-
公开(公告)号：CN101035040A
公开(公告)日：2007-09-12
申请号：CN200710019928.4
申请日：2007-02-02
Applicant: 南京邮电大学
Abstract: 基于多代理协商的无线传感器网络数据收集方法，根据网络层簇结构分发任务服务代理，通过簇内主动代理协商和簇间服务代理的协商，确定使能代理的簇内数据收集路径和簇间数据返回路径，对用户感兴趣的数据进行分布式网内处理，获取信息。其中软件形式的服务代理和使能代理，软硬件结合的主动代理，服务代理和主动代理的切换、协商以及使能代理区域内存活增加了网络的动态性能，多种代理结合按时序协同完成数据收集工作。相比传统的数据聚合方法代替了数据在网络中的传送，以短小的代理信息在网络中交互，由数据聚合处理的主从模型转变成网络对等计算处理模型。有效提高了网络数据收集的精确度和可靠性，减少网络节点能量消耗，保持网络负载平衡，延长了网络的生命周期。
-
公开(公告)号：CN113836814B
公开(公告)日：2024-05-10
申请号：CN202111153658.2
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06F30/27 , G06F119/02
Abstract: 一种基于多流神经网络的太阳能能量预测方法，相比传统的太阳能收集功率预测方案，优先考虑相似天气，优化模型输入；采用多流神经网络模型，相比于单一的预测方法能够结合并发挥不同预测模型的优势，面对不同的气候条件具备更强的适应性；对采集到的原始太阳能数据进行采样，剔除无效数据和干扰信息，提取出相似天气，兼顾数据量符合模型预测需求的同时，还关注减少输入数据，降低运算复杂度。
-
公开(公告)号：CN117452398A
公开(公告)日：2024-01-26
申请号：CN202311398149.5
申请日：2023-10-25
Applicant: 南京邮电大学
IPC: G01S13/88 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/082 , G06N3/09
Abstract: 本发明属于涉及毫米波雷达和神经网络技术领域，公开了一种基于FMCW雷达的人体动作识别方法，利用深度学习的方法，在训练中将射频信息处理为雷达点云数据作为神经网络的输入，以GNN为基础搭建空间特征提取网络以提取数据的空间特征，以Transformer为基础搭建时序特征提取网络以提取数据帧之间的时序特征；经过训练后的系统，只需要使用射频信息作为输入就可实现对人体动作的识别。本发明能够实现在保护个人隐私且不受光照影响的情况下实现对人体动作的精准识别，具有鲁棒性强，稳定性好，识别率高的特点。
-
公开(公告)号：CN117452330A
公开(公告)日：2024-01-26
申请号：CN202311411557.X
申请日：2023-10-27
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于LoRa信号幅度的目标定位方法，通过搭建基于LoRa信号幅度的定位系统；并使用接收模块对运动目标进行采样；进行去除时间平均值处理；分别获得每个分段的目标初始位置的角度信息和目标终止位置的角度信息；通过信号比相位变化得到每个分段的目标初始位置到目标终止位置的实际动态路径变化量；得到所有可能初始位置以及每个可能初始位置对应的匹配定位终点；得到峰值幅度对应的频率作为检测频率，由检测频率得到目标定位结果；该方法能够实现运动目标的准确定位，能够有效降低目标定位误差，能够提高基于信号幅度的目标定位方法的准确率。
-
公开(公告)号：CN117435857A
公开(公告)日：2024-01-23
申请号：CN202311427829.5
申请日：2023-10-31
Applicant: 南京邮电大学
IPC: G06F17/16 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于奇异谱分解和改进的Transformer的太阳辐照度值预测方法，属于短期时间序列预测技术领域；步骤为：收集光伏站点的天气数据集S；判断数据集时间序列是否为白噪声的时间序列；对数据集进行奇异谱分析，提取出时间序列中的不同成分序列；将数据集S1中的时间戳进行位置编码，作为特征添加到数据集中；添加位置编码的数据集进行预处理，数据中的缺失值进行填充，将GHI与其他特征分别进行归一化处理；利用滑动窗口技术对处理后的数据集进行划分，构建Transformer模型。本发明通过奇异谱分析对时间序列进行分解、重构操作，实现对时间序列去噪的目的；添加时间戳的位置编码可以帮助模型更好地理解时间的概念，减少Transformer模型的复杂性，提高数据处理的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110070215B
