-
公开(公告)号：CN103095849B
公开(公告)日：2015-05-20
申请号：CN201310048474.9
申请日：2013-02-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于QoS属性预测和纠错的有监督Web服务发现方法及系统，主要用于解决开放网络环境下准确、高效地发现满足用户需求的可信Web服务，从而为高可信服务应用系统的构建提供重要的技术支撑。本发明一方面采用矩阵补全技术对缺失或失真的服务QoS属性进行预测或纠错，使得基于QoS属性的可信服务发现得以有效地实施；另一方面将服务的先验类别信息引入服务表示的特征提取阶段，增强了服务表示的区分性和查询匹配的准确性。真实Web服务数据集上的评测结果表明，本发明不仅具有较高的服务发现效率和精度，而且实现简单，系统灵活，代价低，易推广。
-
公开(公告)号：CN102638791A
公开(公告)日：2012-08-15
申请号：CN201210105924.9
申请日：2012-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种传感器网络数据融合完整性保护方法，属于信息安全与物联网应用技术领域。针对传感器网络节点数据采集和数据融合的安全问题，本发明首先由数据融合过程中的总汇聚节点进行网络节点的初始化安全参数，再通过对传感器节点需要融合的数据增添私有种子进行隐私保护，并利用复数的虚实部数据关联特性进行数据的完整性保护，对检查遭受攻击篡改的数据可以采取相应的措施，提高传感器网络数据融合和相关应用的安全性，为物联网的应用提供安全保障。
-
公开(公告)号：CN119399210A
公开(公告)日：2025-02-07
申请号：CN202510014884.4
申请日：2025-01-06
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明的一种基于贝叶斯条件扩散模型的可信表面缺陷检测方法及设备，包括构建训练数据集和测试数据集；构建基于条件扩散模型的不确定性感知的工业产品表面缺陷检测模型并训练，将测试图片输入到上述模型中进行检测，分别得到输入结果的缺陷预测图像、不确定性预测图像；将原始输入图像，缺陷预测结果与不确定性预测结果进行整理，得到第二次迭代时的条件引导图像；将得到的条件引导图像、待检测图像输入到条件扩散模型中，得到最终的缺陷预测图像以及不确定性度量。本发明基于拉普拉斯近似，对模型生成的结果进行不确定性度量，并利用输出结果的不确定性优化检测结果，紧接着进行迭代提高最终检测结果的可信度。
-
公开(公告)号：CN118657743B
公开(公告)日：2025-01-24
申请号：CN202410844910.1
申请日：2024-06-27
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/62 , G06T7/73 , G06V10/762 , G06V10/764
Abstract: 本发明涉及一种基于张量投票的工业零件检测方法及系统，属于计算机图形学技术领域。方法包括：扫描工业零件得到点云集，采用张量投票算法对所述点云集进行分类，得到不同类别的点集；采用优化的Delaunay三角剖分算法，对所述不同类别的点集分别进行Delaunay三角剖分，得到各类别点集的Delaunay三角网格；对所述Delaunay三角网格进行融合与优化，重建所述工业零件的曲面；基于所述曲面进行所述工业零件的缺陷检测。该方法通过张量投票、贪婪投影算法与Delaunay三角剖分算法结合，重建工业零件的3D模型，能够再现工业零件表面缺陷，提高对工业零件缺陷检测的精度。
-
公开(公告)号：CN114905505B
公开(公告)日：2024-04-19
申请号：CN202210383369.X
申请日：2022-04-13
Applicant: 南京邮电大学
IPC: B25J9/16 , G01C21/20 , G06N3/0442 , G06N3/092 , G06N3/084
Abstract: 本发明公开了机器人导航领域的一种移动机器人的导航控制方法、系统及存储介质，包括：根据真实环境中目标任务数据调整导航控制模型中子策略的使用次序，利用导航控制模型对移动机器人进行导航；所述导航控制模型的训练过程包括：利用分层强化学习算法构建导航控制模型，将LSTM网络引入导航控制模型作为轨迹编码网络；通过训练数据集对导航控制模型进行训练，通过元训练数据集对导航控制模型的LSTM轨迹编码网络进行元学习训练；重复迭代更新获得函数收敛的最终导航控制模型；本发明根据特定任务以特定次序使用子策略，简化了学习后的导航控制模型应用于实际环境的迁移过程，提高了导航控制模型的实时性。
-
Patent Agency Ranking
公开(公告)号：CN117671131A
公开(公告)日：2024-03-08
申请号：CN202311371086.4
申请日：2023-10-20
Applicant: 南京邮电大学
