-
公开(公告)号：CN104794195A
公开(公告)日：2015-07-22
申请号：CN201510186319.2
申请日：2015-04-17
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明提供用于电信潜在换机用户发现的数据挖掘方法，包括如下步骤：1)数据集构造阶段：a收集用户的消费信息、用户历史换机信息、用户信息、终端信息；b数据预处理，同时产生数据集；c处理类别不均衡的数据集，形成最终的训练集和预测集；挖掘阶段：a)获取步骤1-c中处理生成的数据集；b)实施决策树算法发现潜在换机用户；c)结束。本发明是基于数据挖掘的技术在电信用户中找出潜在的换机用户。和传统的方法相比更精确、更高效，具有实现简单、代价低等一系列的优点。
-
公开(公告)号：CN102646168B
公开(公告)日：2014-12-17
申请号：CN201210110861.6
申请日：2012-04-16
Applicant: 南京大学
IPC: G06F19/00
Abstract: 本发明提供一种适用中药方剂(Traditional Chinese Medicine Herbs，以下简称TCMF)网络的基于共近邻相似三角形凝聚的层次重叠社区发现方法，包括如下步骤：1)共近邻相似三元组凝聚阶段a寻找所有三元组；b对任意两个三元组计算相似度；c给定三元组的相似度阈值，合并相似度高于相似度阈值的三元组对作为初始社区；d结束；2)簇合并阶段a计算任意两个初始社区的距离；b定初始社区距离阈值，合并距离小于距离阈值的两个初始社区；c结束。本发明的基于TCMF网络的层次重叠核心药群发现方法为TCMF网络发现提供了一种新的方法，该方法通过三个参数α，β，γ的设定能挖掘TCMF网络的高重叠及层次药群社区结构，为方剂配伍中核心药群发现提供了解决方案。
-
公开(公告)号：CN104077358A
公开(公告)日：2014-10-01
申请号：CN201410243718.3
申请日：2014-06-03
Applicant: 南京大学
CPC classification number: G06F17/30628 , G06F17/30675
Abstract: 本发明提供一种用于海量短文本信息发现的自动机方法，包括如下步骤：1)自动机建立：a用Trie树结构保存所有关键词，其中树节点视为状态，树边视为状态跳转；b为每个节点的跳转信息建立哈希表；c为每个词尾状态添加词尾标记和整词信息；d为每个节点添加fail跳转；e结束；2)自动机运行：a逐字读取文本，根据当前状态的跳转信息和读入字符进行跳转操作；b每当跳转到词尾状态时，输出该状态内保存的整词信息；c结束。本发明用于海量短文本信息发现的自动机方法在保证正确性的前提下，利用自动机方法大大提高了海量文本信息发现的效率，利用哈希表的方法减少了自动机跳转时查找跳转表的耗时，全程自动化，用户体验友好。
-
公开(公告)号：CN102663387A
公开(公告)日：2012-09-12
申请号：CN201210110064.8
申请日：2012-04-16
Applicant: 南京大学
Abstract: 本发明提供一种基于牙科全景图片的皮质骨宽度CW计算方法，包括如下步骤：1)基于OTSU和DLS的颏孔识别：a）图像预处理，使图像的颏孔和轮廓变得明显；b）采用OTSU方法对图像的阈值分割；c）形态学处理，让阈值分割后的图像边缘更加平滑；d）利用Canny算子检测图像边缘；e）最小二乘法椭圆拟合；f）结束；2)基于图像聚类和DLS的皮质骨宽度计算；a）提取ROI，提取左ROI时是以左颏孔为右上角，以颏孔到全景图下边缘为边长；而右ROI是以颏孔为左上角，以颏孔到全景图下边缘为边长；b)ROI预处理；c)图像聚类；d)形态学处理；e)最小二乘法曲线拟合；f计算皮质骨宽度，即计算颏孔点到上下边缘的距离差；g)结束。本发明在基于牙科全景图片下，实现了颏孔的自动识别和基于ROI的CW计算，在CW计算方法中提高了CW计算的准确性和效率，为医学图像处理提供了方便。
-
公开(公告)号：CN101794372B
公开(公告)日：2012-08-08
申请号：CN200910232755.3
申请日：2009-11-30
Applicant: 南京大学
Abstract: 基于频域分析的步态特征表示及识别方法，对采样的步态序列预处理，基于采样的步态序列训练得到特征频率并构建步态特征库，以此对给定的未知步态序列进行识别。本发明将一个步态序列视作一个整体，通过分析其轮廓-质心距离信号变化的频率特点来提取特征，一方面凸显了步态序列的整体性，另一方面，也充分利用了人的行走行为具有一定周期性的特点。本发明提高了步态识别的正确识别率，能达到较小的计算开销。通过将视频摄像头获取并进过预处理得到的人行走的侧视图做为本发明的步态识别方法的输入，借助于预先建立的步态特征库，就能够较为精确地进行识别。
-
Patent Agency Ranking
公开(公告)号：CN101482876B
公开(公告)日：2011-11-09
