-
公开(公告)号：CN111325681A
公开(公告)日：2020-06-23
申请号：CN202010071306.1
申请日：2020-01-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种结合元学习机制与特征融合的图像风格迁移方法，本发明将基于卷积计算的特征融合和利用元学习机制解码特征图的两种方法结合。首先通过卷积计算初步融合内容特征和风格特征，且对初步融合的特征图和内容特征图做加权求和操作，通过调节权重控制风格化程度；然后利用元学习机制把融合特征图解码为风格化图像，且在解码的过程中对风格进行二次学习，保证了风格特征的充分表达。本发明提高了风格化图像的质量，使得合成图像的风格更加忠实于原风格；基于内容图像和风格图像的特性，控制风格化的程度；利用元学习机制同时进行风格二次学习和解码特征图操作，缩短了风格迁移的时间，快速实现任意图像的风格化。
-
公开(公告)号：CN110399203A
公开(公告)日：2019-11-01
申请号：CN201910677710.0
申请日：2019-07-25
Applicant: 南京邮电大学
Abstract: 一种基于弗雷歇距离的云计算虚拟机迁移方法，先将云数据中心的超载物理机筛选出来，采用最少虚拟机迁移算法选择待迁移的虚拟机并预测其未来t个时间内的资源使用情况，然后计算未超载主机的剩余资源并预测其未来t个时间内的资源剩余情况。接着使用弗雷歇距离计算待迁移虚拟机的资源使用曲线和为超载物理机的资源剩余曲线的相似度，选择相似度取值最大的一组虚拟机和物理机完成迁移。本发明分析了一台物理机上虚拟机资源请求在时间上的分布，并且预测了虚拟机未来一段时间的资源使用情况以及物理机未来一段时间的资源剩余情况，可以保证迁移后的物理机在未来的一段时间内负载均衡，减少了单位时间内虚拟机的迁移次数，降低了云数据中心的能耗。
-
公开(公告)号：CN107169411B
公开(公告)日：2019-10-29
申请号：CN201710224005.6
申请日：2017-04-07
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于关键帧和边界约束DTW的实时动态手势识别方法，在动态手势特征提取阶段，将动态手势的运动方向引入到关键帧手势图像选取中，并根据动态手势的变化趋势实现对关键帧手势图像选取阈值的动态调整，在此基础上利用局部极值的特性并结合凸包过滤实现对关键帧手势图像的指尖特征提取；在动态手势识别阶段，提出一种转换方法，用于计算不等长的二维手势序列之间的DTW下界距离，并且在DTW距离计算过程中给出设置手势数据的配对范围的方法。本发明综合考虑了动态手势的轨迹特征和结构特征，并通过关键帧图像选取、构造DTW下界距离、设置手势数据的配对范围，缩短了动态手势识别过程的计算时间。
-
公开(公告)号：CN105677792B
公开(公告)日：2019-04-19
申请号：CN201511029801.1
申请日：2015-12-31
Applicant: 南京邮电大学
IPC: G06F16/28
Abstract: 本发明公开了一种基于重用距离的数据亲缘性分析方法，根据所有不相同的变量地址的重用距离序列的集合计算出每个变量地址重用距离序列中重用距离值的个数，根据所有不相同的变量地址的重用距离序列的集合得到该集合的项的集合，根据项的集合和相应的公式得到所有变量地址的重用距离序列集合的序列元素的集合，再根据相应的公式得到每个变量地址重用距离序列的序列元素的集合。使用n维向量表示每个变量地址重用距离序列的序列元素的集合对所有变量地址的重用距离序列的序列元素的包含关系，最后根据公式计算任意两个变量地址的数据亲缘性。本发明通过分析程序中变量之间的关系，为数据布局优化提供指导，从而提高cache命中率，优化程序性能。
-
公开(公告)号：CN105700959B
公开(公告)日：2019-02-26
申请号：CN201610022466.0
申请日：2016-01-13
Applicant: 南京邮电大学
Abstract: 本发明涉及一种面向多核平台的多线程划分及静态均衡调度方法，提出用于评估分解出任务大小的粒度值参数概念，首先根据一定判断条件，判断一个任务是否真正适合多线程并行；其次采用静态调度策略，相比动态调度来说，没有在运行阶段的调度开销；最后，不同于一般的静态调度策略，本发明提出一种启发式静态调度策略，考虑了静态调度时当分解的任务大小差异很大时，会造成各个线程之间负载极不平衡的问题，通过获取的任务块的粒度值，可以将差异很大的任务块合理分配到不同线程上，达到负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN109358946A
公开(公告)日：2019-02-19
