-
公开(公告)号：CN101794372A
公开(公告)日：2010-08-04
申请号：CN200910232755.3
申请日：2009-11-30
申请人： 南京大学
摘要： 基于频域分析的步态特征表示及识别方法，对采样的步态序列预处理，基于采样的步态序列训练得到特征频率并构建步态特征库，以此对给定的未知步态序列进行识别。本发明将一个步态序列视作一个整体，通过分析其轮廓-质心距离信号变化的频率特点来提取特征，一方面凸显了步态序列的整体性，另一方面，也充分利用了人的行走行为具有一定周期性的特点。本发明提高了步态识别的正确识别率，能达到较小的计算开销。通过将视频摄像头获取并进过预处理得到的人行走的侧视图做为本发明的步态识别方法的输入，借助于预先建立的步态特征库，就能够较为精确地进行识别。
-
公开(公告)号：CN100592692C
公开(公告)日：2010-02-24
申请号：CN200710133291.1
申请日：2007-09-27
申请人： 南京大学
摘要： 本发明的基于条件互信息的双层半懒惰贝叶斯的网络入侵分类方法，包括如下步骤：1、训练阶段：a、收集已知是否为入侵的会话事件并进行特征提取做为训练集；b、对训练集中进行预处理；c、训练出基于条件互信息的双层半懒惰贝叶斯分类器；d、结束；2、分类阶段：e、预处理待检测会话事件；f、使用步骤1-c得到的分类器对处理后的会话事件进行分类；g、返回分类结果；h、结束。本发明的基于条件互信息的双层半懒惰贝叶斯的网络入侵分类方法在保持应用阶段低时间复杂度的情况下，提高了分类器的分类精度性能，从而提高了入侵检测系统的入侵检测性能。
-
公开(公告)号：CN101398914A
公开(公告)日：2009-04-01
申请号：CN200810194868.4
申请日：2008-11-10
申请人： 南京大学
IPC分类号： G06N7/00
摘要： 本发明的基于点的部分可观察马尔可夫决策过程的预处理方法，包括如下步骤：1.迭代之前的预处理：a.通过与环境的随机交互来采样点集；b.计算并存储采样点的奖赏函数；c.计算并存储伪继承点；d.结束；2.每步迭代的预处理：e.计算并存储基向量；f.结束；3.单点单步迭代：g.计算每个采样点的奖赏值表和候选向量表；h.计算最优动作并获取基向量；i.用误差项修正基向量；j、结束。本发明的基于点的部分可观察马尔可夫决策过程的预处理方法对每个样本信念点作预处理，而且提出了基向量的概念，避免了大量重复和无意义计算，将算法速度提升了2～4倍。
-
公开(公告)号：CN112418931B
公开(公告)日：2024-04-12
申请号：CN202011322875.5
申请日：2020-11-23
申请人： 南京大学
IPC分类号： G06Q30/0207 , G06Q30/08
摘要： 本发明提供了一种基于多单位预算限制的采购激励方法，首先，采集卖家或者众包平台中的工作者出价信息，所述报价信息包括工作者对单位物品的出价；然后设计分配函数；采用基于贪心分配算法的改进算法，根据卖家的出价和其可以提供的内容，由分配函数计算获得胜出方；所述改进算法包括确定性算法和随机性算法；随后进入支付步骤，基于胜出方集合，设计支付函数，决定支付价格；最后完成交割；卖家提供物品，买家支付金钱；当买家完成对待交割物品的验证后，完成物品交割，交易完成；本发明提供的采购激励方法，解决了众包服务中如果将众包任务定价过高，在财务限制下招募的工作者会相应减少，这将导致众包的预期效果降低的问题。
-
公开(公告)号：CN112434737B
公开(公告)日：2024-03-19
申请号：CN202011333029.3
申请日：2020-11-25
申请人： 南京大学
IPC分类号： G16H50/30 , G16H10/60 , G06V10/771 , G06N20/00
摘要： 本发明公开了一种用于脑卒中分析的多智能体评价准则融合的特征选择系统，包括数据输入单元、数据预处理单元、初始特征序列建立单元、多智能体强化单元、特征融合单元、逻辑回归模型单元，通过对脑卒中数据进行不同属性的处理，并通过多智能体强化学习将三种特征评价准则按照最优权重策略进行特征融合，进一步得到所有特征的重要性排序序列和最优的特征子集，本发明在提高准确率的前提下减少特征子集，得到与脑卒中最相关的影响因素，进而从特征选择的角度提高对脑卒中疾病的预测性能。
-
公开(公告)号：CN113360633B
公开(公告)日：2023-10-17
申请号：CN202110641886.8
申请日：2021-06-09
申请人： 南京大学
IPC分类号： G06F16/335 , G06F16/35 , G06F40/242 , G06F40/279 , G06N3/04 , G06N3/08
