-
公开(公告)号：CN117452330A
公开(公告)日：2024-01-26
申请号：CN202311411557.X
申请日：2023-10-27
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于LoRa信号幅度的目标定位方法，通过搭建基于LoRa信号幅度的定位系统；并使用接收模块对运动目标进行采样；进行去除时间平均值处理；分别获得每个分段的目标初始位置的角度信息和目标终止位置的角度信息；通过信号比相位变化得到每个分段的目标初始位置到目标终止位置的实际动态路径变化量；得到所有可能初始位置以及每个可能初始位置对应的匹配定位终点；得到峰值幅度对应的频率作为检测频率，由检测频率得到目标定位结果；该方法能够实现运动目标的准确定位，能够有效降低目标定位误差，能够提高基于信号幅度的目标定位方法的准确率。
-
公开(公告)号：CN117435857A
公开(公告)日：2024-01-23
申请号：CN202311427829.5
申请日：2023-10-31
Applicant: 南京邮电大学
IPC: G06F17/16 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于奇异谱分解和改进的Transformer的太阳辐照度值预测方法，属于短期时间序列预测技术领域；步骤为：收集光伏站点的天气数据集S；判断数据集时间序列是否为白噪声的时间序列；对数据集进行奇异谱分析，提取出时间序列中的不同成分序列；将数据集S1中的时间戳进行位置编码，作为特征添加到数据集中；添加位置编码的数据集进行预处理，数据中的缺失值进行填充，将GHI与其他特征分别进行归一化处理；利用滑动窗口技术对处理后的数据集进行划分，构建Transformer模型。本发明通过奇异谱分析对时间序列进行分解、重构操作，实现对时间序列去噪的目的；添加时间戳的位置编码可以帮助模型更好地理解时间的概念，减少Transformer模型的复杂性，提高数据处理的准确性。
-
公开(公告)号：CN115511212A
公开(公告)日：2022-12-23
申请号：CN202211293381.8
申请日：2022-10-21
Applicant: 南京邮电大学
Abstract: 一种基于深度学习的航班保障流程剩余执行时间预测方法，预测模型由输入层，双向LSTM层，Attention层，融合层，预测层组成，模型输入包含非时序的全局特征和时序的各时间步流程的执行状态。Attention‑BiLSTM模型提取流程执行状态时序信息，生成中间状态编码，与非时序的全局特征相融合，经过多层感知机得到流程剩余执行时间。在流程开始时，计算生成非序列的全局特征向量，每隔固定时间采集一次流程执行状态，并采用滑动窗口的方式生成序列特征数据，特征数据经过模型计算得到航班保障流程剩余时间的动态预测值。
-
公开(公告)号：CN112800225B
公开(公告)日：2022-09-16
申请号：CN202110120528.2
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种微博评论情绪分类方法和系统，属于自然语言处理技术领域，方法包括如下步骤：采集原始微博评论文本数据并进行预处理获得微博文本数据集；对微博文本数据集进行预训练；利用情绪词典选取微博文本中包含情绪的句子作为局部情绪特征；利用训练好的胶囊网络提取微博文本的整体情绪特征；对微博文本的整体情绪特征和局部情绪特征进行融合，获得该微博文本的情绪分类结果；将微博用户的所有微博文本的情绪分类结果求和取平均值，根据所述平均值确定微博用户微博评论的情绪倾向。本发明的方法和系统从局部与整体方面使用深度学习方法进行学习，能更加准确地判断微博用户的情绪倾向，能提高情绪分类准确率。
-
公开(公告)号：CN110598676B
公开(公告)日：2022-08-02
申请号：CN201910912473.1
申请日：2019-09-25
Applicant: 南京邮电大学
Abstract: 基于置信度得分模型的深度学习手势肌电信号识别方法，包含以下步骤：采集的肌电原始数据并进行预处理；预处理之后使用标签分别标注类别，然后每一个类别通过滑动窗口分割为多段数据；将数据划分为训练与测试数据，将训练与测试数据分别随机排序；对所有数据进行归一化操作；使用离散傅里叶变换转换为频谱数据，依据频谱计算出每个频率的能量，不同频率能量组成序列作为分类模型的输入；使用卷积神经网络模型与残差网络模型两种分类方法，原始肌电数据与频谱数据两种数据集，一共4种组合构成4个分类模型，模型分别单独进行训练；获取各个模型对手势的识别结果，使用置信度得分组合各个不同模型的结果，置信度总评分最高的为最终结果。
