-
公开(公告)号：CN109558435A
公开(公告)日：2019-04-02
申请号：CN201811241007.7
申请日：2018-10-24
Applicant: 南京邮电大学
IPC: G06F16/2458 , G06Q30/02
Abstract: 本发明提出了一种面向精准营销的加权频繁项集挖掘算法，该发明首先针对销售企业的营销策略存在找客户难，获客成本高，运营效率低等问题，对客户前期的购买行为和客户在电商平台的访问行为进行分析，分别对购买商品、点击浏览、收藏商品及加入购物车等行为赋予不同的购买概率值，以反映用户对不同项目的喜好度；其次，根据某商品的利润占企业利润的比例为该商品赋予不同的权重，以反映不同商品对企业的重要程度；本发明提高算法的时间效率，有利于从海量不确定数据中迅速挖掘出对用户具有重要意义的频繁项集信息，实现精准营销。
-
公开(公告)号：CN105306952B
公开(公告)日：2019-03-05
申请号：CN201510638999.7
申请日：2015-09-30
Applicant: 南京邮电大学
IPC: H04N19/52 , H04N19/513 , H04N19/176 , H04N19/30
Abstract: 本发明公开了一种降低边信息生成计算复杂度的方法，该方法首先采用改进的前向运动估计方法，获得预测块的最小CF值和运动矢量mv1,然后将CF值与预定的阀值Th比较，若CF大于Th，则利用传统的前向运动估计方法获得运动矢量mv2并将其作为初始运动矢量，反之直接将mv1作为初始运动矢量；最后对确定的初始运动矢量进一步优化，并通过运动补偿生成边信息。改进的前向运动估计方法，是在初始条件中加入前一已解码WZ帧的运动矢量mvf，这样可以缩小预测块的搜索范围，进而减少前向运动估计的时间。由于相邻帧的运动矢量具有很大的相关性，大部分mv1都能满足初始运动矢量要求，所以本发明中边信息的总体生成时间比传统的边信息的生成时间少，降低了边信息生成的计算复杂度。
-
公开(公告)号：CN105119668B
公开(公告)日：2019-02-19
申请号：CN201510435244.7
申请日：2015-07-22
Applicant: 南京邮电大学
IPC: H04B17/382 , H04B17/336
Abstract: 本发明公开了一种采用双重判决的迭代频谱感知方法，该方法是通过将恒虚警概率准则和恒检测概率准则联合起来，组成迭代系统，进行能量检测的门限估计，使得在低信噪比时，频谱感知结果能保持较高的性能。包括：对信号进行检测，计算初始门限，进行初始判决，估计噪声功率、信号功率、信噪比的值，利用恒虚警概率准则对判决门限进行估计，当两次判决门限的差值满足迭代终止条件时，输出判决结果；若不满足，再利用恒检测概率准则对判决门限进行二次估计，再次判断是否满足迭代终止条件，若满足，输出结果；否则，再次对信号进行检测，估计噪声功率、信号功率、信噪比的值，进入下一次迭代循环。直到满足迭代终止条件，终止本次迭代，输出结果。
-
公开(公告)号：CN109309506A
公开(公告)日：2019-02-05
申请号：CN201811201704.X
申请日：2018-10-16
Applicant: 南京邮电大学
IPC: H04B1/10
Abstract: 本发明公开一种基于信号空间特征值分解的无线信号噪声抑制方法，包括：对接收到的信号矩阵Y进行奇异值分解，得到Y＝UDVH，对V进行转置操作；对接收到的信号矩阵Y进行转置操作，并将信号矩阵Y及其转置矩阵YH求乘积，得到协方差矩阵YYH；对协方差矩阵YYH进行特征值分解，得到YYH＝UΣsUH；对信号功率矩阵Σs阵中的每个对角线元素同时减去噪声方差，得到去噪后的信号功率矩阵E；取矩阵E中的对角元素进行开根方，并用其替换所述矩阵D中的对角元素，得到重构后的功率矩阵X；将功率矩阵X的维数裁减为与矩阵D的维度相同；构建去噪后的目标信号 通过本发明可以准确地将噪声从信号的功率矩阵中去除掉，提升去噪效果。
-
公开(公告)号：CN109191896A
公开(公告)日：2019-01-11
申请号：CN201811208241.X
申请日：2018-10-17
Applicant: 南京邮电大学
Abstract: 本发明公开了个性化停车位推荐方法和系统，方法包括采集原始数据与通过原始数据计算得到的，到达车位K的最小驾驶时间Tk、停车费用F、停车成功概率C、停车位距目的地步行距离M以及停车位停车难度D、停车位安全性S，用K-MEDOIDS算法进行聚类分析、选取聚类后每一类的中心点与预先确定的停车位的偏好权重值进行匹配，将得到适合该驾驶员的停车位推荐给特定驾驶员。本发明能够充分考虑不同驾驶员对于停车需求不同的特性，引入用户自定义权重与历史数据调整权重，通过权重改进Mahalanobis距离公式，使聚集的类质量更高、更加贴近用户的需求。
-
Patent Agency Ranking
公开(公告)号：CN108600938A
公开(公告)日：2018-09-28
