-
公开(公告)号：CN103458369B
公开(公告)日：2016-08-10
申请号：CN201310346648.X
申请日：2013-08-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于锚点和位置指纹识别算法的WiFi室内定位方法，采用锚点信号强度对位置指纹数据进行修正，能够精确地定位终端接收机位置，且反应迅速。本发明采用锚点作为基准值进行强度矫正，较好的修正了瞬时信号强度变化，弥补了位置指纹平均值在某一具体时刻的不确定性，采用KNN匹配算法和基于权重的坐标计算方法获得待测点位置，有效降低了信号波动带来的误差。此外，采用待测点向量对数据库中向量集合进行精炼，能够避免AP变化引起的RSS向量错位。本发明定位精度高，反应迅速，特别适合Android设备端室内位置定位。
-
公开(公告)号：CN105530303A
公开(公告)日：2016-04-27
申请号：CN201510934456.X
申请日：2015-12-15
Applicant: 南京信息工程大学
IPC: H04L29/08
CPC classification number: H04L67/2852
Abstract: 本发明提供一种网络缓存线性替换方法，首先建立一个缓存替换模型作为实验基础，先对网站固定缓存容量大小，然后对其发送大量的访问请求，再对网路缓存中出现的数据信息进行提取分析，同时将向网络中所发送的请求数据按照一定的数量分成不同的序列，这些序列也可以作为实验对象。在该网站的网络缓存存储满时，要对接下来的访问数据与之前已经存储的数据进行替换。在替换的过程中，采用了三种递进式的方法，来设计出了一个最为优秀的缓存替换方法。本发明结合传统的缓存替换方法。通过本设计的缓存替换方法，可以快速的给用户返还所需数据，提高数据查询请求的速度，适合于处理大数据的请求访问。
-
公开(公告)号：CN105005968A
公开(公告)日：2015-10-28
申请号：CN201510315447.2
申请日：2015-06-10
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，首先采用零均值的高斯混合模型对原始图像的梯度分布进行建模，同时采用混合指数分布对降质函数进行建模，并以零均值的高斯模型作为噪声模型。通过变分贝叶斯估计方法估计降质函数。然后利用估计的降质函数，通过迭代盲解卷积算法进行图像恢复。对于图像恢复过程中产生的振铃效应，通过Laplacian算子进行边缘检测，获取边缘图像。然后分别获取边缘图像中细节、振铃和平坦区域的掩膜，通过维纳滤波器进行滤波处理，进而得到去振铃效应后的复原图像。本发明能够有效地去除因相机抖动产生的图像模糊，同时保持图像的细节及边缘，有效地减少振铃效应对复原图像质量的影响。
-
公开(公告)号：CN104346459A
公开(公告)日：2015-02-11
申请号：CN201410629761.3
申请日：2014-11-10
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明提供一种基于术语频率和卡方统计的文本分类特征选择方法，包括如下步骤：对数据集预处理；把每一个数据对象转换为特征空间的向量；分别计算每个术语在每个文本分类中的最大术语频率和平均术语频率；根据平均术语频率计算术语在每个类中的分布差异度；将每个术语的最大术语频率和分布差异度与传统的卡方统计公式相结合，计算每个术语在每个类中的权重，并取最大值为术语权重；将每个术语权重降序排序，选出权重值最大的前N个术语作为特征。本发明通过对传统的卡方统计进行改进，使在某类出现频率较高的或类内分布均匀的特征项对类别区分的贡献度得到体现，并修正了传统卡方统计方法偏向于低频词的不足。
-
公开(公告)号：CN104317904A
公开(公告)日：2015-01-28
申请号：CN201410579139.6
申请日：2014-10-24
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30663 , G06F17/30687
Abstract: 本发明公开了一种带权重社会网络的泛化方法，包括：对节点依节点度进行降序排序并分组；泛化已经存在的边的权重，并计算边存在概率；根据匿名组内节点度数不相同的情况寻找候选节点作为新邻居，增加边、安排新边权重并计算边存在概率；遍历所有匿名组集后抽取所有节点敏感属性形成敏感属性包；计算节点间的敏感属性包的最大相似性，根据泛化树，得到敏感属性包的泛化包；遍历K-权重匿名组集，得到满足K-Weighted-inv-l-diversityanonymous图。与现有技术相比，本发明考虑了边的权重，并且考虑了多敏感属性的问题，使得隐私保护方法更加适用于实际的社会网络，可以更好地保护带权重图中的多敏感属性。
-
Patent Agency Ranking
公开(公告)号：CN103317587B
公开(公告)日：2014-11-19