IPC: G06T17/00 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的工业零件三维点云修复方法及装置，其方法包括：获取工业零件的残缺三维点云；将残缺三维点云输入训练好的点云修复模型，获取完整三维点云；其中，点云修复模型包括基于MLP的编码器、基于自注意力机制的编码器、第一拼接层以及解码器；点云修复模型的训练过程包括：采用泊松盘采样方式对工业零件进行采样生成实际三维点云；通过HPR算子方式对实际三维点云进行点去除生成多个模拟残缺三维点云；将实际三维点云作为各个模拟残缺三维点云的真实标签组成样本，并生成样本集；将样本集按预设比例划分为训练集、验证集以及测试集，并进行反向传播训练；本发明能够准确的进行工业零件三维点云修复。
-
公开(公告)号：CN116740587A
公开(公告)日：2023-09-12
申请号：CN202310366770.7
申请日：2023-04-07
Applicant: 南京邮电大学
IPC: G06V20/17 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 一种数据与模型双重不确定性感知的无人机航拍目标可信识别方法，包括步骤：采集无人机航拍数据集，对数据进行预处理，对处理后的数据进行标注，构建训练集、验证集和测试集；构建融合AvUC损失正则化的二阶概率建模和改进focal loss的可信目标检测模型；用训练集训练构建的可信目标检测模型，并用验证集进行最佳模型选择，得到训练后的可信目标检测模型；将测试集的测试图像输入训练后的可信目标检测模型，得到图像中各目标的定位信息和分类信息，以及定位信息的数据不确定性、模型不确定性和分类信息的整体不确定性，通过不确定性来反应模型的可靠程度，进而实现无人机航拍可信目标检测。本方法为风险敏感的无人机航拍目标检测应用提供重要辅助决策依据。
-
公开(公告)号：CN116524062A
公开(公告)日：2023-08-01
申请号：CN202310807926.0
申请日：2023-07-04
Applicant: 南京邮电大学
IPC: G06T11/00 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06V10/80 , G06T5/00
Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于扩散模型的2D人体姿态估计方法，其采集人体姿态图像及标注信息，并利用前向扩散公式在标注的关节点坐标中加入噪声破坏其中的坐标信息，生成中间噪声样本；然后构建2D人体姿态估计扩散模型；随后模型依据输入图像与生成的噪声样本预测出目标关节点的热图，再将预测结果与标注间的均方误差作为损失函数优化模型参数；最后将模型预测关节点热图送入反向扩散公式，完成高斯噪声的迭代去噪，获得去噪后的精确预测。本发明预测精度高，有效提高了2D人体姿态估计方法在实际应用中泛化性和鲁棒性，并使模型可以通过改变推理采样步数，取得检测效率与精度上的平衡，以适应不同应用场景的需求。
-
公开(公告)号：CN116452604A
公开(公告)日：2023-07-18
申请号：CN202310373084.2
申请日：2023-04-10
Applicant: 南京邮电大学
IPC: G06T7/11 , G06V10/26 , G06V10/48 , G06V10/762
Abstract: 本发明公开了一种复杂变电站场景分割方法、设备及存储介质，方法包括：获取变电站场景点云；采用随机抽样一致性算法提取得到地面点云；将不包含地面点云的变电站场景点云向XOY平面投影，得到变电站的二维平面图像；对变电站的二维平面图像采用cannay边缘检测算法计算得到边缘图像；采用霍夫直线检测算法提取边缘图像中的直线，确定直线上点位于变电站场景点云中的对应点，根据空间中电力线的特征去除非电力线直线，得到电力线直线段；采用区域生长算法延长电力线直线段获取完整的电力线直线段；采用欧式聚类算法进行聚类得到电力线点云；从不包含地面点云的变电站场景点云中去除电力线点云，得到变电站场景分割结果。
-
公开(公告)号：CN111626344B
公开(公告)日：2022-08-26
申请号：CN202010411275.X
申请日：2020-05-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种融合组稀疏约束和图趋势过滤的噪声容错多标签分类方法，首先，抽取训练集样本数据的特征表示，训练集中的每个样本都带有事先标注好的语义标签，并基于特征数据以及标签数据建立融合组稀疏约束和图趋势过滤的噪声容错多标签分类数学模型；其次，通过ADMM算法求解提出的数学模型，得到分类器；最后，基于学得的分类器预测未知样本的标签向量。本发明融合组稀疏约束和图趋势过滤技术解决了训练数据中同时含有特征噪声和样本噪声的情况；并通过嵌入特征选择机制同时学习标签共有特征以及标签特有特征，进一步提高了分类性能。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.036 seconds)
