本分类方法。所述方法获取文档的特征词，根据不同的特征词出现的类别数和文档数，得到相应的特征类别概率和特征文档概率，进而得到特征的二维信息增益；由于信息增益具有反应特征对分类效果提升大小的作用，信息增益越大说明该特征越能表达该类的信息，把特征的二维信息相结合，提高了朴素贝叶斯文本分类器的性能；并且与TFIDF加权朴素贝叶斯文本分类算法、TFIDF*IGC文本分类算法相比，基于特征二维信息增益加权的朴素贝叶斯文本分类方法具有更好的鲁棒性，使其对所有类别的分类效果都能保持很好；在同等条件下，本发明的分类性能要优于传统改进的朴素贝叶斯文本分类方法。
-
公开(公告)号：CN108763344B
公开(公告)日：2021-12-14
申请号：CN201810458856.1
申请日：2018-05-15
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06F16/35
Abstract: 本发明公开了一种基于信息增益与最大相关最小冗余二阶段特征选择方法，首先根据信息增益算法初步选取特征词，得到特征词子集；计算特征词与类别之间的互信息值；计算特征词之间的互信息值；计算特征词的类差分度；计算特征词的类差分度差值；将类差分度差值引入最大相关最小冗余MRMR算法进行二阶段特征词选取；本发明通过信息增益选取一阶段特征集合，同时将类差分度思想引入最大相关最小冗余方法作为二阶段特征提取方法，进而提升特征集合选取的准确度，实现特征词的准确选取，解决现有特征提取分类效果差、计算量大以及特征冗余等技术问题。
-
公开(公告)号：CN109688076B
公开(公告)日：2021-06-11
申请号：CN201810351419.X
申请日：2018-04-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了基于离散多电平迟滞的噪声混沌神经网络的盲检测方法，包括如下步骤：构造接收数据矩阵XN；对所述接收数据矩阵XN进行奇异值分解；设置权矩阵WRI，并构造性能函数；将分段退火函数引入混沌神经网络中，构造基于分段退火的离散多电平迟滞混沌神经网络；构建基于离散多电平迟滞的噪声混沌神经网络的改进后新模型的动态方程，对所述改进后新模型的动态方程进行迭代运算，然后把每次迭代的结果代入基于离散多电平迟滞的噪声混沌神经网络的能量函数E(t)中，当所述能量函数E(t)达到最小值，所述离散多电平迟滞混沌神经网络达到平衡，迭代结束。本发明改进激活函数构造了离散多电平迟滞的噪声混沌神经网络模型，更好的避免神经网络陷入极小值点。
-
公开(公告)号：CN108574653B
公开(公告)日：2021-06-11
申请号：CN201810351404.3
申请日：2018-04-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法，其特征在于，包括如下步骤：步骤SS1：构造接收数据矩阵XN；步骤SS2：对所述接收数据矩阵XN进行奇异值分解；步骤SS3：设置权矩阵W；步骤SS4：选择双Sigmoid迟滞混沌神经网络的激活函数，进行双Sigmoid迟滞混沌神经网络迭代运算，然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中，当所述能量函数E(t)达到最小值，则所述双Sigmoid迟滞噪声混沌神经网络达到平衡，迭代结束。本发明首次利用双Sigmoid混沌神经网络和迟滞噪声构成了一个双Sigmoid迟滞噪声混沌神经网络，增强了网络的优化性能，提高了网络优化解的质量，本发明的抗噪性能和收敛速度优于传统的Hopfield信号盲检测算法。
-
Patent Agency Ranking
公开(公告)号：CN108768904A
公开(公告)日：2018-11-06
申请号：CN201810353005.0
申请日：2018-04-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
CPC classification number: H04L25/03165 , H04L1/0038
Abstract: 基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，包括如下步骤：S1、获取单个HNN神经元的状态；S2、根据各HNN神经元的状态获取多个神经元使用权值相互连接得到的Hopfield神经网络结构，并计算其相对应的动态方程；S3、根据Hopfield神经网络结构的输出构建接收数据矩阵；S4、根据接收数据矩阵优化为幅值相位型离散Hopfield神经网络结构；S5、构建带扰动的幅相型离散Hopfield神经网络。本发明在Hopfiled神经网络的基础上将扰动因子加在权矩阵和激活函数之间，既继承了神经网络的所有优点且其收敛速度更快并不容易陷入局部最小，为无线通信网提供了准确且快速的信号盲检测方法。
-
公开(公告)号：CN117728870A
公开(公告)日：2024-03-19
申请号：CN202311572780.2
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: H04B7/06 , H04B7/0413 , H04B7/0456
Abstract: 本发明公开了一种无线通信技术领域的频分双工方式下大规模MIMO系统信道状态信息反馈方法及系统，旨在解决现有技术中信道状态信息反馈网络在用户设备端的复杂度过高，并且性能也有待提升等问题，其包括在用户端得到下行链路信道状态信息在空间频域上信道矩阵H；通过离散傅里叶变换将空间频域上的信道矩阵变换为角延迟域上的信道矩阵H'，并取其前Na行构成信道矩阵Ha，利用编码器对信道矩阵Ha进行特征提取和压缩，然后利用解码器进行解压缩和恢复得到重建信道矩阵#imgabs0#进行零填充以及离散傅里叶逆变换后得到反馈的信道状态信息。本发明在降低用户设备端复杂度的同时提升信道状态信息反馈性能。
-
公开(公告)号：CN115984623A
公开(公告)日：2023-04-18
申请号：CN202310044631.2
申请日：2023-01-30
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0475 , G06N3/094 , G06V10/40
Abstract: 本发明公开了一种基于生成对抗架构的目标检测增强方法、装置及存储介质，涉及计算机视觉中的目标检测技术领域。本发明提出了一种新的目标检测框架，对难以进一步提高性能的目标检测网络进行对抗性训练，能够使训练完善的目标检测网络进一步提高性能，并且没有参数的增加，能够快速有效地改进训练有素的目标检测网络，训练速度快，消耗计算资源少且高效，不以增加推理时间或训练难度为代价，几乎是一种即插即用的训练方式。
-
公开(公告)号：CN113298861B
公开(公告)日：2022-09-16
申请号：CN202110556630.7
申请日：2021-05-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于ASPP‑CycleGAN的深度估计系统及其算法，构建ASPP‑CycleGAN模型，ASPP‑CycleGAN模型中包括两个生成对抗网络；两个生成对抗网络均包括生成器和判别器；生成器引用空洞卷积的空间金字塔，判别器采用多层全域卷积结构。在生成器的编码器和解码器之间添加基于空洞卷积的空间金字塔结构，用来提取多尺度信息；且在提取多尺度信息的同时避免了过多下采样层，有效减少了模型参数计算量并很好的保留了特征的细节信息。
-
公开(公告)号：CN114360004A
公开(公告)日：2022-04-15
申请号：CN202111526698.7
申请日：2021-12-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面部表情识别方法，所述方法包括：获取待识别图像；对所述待识别图像进行预处理，获得预处理图像；将所述预处理图像输入预先训练的识别模型，输出识别结果；所述预先训练的识别模型包括第一提取单元、第二提取单元和识别单元，所述第一提取单元用于提取所述预处理图像的图像特征，所述第二提取单元用于提取所述第一提取单元提取的图像特征，所述识别单元用于识别所述第二提取单元提取的图像特征，所述第二提取单元包括深度卷积模块和卷积注意模块。本发明在识别模型中引入卷积注意模块，从通道和空间维度，提取图像特征，提高了识别的精准度。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.029 seconds)
