-
公开(公告)号：CN114742677A
公开(公告)日：2022-07-12
申请号：CN202210391439.6
申请日：2022-04-14
Applicant: 南京邮电大学
IPC: G06Q50/20
Abstract: 本发明公开了一种基于融媒体的教学辅助互动平台，包括用户信息管理模块、资源管理模块、视频图文教学模块、测试答题模块、积分排名模块、学习资源推荐模块、学业预警模块和数据存储模块。本发明所述平台中学习资源推荐模块可以方便教师及时了解学生学习情况，并为学生推荐符合其学习能力的学习资源；资源管理模块、视频图文教学模块与测试答题模块极大地提高了该平台的互动性与趣味性；积分排名模块与学业预警模块便于学生定位自己的学习状态，激励了学生的学习积极性；学业预警模块通过学习弱点预测和学习倦怠预警指出学生当前学习存在的不足，并鞭策学习状态不佳的同学，激励其学习积极性。
-
公开(公告)号：CN113642604A
公开(公告)日：2021-11-12
申请号：CN202110776711.8
申请日：2021-07-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于云边协同的音视频辅助触觉信号重建方法，首先利用中心云使用存储的大规模音视频数据库来学习知识，并将其转移到边缘节点；而后边缘节点将自身接收到的音视频信号与中心云的知识相结合，充分挖掘模态间内在语义的相关性和一致性；最后融合所得音频和视频信号的语义特征并输入触觉生成网络，从而实现触觉信号的重建。本发明很好地解决了多模态数据集的音频和视频信号的数量不足以及人工标注无法为训练数据集中的所有音视频信号添加语义标签的问题；还更好地挖掘了不同模态异构数据之间的语义关联，消除了模态间的异质性差距；多模态语义特征的融合实现了模态间信息的互补与增强，能够提升触觉信号的生成效果。
-
公开(公告)号：CN109905382B
公开(公告)日：2021-06-08
申请号：CN201910118920.6
申请日：2019-02-15
Applicant: 南京邮电大学
IPC: H04L29/06 , H04N21/442 , H04N21/45
Abstract: 本发明公开了IPTV视频流业务用户体验质量主客观综合评估方法，包括以下步骤：步骤一：采集IPTV用户在观看视频时所产生的QoS参数和状态参数；步骤二：利用数据挖掘技术对采集的QoS参数进行处理，确定IPTV视频业务中的关键QoS参数；并根据状态参数获取观看率、观看方式这两个分别表征用户喜爱程度和影响用户接受程度的个性化参数；步骤三：将处理后的关键QoS参数及个性化参数一起带入基于统计学方法得到的用户体验质量评估模型中，得到用户体验质量评分。本发明所提出的包含个性化参数的评估模型能使获得的评估结果与真实的用户体验更接近，提高了IPTV视频流业务QoE评估的准确度，能帮助运营商更好地改善服务。
-
公开(公告)号：CN110794956A
公开(公告)日：2020-02-14
申请号：CN201910530111.6
申请日：2019-06-19
Applicant: 南京邮电大学
IPC: G06F3/01
Abstract: 本发明涉及一种基于Kinect的手势追踪和精准指尖定位方法，该方法提高了手部无序运动的追踪质量和指尖定位的精准性。以Kinect为例，该方法包括从中读取深度信息，通过骨骼数据的辅助，采用前向运动学完成对于手部骨骼信息的遮挡修复。对得到优化后的骨骼关节点信息后，采用卡尔曼滤波算法，对追踪的手掌的运动信息进行平滑处理；随后，利用实时手掌坐标信息，采取先粗提取后精提取的连通区域分析算法从深度图像中提取出手部区域；最后，获取手部轮廓的凸包，采用分析凸包和掌心点的几何关系的方法滤除指尖近似点，计算曲率值获得精确指尖点。由此实现了对手部的实时追踪，根据实验结果分析，提高了指尖定位的准确性。
-
公开(公告)号：CN110446112A
公开(公告)日：2019-11-12
申请号：CN201910584507.9
申请日：2019-07-01
Applicant: 南京邮电大学
IPC: H04N21/466