摘要： 本发明提出了一种基于深度域适应的跨域测试文档分类方法。包括1、数据采集阶段，获取足够多的辅助领域的文档数据及其标注，以及要分类的目标领域的文档数据；2、数据预处理阶段，对俩个领域的全部文档进行词语的划分之后进行去重和去停用词，之后进行字典的构建，再将每一个文档表示成one‑hot向量的形式；3、在跨域数据迁移阶段，将辅助领域和目标领域的数据同时送入深度网络中，来进行特征的学习和提取。本发明节省了数据标注的时间和人力成本，可结合多种网络结构进行特征的提取。
-
公开(公告)号：CN113361928B
公开(公告)日：2023-08-25
申请号：CN202110631471.2
申请日：2021-06-07
申请人： 南京大学
IPC分类号： G06Q10/0631 , G06Q10/0639 , G06F16/9535 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于异构图注意力网络的众包任务推荐方法，首先采集众包数据，依次进行特征清洗、特征筛选、特征补全处理后获得众包参与人员与任务的属性特征向量，并构建异构众包网络，按照设定元路径进行采样和预训练，获取人员与任务的节点特征表示并进行模型训练，获取节点对之间的注意力；依据注意力系数进行邻居节点信息的传递和聚合，更新人员与任务的节点特征表示；最后根据学习到的节点特征表示，计算人员与任务的相似性得分，按照得分排序进行任务推荐；本发明针对众包中已有的任务信息与人员信息，建立众包异构网络，使用图注意力网络进行众包网络中特征向量的更新，提升众包任务推荐准确度，进一步提升完成效率和完成质量。
-
公开(公告)号：CN113361775B
公开(公告)日：2023-08-25
申请号：CN202110634724.1
申请日：2021-06-08
申请人： 南京大学
IPC分类号： G06Q10/047 , G06Q10/0631 , G06Q30/08 , G06Q30/0201
摘要： 本发明公开了一种针对时间间隔覆盖任务的众包拍卖方法，包括：1、任务建模阶段，按照众包时间顺序任务将任务建模为有向图模型，每个点代表一个任务时间阶段，每个报价人报出自己的价格，在图中以一条有向边表示，每条有向边代表完成从一个时间点到另一个时间点的任务；2、图的预处理阶段，按倒序顺序给每个顺序点加上一条反向的顺序边，该边的权重为0；3、求解阶段，使用堆优化的Dijkstra算法计算从起始点到终点的最短路径，最短路径经过的边即是拍卖的胜者；4、支付阶段，使用VCG机制的支付方法，即去除每一个胜者，再计算一次最短路径，两者之差即是最后给该胜者的支付价格，满足最优性，个体理性和激励相容。
-
公开(公告)号：CN113392245A
公开(公告)日：2021-09-14
申请号：CN202110664152.1
申请日：2021-06-16
申请人： 南京大学
IPC分类号： G06F16/532 , G06F16/583 , G06F40/284 , G06T5/50
摘要： 本发明公开了一种用于众测任务发布的文本摘要与图文检索生成方法，采集真实众测场景任务发布中提取的相关数据，对相关数据进行筛选整理与清洗；对给定的相关单个或多个任务文档进行摘要生成，利用上阶段获得的任务相关文本摘要，收集相关图片数据库并检索出合适的图像；对检索出的两幅相关图像进行二次融合加工，以生成的方式整合为一张图片，提高图片与任务的匹配度和信息量。本发明通过在众测任务发布中对较为繁杂的任务文档提取较为简短的文本摘要，降低了众测平台方的工作量；同时使用图文检索与图像融合技术，生成具有特色的任务图片。
-
公开(公告)号：CN113361928A
公开(公告)日：2021-09-07
申请号：CN202110631471.2
申请日：2021-06-07
申请人： 南京大学
IPC分类号： G06Q10/06 , G06F16/9535 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于异构图注意力网络的众包任务推荐方法，首先采集众包数据，依次进行特征清洗、特征筛选、特征补全处理后获得众包参与人员与任务的属性特征向量，并构建异构众包网络，按照设定元路径进行采样和预训练，获取人员与任务的节点特征表示并进行模型训练，获取节点对之间的注意力；依据注意力系数进行邻居节点信息的传递和聚合，更新人员与任务的节点特征表示；最后根据学习到的节点特征表示，计算人员与任务的相似性得分，按照得分排序进行任务推荐；本发明针对众包中已有的任务信息与人员信息，建立众包异构网络，使用图注意力网络进行众包网络中特征向量的更新，提升众包任务推荐准确度，进一步提升完成效率和完成质量。
-
-
-
-
-
-
-
-
-
搜索结果
116 条记录 (耗时 0.024 秒)
