-
公开(公告)号:CN107562928B
公开(公告)日:2019-11-15
申请号:CN201710831973.3
申请日:2017-09-15
Applicant: 南京大学
IPC: G06F16/35
Abstract: 本发明公开了一种CCMI文本特征选择方法,从预处理过后的语料库中提取所有的特征,构成原始特征集合F;选择改进的χ2统计(IPX2)和改进的互信息(IPMI)并将二者联合作为评估函数,对原始特征集合F中的每个特征计算其评估函数值;对原始特征集合F中的特征根据其评估函数值以从高到低的顺序进行排序,选择最佳数量的特征构成新的特征集合,形成降维后的特征空间V。该方法同时适用于平衡数据集和非平衡数据集,并且能取得不错的分类效果。
-
公开(公告)号:CN104504332B
公开(公告)日:2017-12-15
申请号:CN201410836475.4
申请日:2014-12-29
Applicant: 南京大学
IPC: G06F21/55
Abstract: 本发明涉及一种基于二次移动点策略的否定选择入侵检测方法,本发明首先对数据集T作预处理,分为训练数据集D和测试数据集。在训练数据集D中遍历非自体,生成候选检测器中心,或者在[0,1]空间中随机生成候选检测器中心。先根据第一次移动策略,将候选检测器中心移出包含它的成熟检测器,再根据第二次移动策略生成新的检测器并加入成熟检测器集合,直至成熟检测器个数达到预定的阈值。最后利用测试数据集在生成的成熟检测器集合上进行验证。本发明具有高检测率与高召回率的优点,在充分利用实际数据中已有的非自体信息的基础上,有效改善了否定选择入侵算法的效果,可用于识别异常的网络数据,确保网络安全。
-
公开(公告)号:CN113627435A
公开(公告)日:2021-11-09
申请号:CN202110788961.3
申请日:2021-07-13
Applicant: 南京大学 , 南京和光智能制造研究院有限公司 , 南京拓思智能科技有限公司
Abstract: 本发明公开了一种瓷砖瑕疵检测与识别方法及系统,获取真实场景下瓷砖瑕疵图片及其位置与类别信息;将获取的信息输送到预先构建的基于深度学习的瓷砖瑕疵检测与识别网络训练网络,得到训练好的瓷砖瑕疵检测与识别网络参数,将训练好的瓷砖瑕疵检测识别网络参数加载到人工预先设计好的基于深度学习的瓷砖瑕疵检测与识别神经网络当中;获取从生产线上采集的瓷砖图片信息,并输入到训练好的瓷砖瑕疵检测与识别网络,判断当前瓷砖是否存在瑕疵以及如果存在瑕疵,那么输出瓷砖瑕疵的位置与类别信息。优点:提高了瓷砖瑕疵检测与识别的速度、准确率和鲁棒性。
-
公开(公告)号:CN107577785B
公开(公告)日:2020-02-07
申请号:CN201710832304.8
申请日:2017-09-15
Applicant: 南京大学
IPC: G06F16/953 , G06F16/951 , G06F16/35 , G06F40/289 , G06K9/62
Abstract: 本发明公开了一种适用于法律识别的层次多标签分类方法,包括以下步骤:步骤1,从经过预处理的裁判文书中提取案件事实及其法律条文;步骤2,基于标签空间的层次结构,扩展案件事实对应的法律条文,使案件样本的类别标签为标签空间的一个子集;步骤3,对案件事实文本进行分词和词性标注,对分词结果进行特征选择,选取能够充分表示案件事实的特征词构建特征向量;步骤4,构建预测模型:找出未见实例x在扩展多标签训练集中的k近邻样本集合N(x),给每个近邻样本设置权重,根据k个近邻样本对各个类别的分类权重计算未见实例属于各个类别的置信度,最后预测未见实例的类别标签集合。
-
公开(公告)号:CN104503874A
公开(公告)日:2015-04-08
申请号:CN201410837805.1
