-
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：CN113269306A
公开(公告)日：2021-08-17
申请号：CN202110553129.5
申请日：2021-05-20
Applicant: 南京邮电大学
Abstract: 基于多分类器卷积神经网络的联合训练方法，包括步骤：分割训练样本；训练单分类器卷积神经网络；训练多分类器卷积神经网络；换下一批训练样本；单独训练线性分类器。本发明提出的参数更新方式，利用置信值预估出每个样本为此层易分类样本的概率，并作用于每层的误差上，通过加上这个误差，即一定梯度的正方向，调和了多走的距离。提出的新的参数更新方式通过使用来表示此分类样本为前面层的易分类样本的概率，量化了需要加上的误差的必要性。提出的新的训练方式，先训练单分类器卷积神经网络，再训练每层带线性分类器的多分类器卷积神经网络，先给予每层卷积层参数一定的训练，有益于每层的线性分类器更加专注于本层卷积层所提取的特征的识别。
-
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。
-
公开(公告)号：CN111898527A
公开(公告)日：2020-11-06
申请号：CN202010744983.5
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 面向低质量指静脉图像的特征提取方法，在预处理环节，鉴于手指静脉图像偏移严重，而直接裁剪图像又将丢失部分信息，本发明引入更替位移法对图像进行位移。考虑到局部模式类方法与静脉网络类方法的不足，本发明提出在对图像进行MCM特征提取的基础上叠加提取PBBM特征。从而能够在保留全图信息的情况下，提取出更清晰的手指静脉特征，有效提高低质量图像的识别准确率。
-
公开(公告)号：CN108632613B
公开(公告)日：2020-10-16
申请号：CN201810488010.2
申请日：2018-05-21
Applicant: 南京邮电大学
IPC: H04N19/13 , H04N19/132 , H04N19/30 , H04N19/61
Abstract: 本发明提供一种基于DISCOVER框架的分级分布式视频编码方法及系统，将分级视频编码引入DISCOVER分布式视频编码框架中，实现分布式视频编解码中的分级传输，包括基本层编码框架与增强层编码框架，两部分框架由熵计算器模块与控制模块连接，编码框架自行控制传输的视频分辨率；当熵计算器模块计算视频帧信息量较小即视频图像熵不超过视频背景图像熵的设定比例值时，编码端只进行基本层编码，解码端只进行基本层；当熵计算器模块计算视频帧信息量较大即视频图像熵超过视频背景图像熵的设定比例值时，熵计算器激活增强层信息编码，解码端激活增强层信息解码。该种基于DISCOVER框架的分级分布式视频编码方法，能够提高视频编码效率，最终实现降低传感器节点能耗的目的。
-
Patent Agency Ranking
公开(公告)号：CN109818859B
公开(公告)日：2020-10-09
申请号：CN201910170796.8
申请日：2019-03-07
Applicant: 南京邮电大学
IPC: H04L12/715 , H04L12/721 , H04L12/733 , H04N19/42 , H04W40/10
Abstract: 基于太阳能收集的无线多媒体传感网分布式图像压缩机制，针对传感器有限能量供应问题，为节点配备太阳能板，进行节点初始能量和初始工作模式设置，然后进行相机节点‑普通节点簇和普通节点簇成簇划分。相机节点‑普通节点簇的建立使得相机节点在采集到图片后，分发图片发送给其簇内的普通节点进行压缩；普通节点簇的建立使得普通节点在压缩完图片后，将图片发送给相应的簇头。然后进行稳态阶段。稳态阶段中相机节点进行图片采集、普通节点进行图片压缩，簇头将图片发给基站。同时考虑节点工作模式的动态调节，节点会依据自身状态以及工作链上下一节点的状态调节自身的工作模式，使得网络能够能耗平衡，并能应对极端天气对太阳能收集带来的影响。
-
公开(公告)号：CN110751029A
公开(公告)日：2020-02-04
申请号：CN201910864346.9
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 基于最大曲率自适应静脉提取方法，首先对读入含有指静脉信息的图像进行背景自适应弱化处理，用以解决在静脉提取过程中背景噪声带来的干扰问题；接着对经过背景自适应弱化处理的图像进行多方向的曲率值计算并确定中心点位置，然后进行中心点的自适应筛选剔除伪静脉中心点；最后在经过处理的静脉中心点位置处还原灰度值从而获得多张静脉纹路图，将多张静脉纹路图进行融合、后处理操作以及二值化操作，最终获得二值化静脉纹路图。本方法用以解决采集的源图片质量低、布光不均匀、图像模糊等情况下不能提取到良好的静脉纹路问题，以提高指静脉纹路的提取质量，提高指静脉识别系统的识别率。
-
公开(公告)号：CN110569815A
公开(公告)日：2019-12-13
申请号：CN201910863738.3
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 针对低质量的指静脉图像，提出了基于改进灰度不均匀矫正的指静脉图像特征提取算法。该算法首先利用Gabor滤波调整图像整体亮度，再利用模糊C均值算法（Fuzzy C-means Clustering,FCM）聚类算法找出图像特征与背景的模糊区域，接着利用特征与背景像素的本质差异对模糊区域进行逐像素处理，然后利用滤波估计图像偏场并去除，再以计算连通域面积的方式，找出并去除部分噪声，最后根据处理后图像中的像素布局信息，获取到原图中的特征信息。本算法实现了针对手指特征与背景模糊情况下的指静脉图像的灰度不均匀矫正，具有较强的鲁棒性。
-
公开(公告)号：CN105916158B
公开(公告)日：2019-04-12
申请号：CN201610309846.2
申请日：2016-05-11
Applicant: 南京邮电大学
CPC classification number: Y02D70/00
Abstract: 本发明是群智感知网络中一种高效节能的数据传输方法，通过无线通信利用携带智能设备的移动人群来解决大规模感知问题的技术。现有大多数传输方案只是利用用户的移动轨迹和历史连接信息进行数据传输，但是这些数据都是动态变化且很难进行事先计算，所以要在节点之间建立稳定的链接尤为困难。为实现高效节能的信息传输，本发明方案根据以地图中心为起点的阿基米德螺线来布置适量的静态节点达到提高节点接触概率和通信覆盖范围的目的。通过使用本发明提出的方法可在有效提高群智感知网络中信息传输成功率的同时降低网络的能耗。
-
公开(公告)号：CN105791118B
公开(公告)日：2019-04-02
申请号：CN201610162633.1
申请日：2016-03-21
Applicant: 南京邮电大学
IPC: H04L12/721 , H04L12/803 , H04L12/851 , H04L12/927
Abstract: 面向LEO/GEO双层卫星网络的路由策略。本发明对现有卫星网络进行改善，提出一种针对LEO/GEO双层卫星网络的具有流量平衡能力、能够满足多业务、多等级用户的卫星网络路由策略，在相同业务前提下，保证了高等级用户数据包的优先发送；在相同等级用户的前提下，保证了高等级业务数据包的优先发送。设计了地域时域的热点影响因子，引导流量向非热点区域转移，实现了流量的负载均衡，减轻了热点区域卫星的压力，提高了网络的吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.026 seconds)
