-
公开(公告)号：CN119254646A
公开(公告)日：2025-01-03
申请号：CN202411339134.6
申请日：2024-09-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多智能体强化学习的通信网络智能管理系统，包括通信协议模块、状态感知模块、数据存储和分析模块、智能体模块、自动化决策模块和资源管理模块；通信协议模块根据网络环境和性能要求定义并管理各智能体之间的通信标准和规则，状态感知模块基于传感器实时收集网络设备的网络流量数据，数据存储和分析模块对网络流量数据进行处理，智能体模块基于处理后的网络流量数据，利用深度神经网络和强化学习模型获取最优流量调整策略，自动化决策模块生成网络管理决策，根据该决策自动调整网络配置、优化资源分配和预防潜在故障，资源管理模块动态调整网络资源的配置。本发明减少对人工干预的依赖，显著提高了网络管理的效率和响应速度。
-
公开(公告)号：CN116883825B
公开(公告)日：2024-08-02
申请号：CN202310923588.7
申请日：2023-07-26
Applicant: 南京信息工程大学
IPC: G06V20/05 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种结合多模态数据融合和Multiplemix的水下目标检测方法，提出多模态数据融合，防止信息丢失的下采样网络SPDmix，卷积注意力融合网络CACmix，此外还提出新的损失函数和正负样本分配策略。该方法分别对输入的单模态RGB图像和单模态多光谱图像数据进行特征提取，并融合两种模态并输入到网络中，在下采样时，不丢弃特征，选择深度融合减少信息丢失。其次通过注意力融合机制赋予特征之间权重来侧重特征之间的交互，使网络学习局部特征的依赖关系。最后通过三个检测头来实现对目标的定位和分类。该发明能够减少网络特征提取过程中信息的丢失，有效的提高了网络的特征提取能力，实现了对水下目标更准确的检测。
-
公开(公告)号：CN116524419A
公开(公告)日：2023-08-01
申请号：CN202310802044.5
申请日：2023-07-03
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V10/80 , G06N3/048
Abstract: 本发明公开了基于时空解耦与自注意力差分LSTM的视频预测方法、系统，该方法包括：引入对抗性损失约束和相似性约束构建时空解耦网络，获得视频的解耦特征；利用差分运算设计动态差分模型，替换传统LSTM单元的遗忘门；在注意力基础上设计一个门控机制，将长时记忆与被注意的特征深度融合，组建新的全局自注意力模型；结合动态差分模型和全局自注意力模型，组建DISA‑LSTM单元，并使用对角循环体系结构堆叠该单元，构建DISA‑LSTM预测网络；基于卷积自编码器搭建网络整体架构，并联合损失函数训练模型。本发明有效提高了网络捕获高维动态复杂特征的能力和视频预测的精确性，降低了高维视频数据给预测工作带来的复杂程度。
-
公开(公告)号：CN115113301B
公开(公告)日：2022-11-18
申请号：CN202211010895.8
申请日：2022-08-23
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明提供一种基于多源数据融合的应急短临预报方法及系统，涉及短临天气预报技术领域。本发明的步骤为：将多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子打包作为数据样本，进行预处理和数据增强，得到训练样本；构建用于融合多源数据的网络，将训练样本输入网络中进行训练，得到训练好的多源数据融合网络；将预测区域之前符合短临预报有效时间内的多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子输入所述训练好的多源数据融合网络，对区域未来若干时间段进行天气预测。本发明的应急短临预报方法，极大提高了预测的准确率。
-
公开(公告)号：CN112614070A
公开(公告)日：2021-04-06
申请号：CN202011576883.2
申请日：2020-12-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于DefogNet的单幅图像去雾方法，该方法以CycleGAN为基础进行适当优化，在生成器中采用跨层连接的结构，增加了模型的多尺度特征提取能力，有效避免过拟合的发生，从而优化图像的质量；设计了独特的损失函数，添加细节感知损失和色彩感知损失，避免去雾操作导致图像的颜色差异、重建缺失等情况，有效提高了去雾后图像的还原度；提出了Defog‑SN算法改进了判别器的结构，使得整个判别网络满足1‑Lipschitz连续，增强了模型的稳定性，有效避免了GANs网络易崩溃的问题。该方法仅仅需要大量的图像便能够顺利达到训练网络的目的，完全省略了人为提取特征的操作，并且不需要场景先验信息，具备了更强的实用性以及精确度，属于一种适应范围较广的方法。
