一种面向连续时间马尔科夫链的状态空间约简方法

    公开(公告)号:CN103440393B

    公开(公告)日:2017-01-11

    申请号:CN201310431964.7

    申请日:2013-09-18

    Applicant: 江苏大学

    Abstract: 本发明公开了一种面向连续时间马尔科夫链的状态空间约简方法,包括以下步骤:在局部状态空间上配置连续随机逻辑中X,U,R,P,W算子的限界语义;将连续时间马尔科夫链转换为离散时间马尔科夫链,并利用均匀化技术计算局部空间上的瞬态与稳态概率;对于算子X,U,R将时域分成零点到某个时间点,两个时间点之间,某个时间点到无穷大三个时间段,并分别利用瞬态概率计算算子P对应的概率度量;对于稳定算子W,构造一组线性不等式来约束离散时间马尔科夫链中瞬态概率与稳态概率之间的关系,求出该不等式的解作为稳态概率的度量值。本发明只需遍历分析属性所需的局部空间,可有效约简状态空间,可应用于大规模随机系统的性能与可靠性分析。

    一种车载网中数据分片下载服务方法

    公开(公告)号:CN105871831A

    公开(公告)日:2016-08-17

    申请号:CN201610184747.6

    申请日:2016-03-28

    Applicant: 江苏大学

    Abstract: 本发明公开了一种车载网中数据分片下载服务方法,涉及车载网络通信安全领域,特别是一种车载网中基于RSU的安全和隐私保护的数据分片下载服务方法,具体包括以下步骤:系统初始化;请求匿名导航证书;获取导航路径;请求匿名云服务证书;车辆请求云分片服务;导航服务和云服务获取;路径拥塞通知和重新请求服务;真实身份的追踪八个步骤。本发明匿名导航证书和匿名云服务证书,使得车辆的真实身份与请求服务的证书无关;并且通过匿名导航证书获取行驶路径信息,根据行驶路径将下载服务进行分片,使得车辆能够在行驶过程中下载大文件,并且能够对攻击者隐藏自己的身份和行驶轨迹。本发具有较高的安全性、下载效率和较低的开销,适用于节点高速移动、拓扑结构易变和规模庞大的VANET网络。

    一种车载网中基于假名验证公钥的批量认证方法

    公开(公告)号:CN104394000A

    公开(公告)日:2015-03-04

    申请号:CN201410768572.4

    申请日:2014-12-11

    Applicant: 江苏大学

    Abstract: 本发明公开了一种车载网中基于假名验证公钥的批量认证方法,涉及车载网络通信安全领域,特别是一种车载网中基于假名验证公钥的批量认证方法,具体包括以下步骤:系统初始化;握手协议;消息签名;消息认证;真实身份的追踪与撤销五个步骤。本发明中路边单元(RSU)可以快速地认证车辆匿名发送的安全消息并广播给车辆,从而大大地提高了交通效率,并且本发明能够很好地抵制合谋攻击,这样发送消息的车辆本身的隐私信息既能得到很好的保护,又可以与其他车辆交流交通状况,本发明适用于节点高速移动、拓扑结构易变和易受攻击的VANET网络。

    一种对车辆身份进行认证的方法和系统

    公开(公告)号:CN104219663A

    公开(公告)日:2014-12-17

    申请号:CN201310207982.7

    申请日:2013-05-30

    Applicant: 江苏大学

    Abstract: 本发明公开了一种对车辆进行身份认证的方法和系统,属于移动通信领域。所述方法包括:路边单元RSU对代理车辆进行认证,当认证通过时,获取代理车辆的会话密钥,代理车辆构建车辆群组,并接收RSU通信范围内的车辆发送的第二信息,并用代理车辆的会话密钥加密第二信息后发送给RSU,使RSU根据第二信息对RSU通信范围内的车辆进行批量认证,RSU发送RSU通信范围内的认证不通过的车辆的伪身份标识给RSU通信范围内的车辆。所述系统包括:获取模块、发送模块、认证模块、生成模块和加密模块。本发明通过代理车辆获取代理车辆的私钥,避免了密钥托管问题;并且,RSU将认证不通过的车辆的伪身份标识发送给RSU通信范围内的车辆,考虑了对非法车辆的撤销性。

    改性凹土吸附废气净化器
    45.
    发明公开

    公开(公告)号:CN101332395A

    公开(公告)日:2008-12-31

    申请号:CN200810020913.4

    申请日:2008-07-31

    Applicant: 江苏大学

    Abstract: 本发明公开的改性凹土吸附废气净化器,净化器罐体由设置与中间微孔布气板分隔为大颗粒改性凹土吸附室和小颗粒改性凹土吸附室左、右两部分;废气进气管位于罐体一端;大颗粒改性凹土进料孔和小颗粒改性凹土进料孔位于净化罐的上部,大颗粒改性凹土排放孔和小颗粒改性凹土排放孔位于净化罐的下部;废气进气管和大颗粒改性凹土之间设置布气板、小颗粒改性凹土与废气排出管之间设置多孔挡板。二个吸附室内均应充满改性凹土吸附材料,否则会影响废气净化效果。本装置具有不易堵塞、体积小、布气均匀、运行成本低,并且废气净化效率高。

