-
公开(公告)号：CN108399421B
公开(公告)日：2022-04-01
申请号：CN201810095061.9
申请日：2018-01-31
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于词嵌入的深度零样本分类方法，在学习阶段未出现的类别，依然可以在预测阶段被识别。本发明提出了基于词嵌入和深度特征提取的零样本图像学习模型，该方法通过强大的深度神经网络学习一个图像特征和语义特征联合嵌入的子空间，利用词向量的语义能力，达到图像的零样本学习目的。本发明不仅提出了深度学习方法与零样本学习结合的模型，同时还针对其结合部分嵌入空间做了大量改进，为图像零样本，亦或者其他模态的零样本学习提供参考和指导，克服传统零样本学习中样本属性定义不明确、人工特征提取等等缺点。本发明广泛用于端到端的类别预测任务中，特别适合训练样本不足甚至是缺少某一类训练样本的类别预测任务。
-
公开(公告)号：CN112289396A
公开(公告)日：2021-01-29
申请号：CN202011116423.1
申请日：2020-10-19
Applicant: 南京南邮信息产业技术研究院有限公司 , 南京邮电大学
Abstract: 本发明公开了一种医疗数据转移系统的故障诊断方法，通过将患者转诊信息提取、医疗数据预处理、利用半马尔可夫模型和瓶颈分析法进行故障分析以及输出故障诊断报告，故障分析过程包括：1)利用半马尔可夫模型计算医疗数据转移路径每一环节的时延期望和总时延期望，2)利用瓶颈分析法，计算转诊路径的外源性延迟故障节点、转诊数据请求服务能力故障节点和返工频率故障节点。通过上述措施，以达到在转诊相关医疗数据在不同医疗服务点间转移的过程中，找出患者转诊传递时发生丢失、延误的原因，以便后续消除医疗数据转移瓶颈，提高患者转诊效率、质量和满意度的技术目的。
-
公开(公告)号：CN108334574B
公开(公告)日：2020-06-12
申请号：CN201810062484.0
申请日：2018-01-23
Applicant: 南京邮电大学
IPC: G06F16/583 , G06F16/33 , G06F16/31
Abstract: 本发明公开了一种基于协同矩阵分解的跨模态检索方法,同时考虑保持原始空间样本对的局部几何流形结构，使用图正则项加入了模态内与模态间的约束，采用普遍使用的mAP(平均准确率)作为性能评价指标。本发明不仅考虑了样本的模态内相似性，还考虑了样本对模态间的相似性，为以文检图和以图检文准确性提供了保障。本发明利用协同矩阵分解技术、哈希函数，同时加入了保持模态内与模态间相似性的图正则化项，提高了以文检图和以图检文的相互检索性能，广泛应用于移动设备、互联网以及电子商务中的图片文本互相检索服务。
-
公开(公告)号：CN109885653A
公开(公告)日：2019-06-14
申请号：CN201910094487.7
申请日：2019-01-30
Applicant: 南京邮电大学
Abstract: 本发明提供一种文本检索方法，方法包括：初始化文本数据库集合和模糊语义关联矩阵；当确定第一层相似度数值大于预设的阈值时，将文本集合中的对应文本删除并插入第一文本集合，并将第一层相似度数值作为对应文本的相似度数值插入第一相似度集合；当确定第二层相似度数值大于阈值时，将相应文本删插入第二文本集合，并将第二层相似度数值插入第二相似度集合；当确定第三层相似度数值大于阈值时，将该文本删除并插入第三文本集合，并将第三层相似度数值作为该文本的相似度数值插入第三相似度集合；将第零、第一、第二和第三文本集合中文本作为检索结果集合进行输出。上述的方案，可以在文本检索时降低计算复杂度，节约计算资源。
-
-
Patent Agency Ranking
公开(公告)号：CN108334574A
公开(公告)日：2018-07-27
申请号：CN201810062484.0
申请日：2018-01-23
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于协同矩阵分解的跨模态检索方法,同时考虑保持原始空间样本对的局部几何流形结构，使用图正则项加入了模态内与模态间的约束，采用普遍使用的mAP(平均准确率)作为性能评价指标。本发明不仅考虑了样本的模态内相似性，还考虑了样本对模态间的相似性，为以文检图和以图检文准确性提供了保障。本发明利用协同矩阵分解技术、哈希函数，同时加入了保持模态内与模态间相似性的图正则化项，提高了以文检图和以图检文的相互检索性能，广泛应用于移动设备、互联网以及电子商务中的图片文本互相检索服务。
