-
公开(公告)号:CN116052082A
公开(公告)日:2023-05-02
申请号:CN202310049195.8
申请日:2023-02-01
Applicant: 江苏方天电力技术有限公司 , 南京邮电大学
Inventor: 张浩 , 李春鹏 , 王盺平 , 栾奇麒 , 杨小平 , 李军 , 官国飞 , 宋庆武 , 蒋峰 , 朱天泽 , 蒋超 , 赵晟 , 陈志明 , 苏俞彪 , 蒋林岑 , 徐鹤 , 季一木 , 刘尚东
Abstract: 本发明公开了一种基于深度学习算法的配电站房异常检测方法及装置,方法包括:获取配电站房内的图像,对图像进行预处理,其中所述预处理包括图像缩放,图像修补;将预处理后的图像输入训练好的基于深度学习算法的异常目标检测模型;根据所述异常目标检测模型的输出,确定配电站房异常检测结果。所述异常目标检测模型包括输入层、带CA注意力机制的主干网络、颈部网络和输出层;主干网络由一系列的卷积层组合而成,CA注意力机制用于融合位置信息;颈部网络采用特征图金字塔网络FPN+像素聚合网络PAN的结构,FPN与PAN相结合,得到最终进行预测的特征图。
-
公开(公告)号:CN115640846A
公开(公告)日:2023-01-24
申请号:CN202211090697.7
申请日:2022-09-07
Applicant: 南京邮电大学
Abstract: 本发明属于区块链技术领域,具体地说,是一种基于区块链的面向数据不平衡问题的联邦学习方法,包括:本地节点从向区块链发出获取全局模型请求得到当前的全局模型;本地节点从三个角度对模型进行训练,训练完成后,本地节点将本地模型上传至区块链中进行存储;区块链收集到足够的本地模型后触发智能合约选取本地模型进行汇聚,生成最新的全局模型;区块链将最新的全局模型信息存储到链上,以便下一轮的全局训练。本发明能够提高联邦学习任务在数据不平衡场景下的模型质量,同时保障了联邦学习任务的安全性和可追溯性,在联邦学习领域具有广泛的实用价值和应用前景。
-
公开(公告)号:CN115577267A
公开(公告)日:2023-01-06
申请号:CN202211106635.0
申请日:2022-09-07
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于BERT的实体属性相似度计算方法及系统,该方法通过对两个知识图谱进行预处理,过滤掉知识图谱中的关系三元组、冗余或无效的三元组,获得预对齐实体对;对齐第一知识图谱和第二知识图谱的关系;使用BERT模型对属性三元组中的尾实体即属性文本进行无监督学习,获得训练好的BERT模型;根据关系对齐的结果,通过训练好的BERT模型,计算有相同关系的属性文本相似度,通过计算整合,获得各实体属性相似度的结果;本发明能够在知识图谱数据量巨大且缺少标注的情况下,通过无监督的算法,高准确率地实现对知识图谱间实体属性相似度的计算,为知识图谱的融合提供支持,可有效解决知识图谱融合过程中标注样本的人工成本过高且准确率较低的问题。
-
公开(公告)号:CN110147552B
公开(公告)日:2022-12-06
申请号:CN201910431440.5
申请日:2019-05-22
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了一种基于自然语言处理的教育资源质量评价挖掘方法及系统,首先从海量教育评论数据中使用自然语言处理技术挖掘用户评价观点,以 二元组存储。其次,以 为指标结点建立。然后基于教育资源语料库通过神经网络对词向量进行训练,建立词到向量的模型。再对评价对象进行聚类,再按照floyd算法选出中心向量。接着对评价词进行聚类,生成资源评价指标树,选出的中心向量作为评价指标树的结点,最后对评价词进行情感分析并打分输出。解决了基于众筹众创的数字教育评价数据量过大,人工评价方法成本高、难度大、主观性高等问题。
-
公开(公告)号:CN110310709B
公开(公告)日:2022-08-16
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:CN114898875A
公开(公告)日:2022-08-12
申请号:CN202210432583.X
申请日:2022-04-22
Applicant: 江苏跃凯生物技术有限公司 , 南京邮电大学
Abstract: 本申请提供一种基于主动学习的葡萄糖浓度预测方法及相关设备,所述方法包括获取样本训练集;根据标记样本集对支持向量机模型进行训练,得到葡萄糖浓度预测模型;根据未标记样本集中构建待查询样本集;计算标记样本与待查询样本和未标记样本之间的巴氏距离,并结合目标函数确定未标记样本集中的目标样本并进行标记;将标记后的目标样本加入至标记样本集中,并利用新的标记样本集对葡萄糖浓度预测模型进行训练,得到训练好的葡萄糖浓度预测模型;将待测样本数据输入至训练好的葡萄糖浓度预测模型,输出葡萄糖浓度预测结果。本申请的方法能够以小样本训练预测精度较高的模型,大大减少了样本的标记成本。
-
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: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。
-
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。
-
-
-
-
-
-
-
-
-