-
公开(公告)号：CN114580506B
公开(公告)日：2025-04-25
申请号：CN202210149568.4
申请日：2022-02-18
Applicant: 南京大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于数据精简的高效异常流量检测方法和系统，获取基站数据库中的真实数据；随机初始化模拟数据；随机初始化一个异常流量检测模型；分别使用真实数据和模拟数据训练模型，记录模型在两组数据上的损失函数和对应的参数梯度；计算两组梯度之间的欧式距离；最小化上述欧式距离以更新模拟数据；重复上述过程，直到模拟数据收敛，记录模拟数据，并清空基站数据库中的真实数据。用户选定一种异常流量检测模型，初始化该模型；获取之前保存的模拟数据；使用模拟数据训练该模型。本发明基于梯度匹配来获取少量的模拟数据，大大减缓了基站数据库的存储压力，并保证模型的性能不变差。
-
公开(公告)号：CN113822228B
公开(公告)日：2024-03-22
申请号：CN202111253733.2
申请日：2021-10-27
Applicant: 南京大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06N5/02 , G06N20/00
Abstract: 本发明公开一种基于持续学习的用户表情识别方法和系统，包括数据采集步骤，持续学习步骤和用户表情测试步骤；首先收集不同种类的用户表情，包括特征数据和特征的标记数据；然后利用当前用户表情种类训练一个模型；在学习用户新种类表情时采用最优输运技术建立以往表情和新类表情的映射关系，以重用以往的模型；最后利用新收集到的用户表情更新已有模型。本发明可以解决用户新旧表情无法同时获得，以及只能利用已有模型和新的用户表情建立一个新模型的难点，并且本发明实施过程中占用资源少，适用性强。
-
公开(公告)号：CN117575729A
公开(公告)日：2024-02-20
申请号：CN202311531198.1
申请日：2023-11-16
Applicant: 南京大学
IPC: G06Q30/0601 , G06F18/22 , G06F18/214 , G06N20/00
Abstract: 本发明公开一种基于表示与度量的用户个性化强化学习推荐系统，使用代表一般用户偏好的数据集和预训练模型进行初始化，并按时间步收集用户数据并更新强化学习模型。使用图像数据代表商品，将用户的操作历史通过表示学习方法得到便于计算和度量的表示，根据用户历史数据，按照强化学习策略给出推荐商品集，并依照用户的点击行为与界面浏览时间计算出奖励值。将表示、推荐商品集和奖励值拼接起来，存储到回放缓存中，度量缓存中数据与当前观测值的相似度并采样相似度较高的缓存序列，进一步更新强化学习的策略，以实现持续地与用户交互并给出推荐。本发明考虑商品的图像输入，提高了缓存中历史数据与同策略行为的相似度，有利于实现用户的个性化推荐。
-
公开(公告)号：CN110502660B
公开(公告)日：2024-02-13
申请号：CN201910803477.6
申请日：2019-08-28
Applicant: 南京大学
IPC: G06F16/583 , G06F16/55 , G06V10/74 , G06V10/764
Abstract: 本发明公开一种弱监督下的多距离度量图像检索方法，获取图像及图像数据的弱监督关联信息；初始化K个距离度量；在收集到的数据上优化距离度量；检查K个距离度量是否合法；对不合法的距离度量做投影，将其变换为合法的距离度量；重复上述过程，直到所有距离度量都不再产生较大的变化，返回获取的K个距离度量函数；用户输入一张图片，从数据库中检索与这张图片相似的图片；分别计算K个相似度函数给出的被检索图片和数据库中所有候选图片之间的相似度；利用聚合函数将K个相似度进行聚合，获取该图片在各种语义下和数据库中所有图片的整体相似度；返回整体相似度最高的若干张候选图片。本发明考虑图像之间多种相似性和内在关联，提高检索准确度。
-
公开(公告)号：CN114663696A
公开(公告)日：2022-06-24
申请号：CN202210149567.X
申请日：2022-02-18
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明公开一种适用于小样本医疗图像分类的类别增量学习方法和系统，首先基于已有医疗图像样本训练基础分类模型，然后采集不同类别的医疗图像样本，包括病理图片和对应的疾病类别，并基于图片特征计算新增类别代表性特征，并替换作为分类器模型的全连接层；然后在已有的医疗图像数据集上构造类别增量学习任务，学习特征调整模块；最后在医疗图像测试过程中利用特征调整模块对模型预测进行校准。本发明可以解决医疗图片因隐私问题无法同时获得，以及只能利用已有模型和新的医疗图片建立一个新模型的难点，并且本发明实施过程中占用资源少，适用性强。
