-
公开(公告)号：CN114881357A
公开(公告)日：2022-08-09
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
公开(公告)号：CN114860914A
公开(公告)日：2022-08-05
申请号：CN202210578769.6
申请日：2022-05-26
Applicant: 南京信息工程大学
IPC: G06F16/332 , G06F16/338 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知识库增强的端到端多领域任务型对话生成方法，涉及自然语言处理领域。首先将对话数据进行编码，获得向量表示；再通过计算各向量之间的注意力权重，并通过对话状态解码器获得当前对话状态；最后将得到的当前对话状态、知识库信息和对话历史传入解码端，通过行为解码器与响应解码器进行交互生成系统响应。通过多编码器的方式分开编码各类对话数据，使用堆叠注意力层计算各数据向量之间的注意力，能够获得当前完整的对话状态信息，大大提高了任务型对话系统在多领域对话时对用户请求的理解，也提高了系统响应生成的准确度。在解码阶段同时考虑对话行为和对话响应，并引入知识库信息，增加了系统响应内容的丰富性。
-
公开(公告)号：CN108650121B
公开(公告)日：2021-02-26
申请号：CN201810420060.7
申请日：2018-05-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种多属性Web服务需求与提供者综合评分与分配方法，包括以下步骤：(1)输入服务请求者与提供者的各个QoS(Quality of Service)属性，并对每一个QoS属性进行标准化处理；(2)根据各个服务请求者与提供者的QoS属性，确定各个QoS的权值；(3)对每个服务请求者与提供者进行评分；(4)计算每个服务请求者与提供者之间的距离；(5)按照距离最小的分配原则，分配服务提供者与服务需求者。本发明能够对多范围的QoS属性进行标准化，克服了多范围不统一的问题，按照每个属性的供需关系确定权值，并对服务请求者与提供者进行统一评分，采取在满足要求情况下的最小距离法，避免了服务浪费，有利于实现系统服务利用效益最大化。
-
公开(公告)号：CN111797702A
公开(公告)日：2020-10-20
申请号：CN202010528622.7
申请日：2020-06-11
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于空间局部二值模式与光流梯度的人脸伪造视频检测方法，首先，对人脸视频中的人脸进行定位分割，得到人脸区域图像块序列；其次，从该序列中提取空间3D局部二值模式描述符；然后，利用光流法估计人脸视频的运动模式，结合方向梯度直方图构建真假人脸视频的运动特征；最后，联合两种特征并利用支持向量机进行训练，对真假人脸进行伪造检测。本发明从动态纹理的角度考虑伪造人脸视频，与基于深度学习的方法相比较，将大大降低时间消耗；且最终的特征能够从全局局部两个角度辨识真假人脸，充分描述视频的全局运动特征，提高伪造人脸视频检测的精度。
-
公开(公告)号：CN110766063A
公开(公告)日：2020-02-07
申请号：CN201910987689.4
申请日：2019-10-17
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于压缩激励和紧密连接卷积神经网络的图像分类方法，将轻量级的紧密连接卷积神经网络(DenseNet)和高性能的压缩和激励模块(SE)结合，通过训练卷积神经网络，计算损失函数，根据梯度下降更新网络；测试卷积神经网络，计算分类准确度；重复上述步骤构建保存准确度最高的准确度数值和卷积神经网络模型参数，得到效果最好的卷积神经网络模型。本发明压缩和激励模块可以显式地建模通道之间的相互依赖关系，且计算量很小；相较于传统卷积神经网络图像分类方法，能够以很少的参数量和计算量获得高准确度的图像分类结果。
-
Patent Agency Ranking
公开(公告)号：CN109785064A
公开(公告)日：2019-05-21
申请号：CN201910030517.8
