-
公开(公告)号：CN114238431A
公开(公告)日：2022-03-25
申请号：CN202111367618.8
申请日：2021-11-18
Applicant: 南京邮电大学
IPC: G06F16/2458 , G06F16/26 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了面向个性化学习的在线教育资源推荐方法，包括如下步骤：(1)采集学生观看教育视频的学习行为记录；(2)基于教育心理学的知识计算学生学习能力，根据学生学习教育视频数量与学习能力，用聚类方法对学生群体进行分类；(3)提取教育视频的属性并计算难度，形成教育视频的特征向量；(4)以教育视频的特征向量为输入，利用LinUCB算法为学生提供合适难度的教育视频，形成最终的推荐列表。本发明基于LinUCB算法提出了面向个性化学习的在线教育资源推荐方案，提高了计算速度和计算资源的利用率；根据学生各自的学习能力，结合注意力机制设计个性化探索系数，实现了自适应的个性化探索机制。
-
公开(公告)号：CN110532911B
公开(公告)日：2021-11-26
申请号：CN201910763722.5
申请日：2019-08-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种协方差度量驱动小样本GIF短视频情感识别方法及系统。该方法首先从数据集中抽取样本构成支撑集和查询集，并将抽取的样本按照设定帧率分割为若干候选帧图像；然后利用C3D提取样本中的序列特征，同时利用CNN提取帧图像的视觉特征，然后逐帧进行哈达玛内积运算，得到最终的图像视觉特征，再采用ConvLSTM技术提取二者融合后的高层语义特征；再将支撑集样本提取的特征和查询集样本提取的特征进行拼接后通过协方差度量模块度量查询集样本和支撑集样本每类情感之间的相似性，最后利用softmax分类器预测最终的结果。本发明能有效关注GIF中图像的情感信息，同时兼顾视频流的时序特征，适用于小样本情况下的多分类视频情感分析，提高了分类准确率。
-
公开(公告)号：CN113627482A
公开(公告)日：2021-11-09
申请号：CN202110776966.4
申请日：2021-07-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于音频—触觉信号融合的跨模态图像生成方法，其步骤包括：1）选取包含音频数据、图像数据、触觉信号在内的多模态数据集，将该数据集划分为训练集和测试集；2）设计一个音频—触觉信号融合的跨模态图像生成模型，该模型包括深度语义融合、潜在空间学习和跨模态图像生成三个模块；3）利用训练集对该模型进行训练，得到最优参数；4）利用测试集中的触觉信号和音频数据，基于所训练好的模型，跨模态地生成对应的图像。本发明公开了一种基于音频—触觉信号融合的跨模态图像生成装置，本发明引入了强大的生成对抗机制，并且利用了标签信息，有效提高了图像生成的准确性和鲁棒性。
-
公开(公告)号：CN106230973B
公开(公告)日：2019-05-21
申请号：CN201610763424.2
申请日：2016-08-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于社交网络的文件共享方法。该方法是在基站控制的D2D通信环境下，提供了一种基于社交网络的用户间文件共享和分发的新方法。该方法中基站根据用户的需求，将用户划分为若干临时小组，并通过用户的社交度来判断中央用户。在系统中没有需求文件缓存的情况下，基站首先把文件通过无线蜂窝通信链路发送给中央用户，该中央用户把文件通过D2D通信共享给组内有社交关系的用户。而与该中央用户没有社交关系的用户可以从基站或者已获得该文件的其他用户处得到该文件，从而实现文件共享。此外还解决了D2D用户在同一时间仅能处理(接收或发送)一个请求的问题。本发明可大大降低传输时延、减轻基站负载、优化蜂窝通信系统的整体性能。
-
公开(公告)号：CN109640351A
公开(公告)日：2019-04-16
申请号：CN201910072191.5
申请日：2019-01-25
Applicant: 南京邮电大学
CPC classification number: H04W24/06 , H04L41/145 , H04L41/147
Abstract: 本发明提出了一种基站流量的联合预测方法，用于解决当流量数据呈现非线性且存在突变值时，传统线性算法预测性能较差的问题。首先从基站采集流量数据作为数据集，对于异常值和缺失值进行数据预处理；接着采用小波变换来分解处理过的数据，使流量数据平滑，易于预测；而后对分解得出的序列进行单一重构，低频信号采用回声状态网络模型进行预测，高频信号采用自回归积分滑动平均模型进行预测；最后对单个序列的预测数值进行线性累和得出最终结果。本发明的联合模型方法较之于单一模型预测能够达到更好的预测精度，降低平均绝对百分比误差达6％，并在一定程度上降低归一化均方根误差；基站的流量数据预测准确性提高，有利于提高网络资源合理分配性。
-
Patent Agency Ranking
公开(公告)号：CN108989829A
公开(公告)日：2018-12-11