申请号：CN201811157630.4
申请日：2018-09-30
Applicant: 南京邮电大学
Abstract: 本发明是一种基于云计算的低能耗流媒体传输任务调度策略，根据目标媒体的文件大小和客户端的下行网速计算近似的任务长度，并将所有用于流媒体传输任务的服务器虚拟机分为长任务和短任务两类，然后，再使用降序贪心算法将任务分配给对应类别服务器中最接近服务器承载上限的。本发明一方面根据任务长度分类调度使得空闲服务器能够被及时关闭，而不会出现个别任务长时间占用服务器造成能耗浪费；另一方面基于服务器利用率越高能耗利用效率越高的理论，将任务集中调度在少量的服务器上执行可以有效降低完成相同任务的总功耗，达到降低能耗的效果。此外，算法的实现简单，不会带来很多额外的消耗，对用户响应延迟产生的影响也可以忽略不计。
-
公开(公告)号：CN105138536B
公开(公告)日：2018-06-05
申请号：CN201510383601.X
申请日：2015-07-02
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于有向超图的移动社交网络数据分片方法，属于数据处理技术领域。本发明根据移动社交网络用户交互的多路性和有向性等特点，引入有向超图理论来表示移动社交网络交互，建立了基于有向超图的移动社交网络用户交互模型，在此基础上通过对用户交互有向超图的划分实现对移动社交网络数据的划分，并给出移动社交网络数据分片动态调整方法。本发明综合考虑到移动社交网络的各项特征，通过设置各类超边的权值，可将其应用于不同类型的移动社交网络数据分片场景下，使得各分片负载均衡且各分片间通讯量减少。
-
公开(公告)号：CN107766898A
公开(公告)日：2018-03-06
申请号：CN201711295095.4
申请日：2017-12-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于SVM的三分类情绪概率判断方法，采集参与者情绪变化过程中产生的脑电信号，并对其进行下采样处理，构造样本，训练基于SVM的二分类情绪概率判断模型，通过训练好的二分类情绪概率判断模型构造基于SVM的三分类情绪概率判断模型，使用构造好的基于SVM的三分类情绪概率判断模型判断参与者属于某一类情绪的概率。脑电信号因其客观性强，并且能够真实的表达人类内在情绪状态的特点，因而受到很多研究者的广泛关注。本发明提出了一种基于SVM的三分类情绪概率判断方法，通过参与者的脑电信号得出参与者属于某一类情绪的概率，该方法识别结果较为准确，可以起到一定的指导作用。
-
公开(公告)号：CN107357516A
公开(公告)日：2017-11-17
申请号：CN201710556277.6
申请日：2017-07-10
Applicant: 南京邮电大学
IPC: G06F3/0488
Abstract: 本发明涉及一种基于隐马尔可夫模型的手势查询意图预测方法，从用户手势交互过程入手，分析手势搜索中常用的手势类别及其对应的特征属性，然后基于隐马尔可夫特性构建手势查询意图模型，在此基础上利用手势交互特征计算出手势查询意图模型的参数，并利用维特比理论预测出手势交互事件对应的最优查询意图。本发明基于手势交互过程符合隐马尔可夫过程的特性，利用手势操作特征捕获用户的查询意图，为用户手势交互过程提供一定的引导。本发明可应用于面向手势交互的探索式搜索场景下，使得用户在手势交互过程中获取符合意图的信息，提高手势交互的流畅性和满意度。
-
公开(公告)号：CN104125572B
公开(公告)日：2017-08-11
申请号：CN201410343030.2
申请日：2014-07-17
Applicant: 南京邮电大学
IPC: H04W12/12
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种功率可控无线传感网（Wireless Sensor Networks，WSN）中基于节点协作的Sybil攻击检测方法，属于网络安全技术领域。本发明首先面向具有路径损耗和阴影衰落的更为真实的网络环境（大尺度传播模型）分析接收信号强度指示（Received Signal Strength Indicator，RSSI）的二次差值；然后根据RSSI二次差值不受节点发射功率变化影响的特性提出一种Sybil节点识别算法。该算法通过两个普通节点的所有公共监测节点相互协作来判别这两个节点是否为一个恶意节点伪造的两Sybil身份。本发明结合了RSSI二次差值的特性和监测节点协作的方案，提高了功率可控WSN中Sybil攻击的检测效率，并能够延长了网络生命周期。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.024 seconds)