Abstract: 本发明提出了一种基于双向LSTM-Attention的IPTV用户体验预测方法，该方法将影响用户体验的主观特征和客观特征相结合，通过在双向LSTM网络中引入Attention机制实现对IPTV用户体验的预测；本发明分成建模、训练、预测三个部分；在建模过程中通过在双向LSTM网络中加入Attention机制，计算每个时序的权重，然后将所有时序输出的向量进行加权和作为输出向量，加强用户QoE的前后关联性；在训练的过程中，首先随机初始化网络中的权重与阈值，使用交叉熵损失函数，使用梯度下降的方法对权重进行更新；在模型训练完后，使用用户体验的主客观特征对用户体验进行预测；测试结果表明，本发明较其他方法，具有更高的预测准确率。
-
Patent Agency Ranking
公开(公告)号：CN106534976B
公开(公告)日：2019-11-08
申请号：CN201610890494.4
申请日：2016-10-12
Applicant: 南京邮电大学
IPC: H04N21/442 , H04N21/45 , H04N21/466 , H04N21/61
Abstract: 本发明提出了IPTV视频业务中用户满意度的智能化预测方法，用于解决现有用户满意度预测方法中需要通过主观打分来度量用户满意度以及用户满意度与其影响因素之间内在关联性建模不够准确合理等缺陷。本发明的实施流程为：首先确定影响用户满意度的因素，而后用用户使用业务时长来客观度量用户满意度，接着通过训练建立CART树模型，并用其将待预测数据划分到相关区域，在该区域内用KNN搜索，并最终用距离加权平均值作为预测结果。采用本发明的方法，可以有效地降低预测过程中的运算量，并且使得预测精度得到较大的提升。
-
-
公开(公告)号：CN105550704B
公开(公告)日：2019-01-01
申请号：CN201510916426.6
申请日：2015-12-10
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了基于混合公共因子分析器的分布式高维数据分类方法，该方法通过网络中不同节点之间的协作，以分布式方式实现高维数据的分类。各个节点处用混合公共因子分析器来建模其高维数据的分布，整个分类分成训练和识别两个部分。在训练过程中，首先进行模型参数的初始化和局部计算，然后将计算好的三组中间变量进行广播扩散，当节点收到其邻居节点广播来的中间变量时，计算联合统计量并完成参数的估计，该过程不断迭代直至收敛。在识别阶段，待分类的数据输入任一节点，计算其关于训练出的每一类数据所对应的模型的对数似然值，将最大对数似然值对应的类别作为识别结果。采用本方法可以实现高维数据的分布式降维，网络中的每个节点都获得较高并且一致的分类性能，此外节点间只传输交互中间变量可以有效地保护数据的隐私。
-
公开(公告)号：CN108901033A
公开(公告)日：2018-11-27
申请号：CN201810635760.8
申请日：2018-06-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于回声状态网络的基站流量预测方法，其特征是，包括以下步骤：步骤1：从有线网络基站中采集流量数据，并进行数据预处理，生成规范化的样本数据；步骤2：由规范化的样本数据初始化储备池的状态，并生成储备池；步骤3：结合储备池和规范化的样本数据进行权值初始化、确定权值分布区间，训练回声状态网络模型；步骤4：测试训练的回声状态网络。优点：能够有效提高基站流量预测的准确性，针对基站流量的不确定性、复杂性，采用回声状态网络可以更好地挖掘基站流量数据间关系，可以在一定程度上提高对基站流量预测的准确性。
-
公开(公告)号：CN104166993B
公开(公告)日：2017-02-22
申请号：CN201410361656.6
申请日：2014-07-25
Applicant: 南京邮电大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于加权变分期望最大化准则的图像分割方法，该方法首先对待分割的图像进行特征信息的提取，接着用扩展高斯混合模型来描述图像特征信息的分布，并且基于加权变分期望最大化准则对扩展高斯混合模型参数的变分分布进行估计，估计完成后获得各个像素点由各个欲划分出的类所产生的概率，最后进行判决，将每个像素点关于各个类的概率值中的最大值所对应的序号作为该像素点最终所分配到的类，从而完成图像分割过程。本发明能有效地提高彩色图像分割的质量和效果，分割出的图像具有较好的平滑性。本发明能够避免基于最大似然准则的分割方法中容易出现的过拟合和欠拟合问题。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.031 seconds)