-
公开(公告)号：CN119167994B
公开(公告)日：2025-03-28
申请号：CN202411686885.5
申请日：2024-11-25
Applicant: 南京邮电大学
Abstract: 本发明属于信息技术领域，公开一种基于多层级自编码器的异构图节点表示学习方法，包括数据收集和预处理；构建异构图数据表示，基于多层级自编码器方法构建异构图节点表示学习模型，设计节点级别和关系级别的双重编码器，通过在不同级别捕捉节点和关系信息来生成更全面的节点表示，然后，通过全局解码器重构节点特征，捕捉节点与关系之间的交互信息，对构建的异构图节点表示学习模型进行训练与优化；将待测数据集输入训练后的异构图节点表示学习模型中，对异构图中的节点进行分类，以解决现有计算复杂度高且需要大量领域知识的问题，以解决现有过于依赖节点类型嵌入、忽略关系特征的问题。
-
公开(公告)号：CN118101000B
公开(公告)日：2024-07-02
申请号：CN202410502700.4
申请日：2024-04-25
Applicant: 南京邮电大学
Abstract: 本发明属于车联网无线通信技术领域，公开一种辅助6G车与车通信的混合智能反射面功率分配优化方法；所述方法包括混合智能反射面的配置；建立多车道高速公路车辆场景；混合智能反射面辅助车与车通信信道建模；混合智能反射面辅助车与车通信中继车辆的选择；建立混合智能反射面辅助车与车通信能耗模型；采用基于Dinkelbach的迭代算法优化有源元件放大功率和发射功率，完成功率分配优化；本发明使道路上行驶的每辆车都有成为辅助中继的可能，极大提高了车与车通信灵活性；解决了无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，显著提高接收信号的信噪比从而提高车与车通信的可靠性。
-
公开(公告)号：CN118036667B
公开(公告)日：2024-06-14
申请号：CN202410442022.7
申请日：2024-04-12
Applicant: 南京邮电大学 , 江苏拓邮信息智能技术研究院有限公司
IPC: G06N3/0455 , G06N3/0442 , G06N3/0985 , G06N3/048 , G06F18/25 , G06F18/10
Abstract: 本发明公开了一种多源异构流数据预测方法，属于多源异构流数据技术领域；方法为：获取各数据源的数据流；对获取到的数据流进行预处理，获得预处理后的数据流；将预处理后的数据流构建为异构图；构建多源异构数据预测模型，并进行训练；将异构图输入到预训练好的多源异构数据预测模型中进行预测，获得预测结果。本发明通过异构图结构对预处理过的数据进行建模，并使用改进后的Transformer模块作为基础输入进行异构数据流聚合，Transformer模块捕获数据流之间的复杂关系，使用LSTM捕获数据流的时间依赖性，提高多源异构数据流的预测准确率和效率。
-
公开(公告)号：CN118101000A
公开(公告)日：2024-05-28
申请号：CN202410502700.4
申请日：2024-04-25
Applicant: 南京邮电大学
Abstract: 本发明属于车联网无线通信技术领域，公开一种辅助6G车与车通信的混合智能反射面功率分配优化方法；所述方法包括混合智能反射面的配置；建立多车道高速公路车辆场景；混合智能反射面辅助车与车通信信道建模；混合智能反射面辅助车与车通信中继车辆的选择；建立混合智能反射面辅助车与车通信能耗模型；采用基于Dinkelbach的迭代算法优化有源元件放大功率和发射功率，完成功率分配优化；本发明使道路上行驶的每辆车都有成为辅助中继的可能，极大提高了车与车通信灵活性；解决了无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，显著提高接收信号的信噪比从而提高车与车通信的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.024 seconds)
