-
公开(公告)号：CN111339435B
公开(公告)日：2022-09-23
申请号：CN202010084941.3
申请日：2020-02-10
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F17/13 , G06Q30/06
Abstract: 本发明公开了一种基于潜在因子的矩阵分解补全混合推荐方法，包括步骤1：构建用户物品评分矩阵、用户潜在因子矩阵和物品潜在因子矩阵；步骤2：计算得到用户之间的相似度和物品之间的相似度；步骤3：将用户物品评分矩阵进行矩阵分解，通过对分解矩阵进行迭代计算得到用户对物品的预测评分，并得到对应的预测评估指标的状态值：步骤4：将用户物品评分矩阵进行矩阵补全得到预测评分矩阵和对应的预测评估指标的状态值：步骤5：加权得到预测评分矩阵和其对应的预测评估指标的状态值；步骤6：根据得到的各预测评分矩阵及各自对应的预测评估指标的状态值，得到最终的预测推荐矩阵；根据预测推荐矩阵，完成向用户推荐物品。
-
公开(公告)号：CN112003889A
公开(公告)日：2020-11-27
申请号：CN202010661140.9
申请日：2020-07-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种分布式跨链系统及跨链信息交互与系统访问控制机制，分布式跨链系统包含多个跨链客户端、跨链中继节点、属性权威机构和点对点加密信道。访问控制机制包括中继节点验证区块链用户，中继节点适配区块链属性并代理其跨链消息与加密传输，属性权威机构为中继节点发布属性密钥和跨链证明，目标区块链对等中继节点接收加密文件并解密对比跨链证明，最终跨链消息被目标区块链用户接收从而实现跨链通信。本发明可灵活设置中继节点满足特定区块链的跨链消息代理需求，具有较强的灵活性与可扩展性，同时利用去中心化的属性可撤销、可更新的属性密码机制，为区块链跨链通信提供了细粒度的访问控制策略，提高了区块链跨链系统的安全性。
-
公开(公告)号：CN111339435A
公开(公告)日：2020-06-26
申请号：CN202010084941.3
申请日：2020-02-10
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F17/13 , G06Q30/06
Abstract: 本发明公开了一种基于潜在因子的矩阵分解补全混合推荐方法，包括步骤1：构建用户物品评分矩阵、用户潜在因子矩阵和物品潜在因子矩阵；步骤2：计算得到用户之间的相似度和物品之间的相似度；步骤3：将用户物品评分矩阵进行矩阵分解，通过对分解矩阵进行迭代计算得到用户对物品的预测评分，并得到对应的预测评估指标的状态值：步骤4：将用户物品评分矩阵进行矩阵补全得到预测评分矩阵和对应的预测评估指标的状态值：步骤5：加权得到预测评分矩阵和其对应的预测评估指标的状态值；步骤6：根据得到的各预测评分矩阵及各自对应的预测评估指标的状态值，得到最终的预测推荐矩阵；根据预测推荐矩阵，完成向用户推荐物品。
-
公开(公告)号：CN107330655A
公开(公告)日：2017-11-07
申请号：CN201710559031.4
申请日：2017-07-11
Applicant: 南京邮电大学
CPC classification number: G06Q10/083 , G06Q10/06
Abstract: 本发明涉及一种基于时间预约的智能配送路径规划方法，基于时间预约的智能配送路径规划方法，根据客户配送时间要求，将快件进行划分，分为A类订单与B类订单，并基于划分结果，设计全新配送调度方法，结合各辆配送车辆的载重，引入最短路径规划设计方法，使得各辆配送车辆以最优路线规划进行配送，实现针对A类订单与B类订单的准确配送，为用户提供个性化的配送服务，提高了配送成功率，节约了配送成本。
-
公开(公告)号：CN107220731A
公开(公告)日：2017-09-29
申请号：CN201710367004.7
申请日：2017-05-23
Applicant: 南京邮电大学
CPC classification number: G06Q10/047 , G06N3/006 , G06N3/126 , G06Q10/08355
Abstract: 本发明涉及一种物流配送路径规划方法，为了提高算法的性能和全局搜索能力，弥补蚁群算法和遗传算法各自的缺陷，引入遗传算法的交叉、变异操作，能够有效避免在局部搜索过程中的早熟、早收敛现象，并利用遗传算法的随机搜索、快速、全局收敛性产生所要解决问题的初始解，并将该初始解转化为蚁群算法的初始信息素分布，然后利用蚁群算法的并行性、正反馈机制以及求解效率高等特点寻求最优解，克服了蚁群算法初始信息素匮乏不足的问题，得到时间效率和求解效率都比较好的启发式算法。
-
Patent Agency Ranking
公开(公告)号：CN101515924B
公开(公告)日：2012-11-21
申请号：CN200810189258.5
申请日：2008-12-26
Applicant: 成都市华为赛门铁克科技有限公司 , 南京邮电大学