公开(公告)日：2022-08-23
申请号：CN201910279018.2
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于自适应的季节性ARIMA模型的太阳能收集功率预测方法，其主要包括以下步骤：S1：收集参考天和当天中各个时刻的太阳能功率值，得到初始训练集T0；S2：根据当天中收集到的若干个参考时刻的太阳能功率值与参考天的太阳能功率值的相似度，调整初始训练集T0中各元素的位置，得到新的训练集T1，并转换为训练集Train；S3：对训练集Train进行季节性差分和平稳性检验；S4：根据训练集Train的时间序列性质确定最佳季节性ARIMA模型；S5：利用最佳季节性ARIMA模型预测当天若干个时刻的太阳能功率值。如此设置，预测结果精度更高、更准确。
-
公开(公告)号：CN114897340A
公开(公告)日：2022-08-12
申请号：CN202210485710.2
申请日：2022-05-06
Applicant: 南京邮电大学
Abstract: 本发明是一种基于GitLab的小规模团队软件开发者工作量度量方法，包括：步骤1：基于GitLab收集开发团队的软件源代码及开发过程数据；步骤2：扫描步骤1中commit提交数据及软件源代码，初步提取可直接测量指标；步骤3：根据步骤2获取到的可直接测量指标，计算不可直接测量指标；步骤4：根据步骤2和步骤3计算的指标建立数据表并计算开发者在每一项指标的得分，并计算最终加权得分，即为开发者工作量。本发明提出的方法从软件规模、源代码质量和协作开发中的工作量三个方面衡量团队中每个开发成员的工作量，同时使用提交类别中的合并指标衡量团队组长承担的额外工作量。
-
公开(公告)号：CN109544570B
公开(公告)日：2022-08-02
申请号：CN201811456350.3
申请日：2018-11-30
Applicant: 南京邮电大学
Abstract: 针对现有技术中脑MRI图像的灰度不均匀性和医学伪影对分割产生影响，本发明以区域信息聚合与阈值分割结合作为设计思路，引入模糊多阈值技术，提出一种基于模糊多阈值与区域信息的脑MRI图像分割方法。该方法在模糊多阈值分割的基础上，通过构建模糊隶属度函数和基于局部信息的模糊隶属度聚合，来进一步提高图像分割的质量本发明采用模糊理论和信息聚合技术，抑制了灰度不均匀性和医学伪影对分割结果的影响，能保留更多的原始图像信息，有效避免了伪影导致的误分割，提高了脑MRI图像分割的效果。本发明采用了改进的量子粒子群优化算法，引入了一种指数下降型收缩‑扩张系数，增强了算法的搜索性能。同时，改进了算法的收敛速度。
-
公开(公告)号：CN113836814A
公开(公告)日：2021-12-24
申请号：CN202111153658.2
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06F30/27 , G06F119/02
Abstract: 一种基于多流神经网络的太阳能能量预测方法，相比传统的太阳能收集功率预测方案，优先考虑相似天气，优化模型输入；采用多流神经网络模型，相比于单一的预测方法能够结合并发挥不同预测模型的优势，面对不同的气候条件具备更强的适应性；对采集到的原始太阳能数据进行采样，剔除无效数据和干扰信息，提取出相似天气，兼顾数据量符合模型预测需求的同时，还关注减少输入数据，降低运算复杂度。
-
公开(公告)号：CN107808212B
公开(公告)日：2021-06-11
申请号：CN201710928531.0
申请日：2017-10-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于灰色神经网络的太阳能收集功率预测方法。首先选取若干天每天同一时刻原始太阳能收集功率和影响太阳能收集的因素数据序列，运用灰色预测方法对太阳能收集功率序列进行预测，得到初步预测结果；然后将灰色预测结果和原始影响太阳能因素数据序列归一化，作为神经网络的输入，原始太阳能数据序列作为神经网络的输出，建立神经网络模型，对神经网络进行训练，直至收敛；最后调用已训练好的神经网络来进行太阳能收集功率的最终预测。本发明结合灰色建模方法和神经网络方法建立灰色神经网络模型，与普通神经网络模型相比，引入灰色预测模型，减少了预测时的计算量，在少样本情况下也可达到较高精度；且预测准确率更高。
-
-
-
-
-
-
-
-
-
Search Results
465
records
(took 0.028 seconds)