-
Patent Agency Ranking
公开(公告)号：CN113989556A
公开(公告)日：2022-01-28
申请号：CN202111253761.4
申请日：2021-10-27
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种小样本医学影像分类方法和系统，该方法包括图像收集、无监督特征训练、基于小样本的模型生成；首先从网络或者其他渠道，收集多种医学影像数据；然后利用采集的图像，使用基于混合困难近邻的无监督特征方法得到一个具有泛化性的预训练模型；在小样本场景下，使用预训练模型提取不同类的样本特征，根据特征计算类原型，在后续分类任务中，选取相似性最高的原型所处的类，作为新样本的预测类别。本发明不依赖于样本标记，使用无监督学习方法迁移知识，在保证准确率的前提下，大大减少样本获取成本和标注成本。
-
公开(公告)号：CN110503065A
公开(公告)日：2019-11-26
申请号：CN201910802557.X
申请日：2019-08-28
Applicant: 南京大学
Abstract: 本发明公开一种基于距离度量的移动设备用户动作姿态识别方法，包括训练数据收集步骤，全局模型训练步骤，局部模型适配步骤和识别步骤；首先对于特定的动作姿态利用移动设备内置传感器进行数据收集，收集大量用户的动作数据后训练全局模型提取其中一致的度量特征，然后在具体用户上采用将全局度量模型适配到单用户小数据上的方式，最后通过适配后的模型在移动设备上进行行为识别。本发明的方法在实施过程中对于单一用户的数据需求量小，并能在具体用户上提高模型精度，对于用户特有的动作姿态进行准确建模和识别。
-
公开(公告)号：CN106250924B
公开(公告)日：2019-07-16
申请号：CN201610600041.3
申请日：2016-07-27
Applicant: 南京大学
IPC: G06K9/62
Abstract: 本发明公开一种基于多示例学习的新增类别检测方法，首先利用多示例学习中较为成熟的关键示例检测算法将多示例“包”中的关键示例抽取出来；之后，对于每个已知类别，将其对应的关键示例结合为一个“类别超包”，同时未被认定为关键示例的所有示例组成一个“元超包”；随后，包与超包之间的距离就可以通过后续的度量学习来确定。在实用阶段，对于已知类别的包，根据其距离最近的类别超包来判定其概念类别；而对于新增类别的包，由于不存在它对应的类别超包，距离它最近的超包则应为元超包，如此可以根据这一情形来判定其为新增类别。
-
公开(公告)号：CN114662379B
公开(公告)日：2025-05-23
申请号：CN202210149681.2
申请日：2022-02-18
Applicant: 南京大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开一种基于预测不确定性的鲁棒模拟滤波器辅助设计方法和系统，包括训练数据的收集和不确定性预测模型的训练，以及利用不确定性模型进行辅助设计；首先使用模拟方法获得加入噪声的数据并利用这些数据训练不确定性预测模型，然后利用不确定性预测模型在滤波器设计过程中对其鲁棒性进行评估。本发明的方法能够在不进行实物实验的情况下估计特定滤波器参数在实际实现后的鲁棒性，能够有效减少实验成本，同时也允许使用较低精度的器件，降低模拟滤波器的生产成本。
-
公开(公告)号：CN116704248B
公开(公告)日：2024-10-25
申请号：CN202310672837.X
申请日：2023-06-07
Applicant: 南京大学 , 中国医科大学附属第一医院
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于多语义不平衡学习的血清样本图像分类方法。首先，对原始图像进行裁剪和边缘识别等，获取含有血清样本信息的方形图片；接着，对训练样本进行预处理后使用深度10进行训练，构建分类模型，在模型评估时构建再平衡的数据集并进行联合测试，使得方法不会偏向于出现次数较多的类别；对样本图像训练一个二分类模型；然后，分别对这些模型使用应对类别不平衡的深度学习方法进行优化；最后，将得到的模型综合起来，得到一个用于识别血清样本质量的模型。本发明提出了一种新的应对多语义类别不平衡学习的方法，并结合神经网络二分类方法，实现了较高的图像分类精度。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.02 seconds)