申请日：2019-01-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多源信息融合的移动电子商务推荐方法，包括：S1：从多个信息源获取用户信息和对应的消费数据，对获取的用户信息和对应的消费数据进行预处理，以获取原始证据体，所述原始证据体被划分成若干类；S2：基于所述原始证据体，通过径向基函数和神经网络算法，计算原始证据体中每类数据的证据权重，所述证据权重用于区分每类数据的推荐价值；S3：根据所述证据权重，运用D-S证据理论对原始证据体进行信息融合，以获得新的证据体；S4：采用功率谱估计方法对所述新的证据体进行处理，以获取推荐决策。本发明能够有效增加推荐准确性、间接性和覆盖率，提高推荐服务性能。
-
公开(公告)号：CN109102108A
公开(公告)日：2018-12-28
申请号：CN201810782663.1
申请日：2018-07-16
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于通信数据和神经网络的实时地铁人流密度预测方法，属于大数据与深度学习技术领域。包括数据预处理、构建和训练权值共享循环神经网络模型、实时预测地铁人流密度三个步骤，先构建地铁进出站数据集B，对一定距离范围内的通信数据进行清洗得到数据集C，以K个地铁站为聚类中心对数据集C进行处理，统计每类包含的乘客数p并作为t时刻的潜在乘客；组合数据集B、C，得到数据集A(t)；再构建和训练权值共享循环神经网络模型，输入A(t)，计算t时刻下的隐藏层神经元输出ht，然后计算共享层的输出st，最终计算输出yt，即可。本发明可以准确、快速地给出实时的地铁人流密度的预测，包括地铁站附近特殊情况下的人流密度预测。
-
公开(公告)号：CN109063030A
公开(公告)日：2018-12-21
申请号：CN201810777605.X
申请日：2018-07-16
Applicant: 南京信息工程大学
CPC classification number: G06F17/2715
Abstract: 本发明公开一种基于流式LDA主题模型发现文档隐含主题和主题词的方法，属于机器学习的自然语言处理技术领域。在LDA模型的基础上考虑文档间主题和主题词的互相影响，对连续文档进行准确的隐含主题和主题词发现，包括随机初始化参数和选取超参数、随机生成每篇文档主题的先验分布和每个主题词的主题词分布、将文档中的词分配给某个主题、计算主题和主题词的极大似然函数和后验分布并更新所有的分布和参数、按概率对文档的主题和主题词进行降序排序输出最大概率的几个主题及其主题词五个步骤。具有可充分考虑相邻文档间主题的相互影响，得到的文档的主题分布较现有的技术更加贴近于主题的真实分布，获取文档的主题以及其主题词更加精准等优点。
-
公开(公告)号：CN108650121A
公开(公告)日：2018-10-12
申请号：CN201810420060.7
申请日：2018-05-04
Applicant: 南京信息工程大学
CPC classification number: H04L41/5003 , H04L41/5054 , H04L67/2809 , H04L67/322
Abstract: 本发明公开了一种多属性Web服务需求与提供者综合评分与分配方法，包括以下步骤：(1)输入服务请求者与提供者的各个QoS(Quality of Service)属性，并对每一个QoS属性进行标准化处理；(2)根据各个服务请求者与提供者的QoS属性，确定各个QoS的权值；(3)对每个服务请求者与提供者进行评分；(4)计算每个服务请求者与提供者之间的距离；(5)按照距离最小的分配原则，分配服务提供者与服务需求者。本发明能够对多范围的QoS属性进行标准化，克服了多范围不统一的问题，按照每个属性的供需关系确定权值，并对服务请求者与提供者进行统一评分，采取在满足要求情况下的最小距离法，避免了服务浪费，有利于实现系统服务利用效益最大化。
-
公开(公告)号：CN106991432A
公开(公告)日：2017-07-28
申请号：CN201710130391.2
申请日：2017-03-07
Applicant: 南京信息工程大学
CPC classification number: G06K9/6231 , G06N20/00
Abstract: 基于评分机制的森林优化算法的特征选择方法属于一种新的演化算法，从候选集选优策略、单个特征对特征集合的评分策略角度出发，够让具有较高适应度值的解具有更高的被选中的概率。使得每一次的选择不是完全随机的，而是带有一定的倾向性。从而能降低陷入局部最优解的概率，能够快速、有效的搜索到近似最优的特征子集。可应用在社交网络分类、web文本数据挖掘、图像处理等高维数据领域，能够起到很好的降维作用。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.035 seconds)