-
Patent Agency Ranking
公开(公告)号：CN112149725A
公开(公告)日：2020-12-29
申请号：CN202010991678.6
申请日：2020-09-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于傅立叶变换的谱域图卷积3D点云分类方法，包括：利用G‑PointNet网络模型对输入的原始点云进行几何采样处理：通过设置一个角度阈值V，将点的邻域夹角值大于的点划分至几何特征区域G且剩余的点划分至其它区域T，采样获得各区域点云；基于Dynamic KNN局部图构造方法引入一个扩张率E，选择性地每隔E个近邻点云建立一个局部几何图。利用基于傅立叶变换的谱域图卷积方法进行谱域图卷积，获得多个池化后的图局部特征并通过G‑PointNet得到全局特征进行分类，获取得到分类结果。本发明有效解决了点云密集程度分布不均匀问题，保留了空间几何信息，能高效的区分点云的边缘点同时分离噪声点，提高分类精度。
-
公开(公告)号：CN108428231A
公开(公告)日：2018-08-21
申请号：CN201810223488.2
申请日：2018-03-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机森林的多参数零件表面粗糙度学习方法，首先，采集散斑图像的训练样本集和测试样本，采用巴特沃斯滤波器对图像进行预处理，对散斑图像进行特征研究，实现了多特征提取，找出特征与粗糙度间的单调性，并构建基于随机森林的强分类器；然后，引入互信息量学习特征权重，并结合相关性系数和随机森林学习参数建立粗糙度学习函数；最后，利用学习好的粗糙度函数对测试样本进行粗糙度测量。该方法建立了一种同时学习工艺类型与粗糙度值的新模型，突破了现有方法中对不同工艺零件需建立多个测量粗糙度值模型的局限性，为粗糙度测量提供了新思路，并通过实验验证了新算法的有效性和实用性。
-
公开(公告)号：CN103796016B
公开(公告)日：2017-08-04
申请号：CN201210417714.3
申请日：2012-10-29
Applicant: 南京信息工程大学
IPC: H04N19/134
Abstract: 本发明提出了基于平均码率控制的DMB气象预警信息信源编码算法。针对发布气象预警信息对信息的实时性要求很高的特点，本发明以X264视频编码为基础,通过对视频压缩模块中的平均码率控制进行设计，提出了基于改进型二次调整的平均码率控制算法，该算法采用了基于灰度直方图的平均绝对误差修正因子和平均比特调整因子来共同调整平均码率，经过该算法编码后的视频数据的码率能稳定在224kbps上，为后期DMB预处理系统的恒定码率输出提供良好的条件，极大地改善了X264原有平均码率控制算法对平均码率控制不准确的问题。本算法压缩后的音视频合成气象预警信息数据量大大减少，且解码质量良好,有利于DMB系统的后续处理。
-
公开(公告)号：CN106355608A
公开(公告)日：2017-01-25
申请号：CN201610816422.5
申请日：2016-09-09
Applicant: 南京信息工程大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于可变权重代价计算与S-census变换的立体匹配方法，利用星型邻域最小均匀度的均值代替中心像素灰度值进行census变换；以可变权重的Hamming距作为匹配代价，采用非局部代价聚合方法获取初始视差；利用基于均值偏移的视差提精方法，对初始视差做进一步的处理，处理不可信视差区域，获得高精度视差图。本发明分析了传统census变换的不足，提出了可变权重代价计算与S-census变换，有效地增强了算法的抗干扰能力；通过可变权重汉明距作为对匹配代价的选取分析方法，有效的提高了匹配精准度，减少了误匹配率；采用非局部代价聚合的方法获取初始视差，提高了视差的区分度；突破了局部立体匹配精度不高、抗干扰能力弱等局限性、能够实现高精度的立体匹配。
-
公开(公告)号：CN105160692A
公开(公告)日：2015-12-16
申请号：CN201510167617.7
申请日：2015-04-09
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种加门限的滑动窗口一阶矩质心计算方法，包括以下步骤，1)使用一阶矩质心算法计算全局图像的质心，得到初始质心位置x0,y0；2)以x0,y0为中心选取边长为r的方形区域作为窗口，再次使用一阶矩质心算法计算此窗口内的质心，得到质心坐标x1,y1；窗口尺寸略大于光斑尺寸；3)定义g＝|x1-x0|为x方向的质心偏差量，l＝|y1-y0|为y方向的质心偏差量；4)判断质心偏差量g和l是否小于门限阈值T，T为0.1pixel,如果小于则将x1,y1作为光斑的质心坐标；否则，令x0＝x1，y0＝y1，转入步骤2)。本发明大大提高了光斑目标的质心计算精度，适用于对精度要求较高的自适应光学系统。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.039 seconds)
