-
公开(公告)号：CN104655135B
公开(公告)日：2018-03-06
申请号：CN201510084399.0
申请日：2015-02-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于地标识别的飞行器视觉导航方法，属于飞行器视觉导航领域。该方法具体包括：通过对成像传感器采集待处理图像序列中的地标进行识别，利用序列图像中相邻两帧图像中识别出的地标位置和飞行器的飞行参数信息解算出地标到当前帧图像对应的飞行器的距离，进而解算出飞行器在地球坐标系下的坐标信息；最后，根据解算出的飞行器在地球坐标系下的坐标信息和飞行器的规划的航迹进行航迹校正。本发明在成像制导、飞行器视觉导航等方面提供了技术支撑，该发明具有可靠性好、实用价值高等特点。
-
公开(公告)号：CN107330477A
公开(公告)日：2017-11-07
申请号：CN201710605177.8
申请日：2017-07-24
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6223
Abstract: 本发明公开了一种针对非均衡数据分类的改进SMOTE再抽样方法。该方法首先用K-Means方法对样本集中的少数类样本进行聚类，并删除聚类后每个类簇质心距离多数类样本最近的噪声样本类，而后在每一个类簇中利用KNN方法将类簇分为三类并删除噪声样本类。最后在每一个类簇中输入一个随机数并根据随机数与类簇中样本集类型的占比关系选择某个样本集进行SMOTE方法过抽样。本发明提出的改进型K-Means-SMOTE方法相比传统SMOTE方法在预测网路电视机顶盒用户的投诉模型中效果显著提高。
-
公开(公告)号：CN106658703A
公开(公告)日：2017-05-10
申请号：CN201610890601.3
申请日：2016-10-12
Applicant: 南京邮电大学
CPC classification number: H04W64/00 , G01S5/0252 , G01S11/06 , H04W24/02
Abstract: 本发明公开了一种基于余弦相似度的RSS检测差异补偿方法，该方法引入余弦相似度作为不同设备之间能否进行RSS室内定位精度差异补偿的度量标准，对满足度量标准的设备组通过比值校正的方法补偿RSS检测定位精度的差异，有效解决了由于不同设备RSS检测能力差异带来的精度和稳定性下降问题。此外，系统通过Android平台软件设计验证了本发明的有效性和可靠性。实验结果表明，本发明有效提高了定位精度和定位稳定性。
-
公开(公告)号：CN103795481B
公开(公告)日：2017-02-22
申请号：CN201410042029.6
申请日：2014-01-28
Applicant: 南京邮电大学
IPC: H04B17/382
Abstract: 本发明公开了一种基于自由概率理论的协作频谱感知方法，该方法适用于MIMO通信环境，首先对各个次基站的多个天线的接收信号进行采样，采样信号将进行集中处理；接着根据所有接收采样信号和信道的噪声方差，借助于随机矩阵的渐近自由特性和Wishart分布特性，采用基于自由解卷积的算法求解所有接收天线的平均接收信号功率 也就是检测统计量；然后依据目标虚警概率pf，运用Monte Carlo仿真在仅有噪声存在的情况下计算检测阈值τ；最后将 和τ进行比较，判断主基站是否在发送信号。该发明能够从次基站的接收信号中获得准确的接收功率，而且可以有效地提高频谱感知性能，尤其是在低信噪比和小样本情况下。
-
公开(公告)号：CN105550704A
公开(公告)日：2016-05-04
申请号：CN201510916426.6
申请日：2015-12-10
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6267
Abstract: 本发明公开了基于混合公共因子分析器的分布式高维数据分类方法，该方法通过网络中不同节点之间的协作，以分布式方式实现高维数据的分类。各个节点处用混合公共因子分析器来建模其高维数据的分布，整个分类分成训练和识别两个部分。在训练过程中，首先进行模型参数的初始化和局部计算，然后将计算好的三组中间变量进行广播扩散，当节点收到其邻居节点广播来的中间变量时，计算联合统计量并完成参数的估计，该过程不断迭代直至收敛。在识别阶段，待分类的数据输入任一节点，计算其关于训练出的每一类数据所对应的模型的对数似然值，将最大对数似然值对应的类别作为识别结果。采用本方法可以实现高维数据的分布式降维，网络中的每个节点都获得较高并且一致的分类性能，此外节点间只传输交互中间变量可以有效地保护数据的隐私。
-
Patent Agency Ranking
公开(公告)号：CN103795481A
公开(公告)日：2014-05-14
申请号：CN201410042029.6
申请日：2014-01-28
Applicant: 南京邮电大学
IPC: H04B17/00
Abstract: 本发明公开了一种基于自由概率理论的协作频谱感知方法，该方法适用于MIMO通信环境，首先对各个次基站的多个天线的接收信号进行采样，采样信号将进行集中处理；接着根据所有接收采样信号和信道的噪声方差，借助于随机矩阵的渐近自由特性和Wishart分布特性，采用基于自由解卷积的算法求解所有接收天线的平均接收信号功率也就是检测统计量；然后依据目标虚警概率pf，运用Monte？Carlo仿真在仅有噪声存在的情况下计算检测阈值τ；最后将和τ进行比较，判断主基站是否在发送信号。该发明能够从次基站的接收信号中获得准确的接收功率，而且可以有效地提高频谱感知性能，尤其是在低信噪比和小样本情况下。