-
Patent Agency Ranking
公开(公告)号：CN109544570B
公开(公告)日：2022-08-02
申请号：CN201811456350.3
申请日：2018-11-30
Applicant: 南京邮电大学
Abstract: 针对现有技术中脑MRI图像的灰度不均匀性和医学伪影对分割产生影响，本发明以区域信息聚合与阈值分割结合作为设计思路，引入模糊多阈值技术，提出一种基于模糊多阈值与区域信息的脑MRI图像分割方法。该方法在模糊多阈值分割的基础上，通过构建模糊隶属度函数和基于局部信息的模糊隶属度聚合，来进一步提高图像分割的质量本发明采用模糊理论和信息聚合技术，抑制了灰度不均匀性和医学伪影对分割结果的影响，能保留更多的原始图像信息，有效避免了伪影导致的误分割，提高了脑MRI图像分割的效果。本发明采用了改进的量子粒子群优化算法，引入了一种指数下降型收缩‑扩张系数，增强了算法的搜索性能。同时，改进了算法的收敛速度。
-
公开(公告)号：CN111898527B
公开(公告)日：2022-07-22
申请号：CN202010744983.5
申请日：2020-07-29
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 面向低质量指静脉图像的特征提取方法，在预处理环节，鉴于手指静脉图像偏移严重，而直接裁剪图像又将丢失部分信息，本发明引入更替位移法对图像进行位移。考虑到局部模式类方法与静脉网络类方法的不足，本发明提出在对图像进行MCM特征提取的基础上叠加提取PBBM特征。从而能够在保留全图信息的情况下，提取出更清晰的手指静脉特征，有效提高低质量图像的识别准确率。
-
公开(公告)号：CN113836814A
公开(公告)日：2021-12-24
申请号：CN202111153658.2
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06F30/27 , G06F119/02
Abstract: 一种基于多流神经网络的太阳能能量预测方法，相比传统的太阳能收集功率预测方案，优先考虑相似天气，优化模型输入；采用多流神经网络模型，相比于单一的预测方法能够结合并发挥不同预测模型的优势，面对不同的气候条件具备更强的适应性；对采集到的原始太阳能数据进行采样，剔除无效数据和干扰信息，提取出相似天气，兼顾数据量符合模型预测需求的同时，还关注减少输入数据，降低运算复杂度。
-
公开(公告)号：CN113269306A
公开(公告)日：2021-08-17
申请号：CN202110553129.5
申请日：2021-05-20
Applicant: 南京邮电大学
Abstract: 基于多分类器卷积神经网络的联合训练方法，包括步骤：分割训练样本；训练单分类器卷积神经网络；训练多分类器卷积神经网络；换下一批训练样本；单独训练线性分类器。本发明提出的参数更新方式，利用置信值预估出每个样本为此层易分类样本的概率，并作用于每层的误差上，通过加上这个误差，即一定梯度的正方向，调和了多走的距离。提出的新的参数更新方式通过使用来表示此分类样本为前面层的易分类样本的概率，量化了需要加上的误差的必要性。提出的新的训练方式，先训练单分类器卷积神经网络，再训练每层带线性分类器的多分类器卷积神经网络，先给予每层卷积层参数一定的训练，有益于每层的线性分类器更加专注于本层卷积层所提取的特征的识别。
-
公开(公告)号：CN111898527A
公开(公告)日：2020-11-06
申请号：CN202010744983.5
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 面向低质量指静脉图像的特征提取方法，在预处理环节，鉴于手指静脉图像偏移严重，而直接裁剪图像又将丢失部分信息，本发明引入更替位移法对图像进行位移。考虑到局部模式类方法与静脉网络类方法的不足，本发明提出在对图像进行MCM特征提取的基础上叠加提取PBBM特征。从而能够在保留全图信息的情况下，提取出更清晰的手指静脉特征，有效提高低质量图像的识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.034 seconds)
