-
公开(公告)号：CN108363992A
公开(公告)日：2018-08-03
申请号：CN201810212672.7
申请日：2018-03-15
Applicant: 南京邮电大学
CPC classification number: G06K9/00664 , G06K9/00711 , G06K9/00744 , G06K9/6218 , G06K9/6276 , G06N3/08
Abstract: 本发明公开了一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，包括如下步骤：步骤1)收集并标记各种烟雾场景的图片数据集，其中非火情预警烟雾场景归为A类，火情预警烟雾场景归为B类；步骤2)上下文目标检测层非火灾预警烟雾场景训练：步骤3)上下文目标检测层火情预警烟雾场景训练，重复步骤2)，训练图片为B类火情预警烟雾图片；步骤4)疑似火情烟雾图片检测。本发明所达到的有益效果：解决了传统机器学习方法分类器无法准确区分所检测的烟雾是否为火灾导致的问题。本发明利用上下文目标检测的方法，判断烟雾所在区域的上下文关系，在提高火情预警率的前提下压低虚警、漏警率。
-
公开(公告)号：CN103886775A
公开(公告)日：2014-06-25
申请号：CN201410014983.4
申请日：2014-01-14
Applicant: 南京邮电大学
IPC: G08G1/14
Abstract: 本发明提供一种停车位智能查询预约系统及其方法，包括车位信息采集系统、停车场网关、停车场上位机、车位空闲指示灯、本地诱导屏、云端服务器、预约终端。利用该系统，用户可以通过输入目的地、筛选自己满意的停车位并进行预约。本发明使得找不到车位的人能快速找到符合自身需求的车位，还能规制预约者的行为，并且具有停车位诱导功能，还能够在停车位空闲状态变化前进行车位信息提前预报，很好地解决了现有技术中存在的问题。
-
公开(公告)号：CN119152390A
公开(公告)日：2024-12-17
申请号：CN202411118064.1
申请日：2024-08-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进YOLOv8的无人机航拍小目标检测方法，涉及目标检测领域，该方法包括：获取无人机航拍图像数据集，并对获取到的数据集进行预处理；构建基于改进YOLOv8的无人机航拍小目标检测模型，改进方法包括：设计SR‑Conv模块替换原有主干网络的标准卷积模块、添加小目标检测层、引入BiFPN改进颈部网络、引入归一化加权距离(NWD)损失函数优化原有的损失函数；利用训练集对改进的YOLOv8无人机航拍小目标检测模型进行训练；将待检测图像输入到训练好的目标检测模型中，得到目标检测结果；系统、设备及介质用于实现该方法；本发明可以更好地针对无人机航拍小目标检测任务，提高无人机航拍小目标检测的精度，具有广泛的适用性。
-
公开(公告)号：CN114647493B
公开(公告)日：2024-11-12
申请号：CN202210155048.4
申请日：2022-02-21
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于免疫退火算法的云任务调度方法，首先考虑系统资源使用情况以及任务执行时间，在传统模型上构建了一种包括任务执行时间，系统负载均衡，系统公平性的多目标评估模型。其次提出了一种基于免疫机制的改进模拟退火调度算法，通过将模拟退火算法接受坏解思想引入到免疫算法中，允许一些劣质解加入变异，更好地保持种群多样性，避免陷入局部最优解，然后对模拟退火算法中的冷却参数进行振荡操作，缩短了任务调度时间，并根据任务所需资源和系统负载均衡度提供了一个较好的可行初始解群，较好地平衡了系统的负载以公平性。
-
公开(公告)号：CN112860384B
公开(公告)日：2024-08-06
申请号：CN202110276714.5
申请日：2021-03-15
Applicant: 南京邮电大学
IPC: G06F9/455
Abstract: 本发明公开了一种面向多维资源负载均衡的VNF复用和迁移方法，包括：对客户端发起的请求编排生成对应的服务链，然后对编排生成的服务链以源目节点相同为特征进行分组；对于每组服务链计算出源节点到目的节点之间的前K条最短路径并进行缓存；根据前K条最短路径制定每条服务链的映射；服务链映射成功后，若有节点出现资源负载的情况则触发对该节点上VNF进行迁移的操作。本发明通过快速匹配法复用VNF，在VNF‑FG设计阶段保证负载均衡的同时尽可能减少VNF个数，不仅优化VM的启动成本和VNF的实例化成本，也为后期在VNF迁移场景中通过VNF复用减少了迁移成本。
-
Patent Agency Ranking
公开(公告)号：CN117424810A
公开(公告)日：2024-01-19