Abstract: 本发明实施例公开了一种P2P流识别的方法及装置，所述方法包括：根据待测终端接收的数据包的信息判断与所述待测终端通讯连接的多个外接终端的设备类型，所数设备类型包括通过网络地址转换设备介入网络的终端，以及具有公网IP的终端；根据所述设备类型获取所述多个外接终端所对应的数据流信息，其中，所述数据流信息包括通过网络地址转换设备接入网络的终端的数量信息和流量信息，以及具有公网IP的终端的数量信息和流量信息；根据所述多个外接终端所对应的数据流信息，判断所述待测终端是否在进行P2P通讯。本发明中，对数据流进行识别时，不需要检测数据包的具体内容，不涉及到容易引起争议的隐私保护和法律问题，避免对加密数据包的解析。
-
公开(公告)号：CN101242365A
公开(公告)日：2008-08-13
申请号：CN200810019663.2
申请日：2008-03-11
Applicant: 南京邮电大学
Abstract: 基于多维分布式哈希表的对等网络安全路由方法分为多维分布式哈希表结构的设计、路由转发、恶意节点识别方法三部分；多维分布式哈希表它通过将节点的标识划分为不同的维以及每个维度上的负责节点，将整个P2P应用的节点组织成一个类似树形的结构，从而为安全的路由转发以及恶意节点的识别提供了基础；路由转发以多维DHT结构为基础，将路由转发过程转换为目标节点每个维度上逐步接近的过程，从而可以实现较高的路由效率；恶意节点的识别以分布式哈希表结构以及路由转发为基础，通过同一维度的节点保存的维度信息，识别出各种类型的恶意节点。通过该结构，能够进行恶意节点有效识别问题，显著的提高了路由的效率。
-
公开(公告)号：CN118658038A
公开(公告)日：2024-09-17
申请号：CN202410638161.7
申请日：2024-05-22
Applicant: 南京邮电大学
IPC: G06V10/82 , G06V30/19 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06K17/00
Abstract: 本发明公开了一种基于深度学习的快递面单条形码检测方法，包括以下步骤：对收集的快递面单检测数据集使用可旋转的边界框进行标签标注；通过改进的Swin‑Transformer算法得到特征图；将所述的特征图基于特征融合网络处理得到融合的特征图；将融合后的特征图输入检测头进行检测；利用基于圆形平滑标签改进后的包围框输出对快递面单条形码定位的预测；对于检测到的快递面单条形码区域，利用zbar库对修正后的条形码进行解码，从而得到快递面单的条形码解析结果。本发明能够更好突显出目标的角度信息和特征信息，从而更准确地框定快递面单条形码的位置和形状，具有更高的检测速度和识别精度，可以更好帮助快递包裹的自动化处理，具有较好的实际可行性。
-
公开(公告)号：CN117671324A
公开(公告)日：2024-03-08
申请号：CN202311418696.5
申请日：2023-10-30
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/74 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于Transformer的三维模型视图选择方法，包括如下步骤：首先采用CNN网络提取待测对象的多视图特征信息，获得多视图局部特征token序列，并对其进行位置编码。之后将其输入至Transformer编码器进行特征编码，获得初始全局视图特征。然后利用最优视图选择模块将初始全局特征序列通过注意力得分矩阵选择最优视图特征。最后将最优视图特征与全局分类token拼接一同输入Transformer层得到基于最优视图的全局分类token，将其输入分类器获得最终分类概率。在训练阶段使用动态掩码策略随机丢弃视图特征，增大模型学习难度，提高模型泛化能力，使用对比学习方法最大化相同类别分类的相似度。本发明利用三维模型类别的语义信息选择最优视图，适合三维数据集的高效浏览。
-
公开(公告)号：CN116229041A
公开(公告)日：2023-06-06
申请号：CN202310115341.2
申请日：2023-02-14
Applicant: 南京邮电大学
IPC: G06V10/22 , G06K7/14 , G06V10/82 , G06V10/24 , G06V10/77 , G06N3/0464 , G06N3/0499
Abstract: 本发明公开了一种基于Swin‑Transformer和Detr的快递面单识别方法，包括：通过Swin‑Transformer来提取快递面单图像的特征图；通过Detr目标检测算法对快递面单条形码区域进行检测，根据类别是否为条形码以及包围框定位到快递面单条形码区域；对定位到的快递面单条形码区域进行校正，得到修正后的条形码；对修正后的条形码进行解码，最终得到快递面单的条形码解码结果。本发明结合了Swin‑Transformer特征提取与Detr目标检测算法，能够有效地提高快递面单的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.022 seconds)