申请号：CN201810860186.6
申请日：2018-08-01
Applicant: 南京邮电大学
IPC: H04N21/2187 , H04N21/4363 , H04N21/61 , H04N7/22
Abstract: 本发明公开一种基于双层驱动干扰协调的视频直播系统及其实现方法，感知节点周期性地收集附近无线环境的频谱信息，并将最新的数据信息发送至信息融合中心FC，信息融合中心FC收到感知数据后进行数据融合、资源分配和资源优化等，服务结束后，信息融合中心FC释放相应资源。本发明在视频直播前，使用认知无线电技术在物理层上检测频谱能量，分析频谱数据辨识频谱状态，通过调度从而避免产生干扰；在视频直播过程中，根据QoE性能判别频谱状态，进行频谱资源重分配，通过跨层干扰协调，达到了零干扰和低误码的效果，最终实现了低时延、高速率的视频直播。
-
公开(公告)号：CN108881943A
公开(公告)日：2018-11-23
申请号：CN201810578791.4
申请日：2018-06-07
Applicant: 南京邮电大学
IPC: H04N21/231 , H04N21/234 , H04N21/472 , H04L29/08
Abstract: 本发明公开了P2P流媒体点播系统中基于淘汰指数的节点缓存替换方法，该方法实现了P2P流媒体系统中高效的缓存替换。首先，当播放的过的视频块从当前普通节点的播放区移除到普通区时，如果普通区已满，则依次计算视频的反馈数值、视频点播需求的可用值、修正因子，并基于反馈机制，计算淘汰指数；如果当前视频的淘汰指数最大则删除该视频块，否则计算最大淘汰指数视频中每一个视频块的缓存价值，删除价值最小的视频块。实施结果表明，本发明所设计的方法可以有效地降低热门视频的冗余副本，并将它们替换为冷门视频的副本，增加了冷门视频在P2P点播系统的副本数量，从而有效降低了服务器压力，提高了节点的缓存利用率。
-
公开(公告)号：CN105500703B
公开(公告)日：2018-01-09
申请号：CN201510889780.4
申请日：2015-12-07
Applicant: 南京邮电大学
IPC: B29C64/20 , B29C64/393 , B29C64/118 , B33Y30/00 , B33Y50/02
Abstract: 本发明公开了一种基于贝塞尔曲线的双芯片3D打印机系统，涉及3D打印领域，包括采用中央控制模块和3D打印模块，其中，中央控制模块采用贝塞尔曲线模拟打印路径上坐标点之间运动轨迹控制3D打印模块执行打印任务，实现路径打印时点到点的连贯处理，3D打印模块根据中央控制模块的指令处理打印任务。中央控制模块采用贝塞尔曲线模拟得到某坐标点的速度矢量后，打印单元根据该速度矢量确定打印频率和从该坐标点到下一坐标点运动轨迹。中央控制模块包括第一芯片、第二芯片两片中央控制芯片，分别管理3D打印模块中的不同单元。本发明通过点与点之间的连贯处理大幅提升打印精度与产品表面的光滑度，同时通过双芯片对系统资源合理调配且简化了编程结构。
-
公开(公告)号：CN107087161A
公开(公告)日：2017-08-22
申请号：CN201710291024.0
申请日：2017-04-28
Applicant: 南京邮电大学
IPC: H04N17/00
Abstract: 本发明公开了视频业务中基于多层神经网络的用户体验质量的预测方法，包括数据预处理，即选择视频业务中影响用户体验的特征参数，根据用户的报障/非报障将其映射为用户的QoE。随后建立多层神经网络的QoE预测模型，该神经网络包含五层，从低到高依次为：输入层—第一隐层—第二隐层—第三隐层—输出层。输入预处理后的数据，获得模型的最佳参数值，训练上述建立好的神经网络模型。最后完成用户体验质量QoE预测。本发明对数据进行预处理，选取重要的特征属性，综合考虑各种参数，可以使模型预测的视频质量真正接近用户对视频质量的主观体验，有助于更好预测用户体验质量，有利于及时准确反馈结果，帮助服务提供商和网络运营商不断完善视频业务和传输服务。
-
公开(公告)号：CN106953727A
公开(公告)日：2017-07-14
申请号：CN201710145029.2
申请日：2017-03-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种D2D通信中基于无证书的组安全认证方法，由KGC生成相应的部分私钥和公钥。接着是UE的发现。结合ECC和DSA而形成的ECDSA签名，对发送的消息进行签名。根据key graph规则，将相应的D2D设备组成一个个组，再根据LKH将这些组分成一个个子组，并为每个子组产生密钥。同时每个子组需要计算自己的密钥。当这些过程完成时，即可以进行安全的组通信了。但由于D2D设备的动态性，需要对D2D设备的动态加入和离开进行相应的处理，如果D2D设备动态加入后，则组的密钥需要更新，新加入的设备不能解密之前的数据；如果D2D设备动态离开，则此D2D设备不能利用以前的密钥解密现有的数据，进而保证整个D2D组通信安全性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
169
records
(took 0.078 seconds)