申请号：CN201310258880.8
申请日：2013-06-26
Applicant: 南京信息工程大学
IPC: B27N3/16
Abstract: 本发明提供一种生物质重组材卧式压机用穿销机构，包括装于压机上的穿销气缸、一排穿销气缸的顶销杆、与顶销杆相对应的一排储销盒、与储锁盒相对应的压机模腔及其内锁具，所述穿销气缸和与其相连接一排顶销杆横向排列竖向设置；处于顶销杆之下压机模腔之上为可移动进出压机的送销笼，一排储销盒依次放置于送销笼的盒槽内；送销笼的盒槽前底板沿长度方向设有一排落销孔，落销孔具有落销控制装置；所述落销孔与其下模腔上模板一排穿销孔相对应，模腔上模板穿销孔与模腔内锁具的锁模销孔相对应。本发明提供一种生物质重组材卧式压机用穿销机构，其卧式压机的模腔横卧，锁具横卧于模腔内，能实现从锁具上方竖直方向为锁具穿锁模销。
-
公开(公告)号：CN103700005A
公开(公告)日：2014-04-02
申请号：CN201310688735.3
申请日：2013-12-17
Applicant: 南京信息工程大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于自适应多最小支持度的关联规则推荐方法，首先根据商品分类建立商品分类层次树，并根据分类层次树对具体商品进行归类；接下来分别为每个具体商品和具体商品层上一层的类别进行最小支持度阈值设置，阈值设置涉及时间因素、具体商品价格因素以及具体商品品牌因素的影响，在支持度阈值设定基础上，再利用多最小支持度关联规则扩展算法挖掘频繁项集和产生规则；最后采用Top-N推荐方法为每位用户生成推荐。本发明在为用户做个性化推荐时，考虑了多种因素对具体商品和类别的多最小支持度阈值设定的影响，能较好的体现不同物品的特征，同时缓解了推荐系统中数据稀疏性问题和冷启动问题，能更加准确的为用户进行个性化推荐。
-
公开(公告)号：CN103200678A
公开(公告)日：2013-07-10
申请号：CN201310120751.2
申请日：2013-04-09
Applicant: 南京信息工程大学
Abstract: 针对终端接收机在楼群密集的城市或者室内工作的时候，由于信号强度受到建筑物的影响而大大衰减，导致定位精度低甚至不能够完成定位的问题，本发明公开了一种基于位置指纹识别算法的安卓（Android）设备端WiFi室内定位方法，在传统指纹识别算法的基础上采用KNN匹配算法和基于权重的坐标计算方法获得待测点位置，有效降低了信号波动带来的误差，能够精确定位终端接收机位置，且反应迅速。相对于传统的室内定位方法，本发明能在环境复杂的情况下较为精确地定位请求者位置，反应迅速，高效精准，特别适合Android设备端室内位置定位。
-
公开(公告)号：CN119938985A
公开(公告)日：2025-05-06
申请号：CN202510416357.6
申请日：2025-04-03
Applicant: 南京信息工程大学
IPC: G06F16/783 , G06V20/40 , G06F40/30 , G06F18/22
Abstract: 本发明公开了一种基于人脑情景记忆通路启发的文本视频检索方法，方法包括利用内容编码组件对目标文本数据或目标视频数据进行内容表征提取获得多尺度目标表征；利用情境编码组件对目标文本数据或目标视频数据进行情境表征提取获得目标令牌；将多尺度目标表征和目标令牌输入至双曲图神经网络获得目标场景表征；将目标场景表征作为目标索引；计算待检索文本或视频的表征与目标索引的相似度，根据相似度对待检索文本或视频进行筛选获得目标检索结果；本发明通过多粒度信息融合全面捕捉的多层次语义特征，通过双曲图卷积操作融合多模态、多粒度的高阶信息，能够更好地捕捉文本和视频之间的复杂关系，显著提升了文本视频检索的精度与效率。
-
公开(公告)号：CN119623508A
公开(公告)日：2025-03-14
申请号：CN202510162871.1
申请日：2025-02-14
Applicant: 南京信息工程大学
IPC: G06N3/008 , G06N3/092 , G06N3/0442 , G06N3/084 , G06N3/045
Abstract: 本申请涉及一种基于角色分配的大规模多智能体协同控制方法、装置和计算机设备。所述方法包括：基于各智能体在指定环境中探索，收集每个智能体与环境交互的至少一条轨迹数据，并将各智能体对应的轨迹数据存入经验回放池；分别针对指定环境中的各智能体，执行步骤S2‑1到步骤S2‑6，获得各智能体的个体动作价值，基于全部智能体的个体动作价值使用QMIX网络生成联合动作价值；基于联合动作价值通过Q‑learning算法更新各智能体的个体动作价值。采用本方法能够提升多智能体协同控制的精度和稳定性，还为大规模智能体协作系统提供了一个高效、可靠的解决方案，能够显著提升系统的整体性能和适应复杂任务的能力。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.034 seconds)