-
公开(公告)号：CN119577328A
公开(公告)日：2025-03-07
申请号：CN202411625308.5
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/10 , G06F18/2433 , G06N3/0442 , G06N3/084 , G06Q50/06 , H02J3/00
Abstract: 一种基于CNN‑LSTM的高压用户用电数据预测方法，以高压用户用电数据为研究对象，使用LOF方法对高压用户的历史电力消费数据进行清理，去除不合理的离群数据，减低了离群数据对预测模型的性能的影响。通过数据分类与特征工程，将原始数据转换为更具代表性的特征集，便于模型学习。通过数据归一化降低数据的波动性，从而提高模型训练的稳定性和收敛速度。然后构建CNN‑LSTM混合模型，即在长短期记忆网络LSTM的基础上加入卷积神经网络CNN。该混合模型由CNN和LSTM两部分组成，CNN用于提取数据的局部特征，LSTM用于捕捉时间序列的依赖关系，进而进行较为精确的电力消费预测。完成模型的构建与训练后，本发明还通过均方误差和图形化方法对模型的预测结果进行有效直观评估。
-
公开(公告)号：CN119011844A
公开(公告)日：2024-11-22
申请号：CN202411075764.7
申请日：2024-08-07
Applicant: 南京邮电大学
IPC: H04N19/154 , H04N19/70 , H04N19/42 , H04L1/00 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种应对多变场景的跨模态信源信道联合编解码方法，涉及跨模态图像信号重建技术领域，包括：首先设计于Transformer编码器的跨模态信道编解码优化方案，实现信道编码器与信道解码器的性能提升与鲁棒性。其次设计基于隐扩散模型的触觉‑图像生成的跨模态信源编解码优化方案，实现图像信号丢失场景下，利用触觉信息指导图像生成；最后引入迁移学习技术，降低了系统面对多变跨模态通信场景例如多变信道信噪比，不同传输任务等导致的额外训练成本。本发明提供的信源信道联合编解码方法能够在跨模态通信多变场景下解决了接收端无法很好完成图像重建以及多变信道环境和场景导致的额外模型训练成本。
-
公开(公告)号：CN114677311B
公开(公告)日：2024-11-12
申请号：CN202210205553.5
申请日：2022-03-03
Applicant: 南京邮电大学
IPC: G06T5/50 , G06T5/73 , G06T5/60 , G06T7/529 , G06V10/40 , G06V10/22 , G06V10/74 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种基于注意力机制的跨模态图像修复方法及装置，方法包括：选取多模态数据集，包括缺损图像数据、真实图像数据和触觉信号，将该数据集划分为训练集和测试集；设计一个基于注意力机制的跨模态图像修复AGVI模型，该模型包括可学习特征提取、转移特征注意力、相关嵌入学习和跨模态图像修复四个模块；利用训练集对跨模态图像修复AGVI模型进行训练，得到最优的跨模态图像修复AGVI模型结构及网络参数；利用测试集中的触觉信号和缺损图像数据，基于最优的跨模态图像修复AGVI模型进行跨模态修复图像。本发明通过引入注意力机制，精准定位图像缺损区域，并利用触觉信号中的关键信息修复预测、填充该区域，实现图像高质量、细粒度修复。
-
公开(公告)号：CN117236045A
公开(公告)日：2023-12-15
申请号：CN202311254535.7
申请日：2023-09-27
Applicant: 南京邮电大学
IPC: G06F30/20 , G06F9/445 , G06F16/35 , G06F16/36 , G06F18/2415 , G06T17/05 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于OSG与知识图谱的三维战场态势仿真方法，使用osgEarth生成高质量的地球模型，并加载战场环境的数字高程模型和数字正射影像图，构建准确真实的三维数字地形模型。采用动态加载技术，根据当前视域显示的场景元素，预测下一步可能加载的元素，并进行数据的预加载和卸载处理，控制内存占用，确保不影响场景浏览。从装备数据库导入战场模型单位文件，将其作为gnode节点添加到场景树groot中，设置位置、标识和动画回调，丰富观察视角。利用Neo4j API与Neo4j客户端通信，将OSG实体与知识图谱中的节点相关联，建立战场的知识图谱，维护战场态势的完整性和准确性。最后利用改进的RGCN图神经网络算法进行实体分类补全知识图谱，并能够很好地挖掘潜在的实体关系。
-
-
-
-
-
-
-
-
-
Search Results
169
records
(took 0.071 seconds)