申请号：CN200810244679.3
申请日：2008-12-11
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明基于权重的链接多属性的实体识别方法，包括以下步骤：1)数据预处理阶段：a)收集节点间关系数据；b)确定节点之间权重的表现方式，包括权重属性定义以及权重属性计算方法；c)生成给定节点的四层联系图；d)结束；2)实体识别阶段：a)通过把1-c生成的联系图中链接多属性映射为单属性得到中间关联图；b)计算给定节点与中间关联图中的其他节点的相似度；c)进行相似度排序，得到相似度前几位的节点编号；d)结束；本发明的基于权重的链接多属性的实体识别方法，利用了实际中关系数据的权重和模式信息来进行相似度度量，以此扩展了传统的实体识别的相似度度量方法，并使用提出的相似度量方法成功解决了链接多属性的实体识别问题。
-
公开(公告)号：CN101599855A
公开(公告)日：2009-12-09
申请号：CN200810194869.9
申请日：2008-11-10
Applicant: 南京大学
Abstract: 基于攻击模式建模的复合攻击关联及攻击场景构建方法，包括如下步骤：1)攻击路径图构建阶段：11)对报警信息进行初始化处理；12)对预处理后的报警信息构建出相应的攻击路径图；13)计算攻击目标危险度，若超出预设阈值，发出报警信息；14)结束；2)攻击场景图关联阶段：21)攻击场景图初始化过程；22)对攻击路径图集合中的每个映射，将其添加入攻击场景图的集合；23)关联出复合攻击场景图；24)结束；本发明的基于攻击模式建模的复合攻击关联及攻击场景构建方法在保持计算简单的前提下，提高了报警时间关联分析的准确率，从而提高了入侵检测系统的关联分析及预测性能。
-
公开(公告)号：CN101136809A
公开(公告)日：2008-03-05
申请号：CN200710133291.1
申请日：2007-09-27
Applicant: 南京大学
Abstract: 本发明的基于条件互信息的双层半懒惰贝叶斯的网络入侵分类方法，包括如下步骤：1.训练阶段：a.收集已知是否为入侵的会话事件并进行特征提取做为训练集；b.对训练集中进行预处理；c.训练出基于条件互信息的双层半懒惰贝叶斯分类器；d.结束；2.分类阶段：e.预处理待检测会话事件；f.使用步骤1－c得到的分类器对处理后的会话事件进行分类；g.返回分类结果；h.结束。本发明的基于条件互信息的双层半懒惰贝叶斯的网络入侵分类方法在保持应用阶段低时间复杂度的情况下，提高了分类器的分类精度性能，从而提高了入侵检测系统的入侵检测性能。
-
公开(公告)号：CN112418803B
公开(公告)日：2024-04-12
申请号：CN202011342832.3
申请日：2020-11-25
Applicant: 南京大学
IPC: G06Q10/105 , G06Q10/0631 , G06Q50/00 , G06F16/9536 , G06F16/955 , G06F11/36
Abstract: 本发明提供了一种基于社交网络的众包测试人员招募方法，包括任务分割、任务发布和传播、传播网络构建、收益分配四个阶段；首先将众测任务分割为单个测试者可以完成的小任务；然后将任务发布给众包测试平台，使得任务信息在社交网络中进行传播；其次采用邀请码技术来记录每个测试人员的上级，从而形成传播网络；最后在收益分配阶段，根据传播网络进行收益分配。本发明解决了传统众包测试中无法在短时间内招募到足够的测试人员的问题，为众测提供人员保障。本发明利用社交网络强大的人员招募能力，在短时间内为众测招募到足够的工作者，同时创建了灵活的收益分配方式，使得人员招募具有良好的激励性。
-
公开(公告)号：CN113361198B
公开(公告)日：2023-11-03
申请号：CN202110641240.X
申请日：2021-06-09
Applicant: 南京大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F111/04
Abstract: 一种基于公共和私有信息挖掘的众包测试报告融合方法，1)进行特征映射，每个模态中包括所有模态共享的公共信息，以及该模态的私有信息，将原始特征空间中抽取的模态映射为同一维度的公共向量和私有向量；2)对不同模态所包含的所有模态共享的公共信息和每个模态的私有信息进行获取；3)进行模态关系挖掘，将得到d维公共信息Ci和私有信息Sim依次输入到LSTM中进行处理；4)进行标签预测，在多标签学习中，每种模态都有其对多标签预测的特定贡献，利用储存在LSTM记忆单元中的不同模态的信息获取标签之间的关系。本发明能够学习所有模态的低维公共表示，并通过强制正交约束提取每个模态的区别信息，同时，将公共表示作为一种新的模态加入到特定的模态序列中，实现基于提取的模态序列挖掘标签相关性。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.023 seconds)