    一种基于频域的图神经网络农业遥感图像语义分割方法

    公开(公告)号:CN120088786A

    公开(公告)日:2025-06-03

    申请号:CN202510063385.4

    申请日:2025-01-15

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于频域的图神经网络农业遥感图像语义分割方法,将遥感图像转化为图数据,并将图数据分批次作为输入;对于分批次输入的图数据,计算图数据的特征值,以获得特征值矩阵。将特征值矩阵中的特征值按照从大到小进行排序,提取排在前k个特征值的下标;再从傅里叶矩阵中提取出相同下标的向量,由提取出的向量形成傅里叶基;构建损失函数,并基于傅里叶基和损失函数对语义分割模型的权重参数进行进行迭代优化;若满足迭代终止条件,则获得语义分割模型的最优权重参数;反之重新输入下一批次图数据继续训练;基于得到的最优权重参数,利用语义分割模型对农业遥感图像进行语义分割,输出分割结果;本发明可以有效提升农业遥感图像处理的效率和精确度。

    一种基于深度学习网络的短文本分类方法

    公开(公告)号:CN114357165B

    公开(公告)日:2025-05-09

    申请号:CN202111655718.0

    申请日:2021-12-30

    Applicant: 江苏大学

    Abstract: 本发明涉及基于深度学习网络的短文本分类方法,属于自然语言处理技术领域。包括以下步骤:将短文本数据集进行数据清洗,得到质量更高的短文本数据集;将短文本数据集进行处理,得到短文本词汇表、关键词词汇表、标签词汇表;利用CBOW神经网络训练得到文本词向量,再将标签替换短文本中的关键词,训练得到标签词向量;将短文本输入卷积神经网络和长短期记忆神经网络进行特征提取,将提取的特征与标签词向量求和构成的查询向量进行注意力机制得分计算;将新的特征向量输入全连接层进行输出后,输入最终的损失函数层进行预测分类。本发明解决了短文本特征不足而无法准确分类的问题,提高了短文本分类的准确性。

    一种基于核集成回归的抑郁症预测方法

    公开(公告)号:CN113903456B

    公开(公告)日:2024-05-14

    申请号:CN202111225016.9

    申请日:2021-10-21

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于核集成回归的抑郁症预测方法,采集多个抑郁症疾病患者的微表情图片作为样本,对采集到的微表情图片依次进行处理得到每个样本的特征向量;由特征向量及输出值形成样本集,将样本集分为训练样本和测试样本;将训练样本输入到基回归器中进行训练,从而构建多核空间中的核集成回归模型;通过对每个基回归器的训练,由此获得训练好的核集成回归模型。循环迭代获得最优解,从而获得训练好的核集成回归模型;将测试样本输入构建好的核集成回归模型,输出微表情图片的分类的结果;本方法利用核集成回归模型对微表情图片进行分类得到分类结果;该分类结果可以作为抑郁症判断指标,辅助医生对病患的诊断。

    基于增强数据重建的图像分类模型训练、图像分类方法、系统

    公开(公告)号:CN117456256A

    公开(公告)日:2024-01-26

    申请号:CN202311471581.2

    申请日:2023-11-07

    Applicant: 江苏大学

    Abstract: 本发明公开了基于增强数据重建的图像分类模型训练、图像分类方法、系统,首先获取图像数据形成样本集,并对图像数据进行特征工程处理;将经过特征工程处理后的图像数据输入至当前图像分类模型,并进行模型参数训练,对模型中的变量进行求解,然后交替迭代优化;将优化得到的变量代入图像分类模型,完成图像分类模型训练;基于图像分类模型提出了一种图像分类方法以及一种图像分类系统;本发明在邻域样本数据增强的帮助下,能够兼顾图像分类准确率以效率。

    一种基于数理特征提取的数学题文本多标签分类方法

    公开(公告)号:CN114880474A

    公开(公告)日:2022-08-09

    申请号:CN202210485759.8

    申请日:2022-05-06

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于数理特征提取的数学题文本多标签分类方法,以数学题试题作为样本,知识点为样本标签;对样本及其标签进行预处理和特征提取,对样本特征向量进行编码得到隐藏层向量;引用自注意力机制计算各个隐藏层向量的注意力权重,得到文本输出的特征向量;将答案解析文本分为叶节点和根节点,由叶节点文本信息特征及根节点文本信息特征形成特征先验树的特征矩阵;对样本特征向量与特征先验树的特征矩阵进行数理特征提取,将文本输出的特征向量和数理特征提取部分的输出结果输入分类器,由分类器输出分类结果;设置训练停止条件,当训练停止时获得训练好的数学文本多标签分类模型;利用数学文本多标签分类模型对数学题文本进行有效分类。

Patent Agency Ranking