申请号：CN202311540986.7
申请日：2023-11-20
Applicant: 南京邮电大学
IPC: H04L41/0803 , H04L69/08 , H04L9/40 , H04L67/56 , H04L67/12
Abstract: 本发明公开了一种支持边缘计算部署功能的智能化物联网网关系统，涉及物联网应用技术领域。本发明的网关具有广泛的适应性，可应用于智能工厂、智慧家居、智慧农业等多种应用场景，实现从感知装置到应用的端到端能力，保障数据独立性与安全性；可根据需求灵活部署功能于不同级别的网关，提供边缘计算能力，支持异构装置的统一接入，提供多种部署模式，灵活性高；动态建立数据与应用之间的路由，实现数据传输与处理的灵活集成，并实现物联网应用之间以及物联网应用与网关之间的松耦合。
-
公开(公告)号：CN116304705A
公开(公告)日：2023-06-23
申请号：CN202310278870.4
申请日：2023-03-21
Applicant: 南京邮电大学
IPC: G06F18/214 , G06F18/213 , G06F18/15 , G06F18/241 , G06N3/047 , G06N3/084
Abstract: 本发明公开一种基于有条件扩散模型的流量数据集生成方法及装置，所述方法包括：采集带有标签的流量数据集；对原始流量数据集进行预处理得到灰度图；以灰度图作为输入，进行扩散模型的正向过程训练；当扩散模型收敛后，得到一个训练好的噪声预测器，用于扩散模型的逆向过程；利用高斯噪声生成与目标灰度图同大小的噪声图像，作为含噪图的初始值，进行逆向过程训练；循环迭代训练逆向过程，最后得到目标灰度图；将生成的灰度图转换成相应的数值矩阵，完成流量数据的生成。本发明避免了采用欠抽样可能造成丢失部分关键性特征、过抽样可能使分类器产生过拟合的缺点，相比GAN可以取得更好的图片生成效果，避免原始生成对抗模型中，训练不稳定的缺点。
-
公开(公告)号：CN112600869B
公开(公告)日：2022-08-30
申请号：CN202011251177.0
申请日：2020-11-11
Applicant: 南京邮电大学
IPC: H04L67/10 , H04L67/101 , H04L67/1023 , G06N20/00 , G06N3/08 , G16Y20/30
Abstract: 本发明公开了一种基于TD3算法的计算卸载分配方法和装置，包括步骤：获取计算卸载系统状态，将计算卸载系统状态输入预先训练好的计算卸载TD3网络的演员当前网络，得到计算卸载比例和计算卸载发射功率；所述计算卸载系统状态包括：物联网设备到边缘服务器的信道增益、物联网设备的电池电量和可收集的可再生能源能量。本发明通过深度强化学习方法，确定设备最优卸载策略，并且利用能量收集降低智能设备能耗。
-
公开(公告)号：CN111211994B
公开(公告)日：2022-08-19
申请号：CN201911194495.5
申请日：2019-11-28
Applicant: 南京邮电大学
IPC: H04L47/2441 , H04L43/0876 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于SOM与K‑means融合算法的网络流量分类方法，首先采用SOM算法对流量数据进行一次聚类，求出聚类结果中各个簇的簇中心及簇的数目，将簇中心作为K‑means的初始聚类中心，再将簇的数目作为K值，执行K‑means算法进行二次聚类得到输出结果。采用S_Dbw指数作为聚类结果评价指标，对于包含各种噪声和不同密度的数据集，该指数具有较强的鲁棒性。本发明与基于监督学习的流量分类算法相比，减少了标注类别的成本，与其他基于无监督学习的的算法相比性能更优。
-
公开(公告)号：CN112906019A
公开(公告)日：2021-06-04
申请号：CN202110153774.8
申请日：2021-02-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进DCGAN模型的流量数据生成方法、装置及系统，所述方法包括采集带标签的网络流量数据，形成网络流量数据集，所述标签的内容为网络数据所述的类别；基于所述网络流量数据集中的时间序列特征构建伪图像矩阵，并将所述伪图像矩阵为灰度图像；将获取到的服从均匀分布的随机噪声和所述灰度图像作为改进DCGAN模型的输入，基于预设的优化算法对所述改进DCGAN模型的损失函数进行优化；当所述改进DCGAN模型收敛后，输出训练后的图像，并根据训练后的图像的像素值将图像转换为相应的数值矩阵，完成流量数据的生成。本发明能够减少人工标注流量数据类别的成本，提高无标签数据的利用率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.027 seconds)