申请号：CN201810271483.7
申请日：2018-03-29
Applicant: 南京邮电大学
Abstract: 一种车联网中感知服务节点智能选择方法，包括步骤：选定采集区域和目标区域，获取采集区域中周期时间内从采集区域到目标区域的车辆节点历史轨迹数据，选取出现频率最高的M个车辆节点，根据这M个车辆节点的历史轨迹数据预测各车辆节点从采集区域出发并在预设的时刻tend到达目标区域的概率；以选取的车辆节点构成车联网能够覆盖目标区域为目标问题，从M个车辆节点中随机选出多个车辆节点集合作为目标问题的解；以生成的解作为种群，根据车辆节点到达目标区域的概率和车辆节点在tend时刻距离目标区域的距离构建适应度函数，采用遗传算法搜索出种群中适应度函数值最优的染色体作为目标问题的最优解。本发明可有效降低车辆网管理的难度，减少系统资源浪费。
-
公开(公告)号：CN108540310A
公开(公告)日：2018-09-14
申请号：CN201810214451.3
申请日：2018-03-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无线网络协同感知的行为预测方法，将无线传感网分为子节点层、母节点层和网关层；子节点通过无线通信技术与母节点之间完成通信，再由母节点将数据转发给网关节点；多个子节点以及母节点之间通过协作以完成行为预测的能力；子节点对应于母节点路由表中的各个路由节点，母节点与其路由表中的多个子节点之间通过协作感知以达到行为预测的能力。本发明网络节点通过无线通信技术实现在目标现场的通信和组网，无线网络节点的感测数据在网络节点之间传输并在网络节点进行共享，通过多个网络节点感测的数据进行具体行为的预测，无线网络节点根据此行为预测结果运行自身对应的工作模式，以实现优化无线网络节点的监测能量消耗。
-
公开(公告)号：CN108038263A
公开(公告)日：2018-05-15
申请号：CN201711130610.3
申请日：2017-11-15
Applicant: 南京邮电大学
IPC: G06F17/50
Abstract: 本发明公开了考虑性能相关结构不确定的芯片多元参数成品率预测方法。具体方法流程如下：首先，设计芯片性能的一般统计模型，描述芯片性能指标间的不确定性和多样性；其次，考虑设计参数扰动的随机不确定性，通过鞍点估计和截断累积量母函数逼近设计芯片单性能成品率预测策略；最后，构造自适应Copula，通过惩罚选择获取芯片多元参数成品率最优预测表达式，对芯片成品率进行精确预测。本发明很好地解决了设计参数扰动分布的随机不确定性影响所造成的芯片性能边缘分布预测问题，对受设计参数扰动随机性影响的芯片性能边缘分布进行准确估算，有效提高了芯片多元参数成品率的预测精度以及芯片多元参数成品率预测的普适性。
-
公开(公告)号：CN107949027A
公开(公告)日：2018-04-20
申请号：CN201711112082.9
申请日：2017-11-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于能量感知的AODV动态延迟选路方法，在AODV路径选取时，首先考虑路径跳数和节点剩余能量两个因子，定义一个能量评估函数，以对路径进行判决和选取最优路径；中间节点根据节点剩余能量动态调整转发RREQ分组的时延，从而增加剩余能量较高的节点的路由参与度；目的节点延迟记录RREQ分组，同时采用多径路由策略，依据能量评估函数选出最佳的主路由和两条备选路由。实验结果表明，该方法在一定程度上降低了网络节点死亡个数，节约了网络整体能耗，延长了网络生存时间，网络分组投递率和吞吐率相对传统AODV协议具有明显改善。此外，采用多径路由策略可以减少重启路由发现过程的次数，有效降低额外的路由开销。
-
公开(公告)号：CN107766616A
公开(公告)日：2018-03-06
申请号：CN201710841657.4
申请日：2017-09-18
Applicant: 南京邮电大学
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明公开了一种同时考虑多种性能约束的芯片参数成品率预测方法，属于芯片设计参数扰动具有随机相关性情况下的多元参数成品率预测技术领域。由于当前的芯片参数成品率研究主要局限于单一性能指标成品率预测，或对多个单性能指标成品率进行均衡优化。针对上述方法无法考虑多种性能指标间的相关关系，易造成参数成品率缺失的问题，本发明提出了一种同时考虑多种性能约束指标影响的芯片多元成品率精确预测方法。具体方法流程如下：首先，考虑设计参数扰动间的相关性，构建芯片性能统计模型；其次，利用鞍点线抽样方法对各芯片性能的边缘分布概率进行求解；最后，利用Copula理论，选择最优的Copula函数对同时考虑多个性能约束的芯片参数成品率进行精确预测。
-
-
-
-
-
-
-
-
-
Search Results
447
records
(took 0.058 seconds)
