公开(公告)号：CN114491095B

公开(公告)日：2024-10-01

申请号：CN202210054508.4

申请日：2022-01-18

Applicant: 南京大学

Inventor： 胡广伟 ,  丁浩

IPC: G06F16/435 ,  G06F16/432 ,  G06F16/48

Abstract: 基于时序漂移的潜在因子模型对项目的推荐方法，通过采集所需要推荐项目的历史信息，构建时序漂移矩阵分解模型以及时序漂移联合目标函数后，对联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。本发明考虑并结合了用户的时序动态偏好演变以及用户过去行为对当前行为的影响关系进行建模，通过构建辅助矩阵捕捉用户两个时期之间演变关系，引入时间影响因子平衡当前和过去行为的影响，并在三个实验数据集中和基线方法对比测试均取得较好的仿真推荐效果，以说明本发明具有更优越的有效性。

公开(公告)号：CN113343077A

公开(公告)日：2021-09-03

申请号：CN202110481624.X

申请日：2021-04-30

Applicant: 南京大学

Inventor： 胡广伟 ,  丁浩

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 一种融合用户兴趣时序波动的个性化推荐方法及系统，该方法包括采集用户与商品的交互数据，融合时序波动变化，对用户兴趣时序波动进行识别分类，得到小幅和大幅兴趣两种波动序列，分别使用小幅兴趣波动序列以及大幅兴趣波动序列有针对性地对用户不同时段的兴趣波动变化建模进行预测，并根据预测结果完成对用户的个性化推荐。本发明通过研究抽取不同幅度的用户兴趣波动特征，更好地挖掘和刻画用户兴趣波动变化，实现动态精准的个性化服务，很好地提高预测准确性和可解释性。

公开(公告)号：CN117437146B

公开(公告)日：2024-09-13

申请号：CN202311310501.5

申请日：2023-10-10

Applicant: 南京大学

Inventor： 张益昕 ,  王若凡 ,  张旭苹 ,  丁浩 ,  姚媛媛 ,  邹宁睦 ,  王顺 ,  王峰

IPC: G06T5/70 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于CNN‑Transformer的DAS去噪方法，将DAS系统采集的含噪声原始数据图像建立数据集，交由CNN模块经过卷积层与池化层后提取图像局部特征；同时将相同的图像传递给Transformer模块，提取图像全局特征；将并行执行的两个模块的提取结果进行下采样，对输出结果进行反卷积计算，并将结果与下采样过程中相应特征层生成的特征地图进行拼接，通过使用全局和局部的特征来还原出去噪后的信号图像。本发明实现了对DAS系统图像的精准去噪。

公开(公告)号：CN118539989A

公开(公告)日：2024-08-23

申请号：CN202410089757.6

申请日：2024-01-22

Applicant: 南京大学

Inventor： 张益昕 ,  丁浩 ,  邓启明 ,  张旭苹 ,  邹宁睦 ,  张驰 ,  王峰

IPC: H04B10/61 ,  H04B10/64 ,  H04B10/071 ,  H04B10/2507

Abstract: 本发明公开了一种基于频域滤波和空间相移的φ‑OTDR相位解调方法，包括：将脉冲光和本征光输入光电探测器进行转换以获取光电流；去除直流分量，得到中频分量电流；将中频分量电流转换为二维时空信号，采用快速傅里叶变换将二维时空信号转化为相应的二维频域信号；根据需要提取信号的频率滤除二维频域信号中的共轭部分信号，再将保留信号的频谱频移到频域中心以获取新的频域信号；获取信号的二维时空包裹相位并进行相位解包裹操作，得到相位展开后二维时空相位信号，作为最后的解调结果。本发明能够在不改变分布式光纤传感系统的光路结构和硬件组成的情况下，直接对中频信号进行数字处理，实现解调操作。

公开(公告)号：CN114491095A

公开(公告)日：2022-05-13

申请号：CN202210054508.4

申请日：2022-01-18

Applicant: 南京大学

Inventor： 胡广伟 ,  丁浩

IPC: G06F16/435 ,  G06F16/432 ,  G06F16/48

Abstract: 基于时序漂移的潜在因子模型对项目的推荐方法，通过采集所需要推荐项目的历史信息，构建时序漂移矩阵分解模型以及时序漂移联合目标函数后，对联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。本发明考虑并结合了用户的时序动态偏好演变以及用户过去行为对当前行为的影响关系进行建模，通过构建辅助矩阵捕捉用户两个时期之间演变关系，引入时间影响因子平衡当前和过去行为的影响，并在三个实验数据集中和基线方法对比测试均取得较好的仿真推荐效果，以说明本发明具有更优越的有效性。

公开(公告)号：CN117437146A

公开(公告)日：2024-01-23

申请号：CN202311310501.5

申请日：2023-10-10

Applicant: 南京大学

Inventor： 张益昕 ,  王若凡 ,  张旭苹 ,  丁浩 ,  姚媛媛 ,  邹宁睦 ,  王顺 ,  王峰

IPC: G06T5/70 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于CNN‑Transformer的DAS去噪方法，将DAS系统采集的含噪声原始数据图像建立数据集，交由CNN模块经过卷积层与池化层后提取图像局部特征；同时将相同的图像传递给Transformer模块，提取图像全局特征；将并行执行的两个模块的提取结果进行下采样，对输出结果进行反卷积计算，并将结果与下采样过程中相应特征层生成的特征地图进行拼接，通过使用全局和局部的特征来还原出去噪后的信号图像。本发明实现了对DAS系统图像的精准去噪。