申请日:2014-12-29
Applicant: 南京大学
Abstract: 本发明公开一种云计算平台硬盘故障预测方法,首先根据预测时间窗口内的硬盘维修记录将硬盘SMART日志数据标记为正常硬盘样本和故障硬盘样本,之后采用K-means聚类算法将去除噪音后的正常硬盘样本划分成k个不相交子集,并分别与故障硬盘样本结合,根据SMOTE过采样算法生成k组平衡训练集,以此训练得到k个支持向量机分类器,用于故障硬盘的预测。在预测阶段,首先采用DBSCAN聚类算法对测试集进行聚类,将聚类簇中的样本预测为正常硬盘样本,而对噪音样本利用训练得到的各个分类器进行预测,并投票得到最终预测结果。本发明的方法实现了利用硬盘SMART数据进行硬盘故障预测,并且能够取得较好的故障查全率和整体性能。
-
公开(公告)号:CN115205184A
公开(公告)日:2022-10-18
申请号:CN202110383165.1
申请日:2021-04-09
Applicant: 南京大学 , 南京拓思智能科技有限公司 , 南京和光智能制造研究院有限公司
IPC: G06T7/00 , G06T5/00 , G06V10/30 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种瓶盖瑕疵检测方法及系统,包括:获取从流水线上采集的瓶盖生产图片;输入到预先训练好的瓶盖瑕疵检测与识别网络,依次通过瓶盖瑕疵检测与识别网络的多层特征提取以及多层特征融合,得到当前图片的全局图片融合特征,对全局图片融合特征进行计算,分析是否存在瑕疵,若存在则输出瑕疵的位置与类别信息。优点:本发明通过预先训练好的基于深度学习的瓶盖的瑕疵检测与识别神经网络判断当前瓶盖是否存在瑕疵以及存在的瑕疵的位置与类别信息,提高了瓶盖的瑕疵检测与识别的速度、准确率和鲁棒性。
-
公开(公告)号:CN114943698A
公开(公告)日:2022-08-26
申请号:CN202210527181.8
申请日:2022-05-16
Applicant: 南京大学
Abstract: 本发明公开一种结合梯度解耦与对比学习的小样本瑕疵检测方法,本发明方法主要包括目标检测数据集的预训练、生成符合瑕疵数据特征的锚点、调整目标检测模型并输入生成的锚点训练和瑕疵的检测四个阶段。预训练阶段使用大规模目标检测数据集训练目标检测模型,可以大幅度减少模型的训练时间,使模型具有目标定位能力,其中梯度解耦模块用于解耦候选框提取网络和候选框预测网络,可在训练时获取更符合网络特征的信息,加强模型学习能力。使用瑕疵数据集和锚点对调整后的目标检测模型进行训练生成瑕疵检测模型,训练冻结骨干网络权重并在候选框预测网络中添加对比分支,对比分支可以使不同类别的候选框特征差距更大,加强模型的分辨能力,精确度更高。
-
公开(公告)号:CN111127450A
公开(公告)日:2020-05-08
申请号:CN201911371902.5
申请日:2019-12-27
Applicant: 南京大学 , 南京和光智能制造研究院有限公司
Abstract: 本发明公开了一种基于图像的桥梁裂缝检测方法及系统,包括以下步骤:1)获取桥梁图像;2)对获取的桥梁图像进行预处理;3)利用形态学算子对步骤2)处理后的图像进行噪声抑制和裂缝连接;4)利用Hough直线检测算法对步骤3)处理后的图像进行噪声抑制;5)利用形状特征对步骤4)处理后的图像进行噪声抑制,得到最终的检测结果。优点:通过设计多重噪声抑制步骤,有效排除了桥梁裂缝图像中钢筋、接缝等结构以及阴影、水迹等自然因素对裂缝分割造成的干扰;同时算法速度较快,适合高分辨率图像分割。除此之外,算法检测裂缝灵敏度高,对于较细小的裂缝也有较好的检测效果。
-
公开(公告)号:CN107562928A
公开(公告)日:2018-01-09
申请号:CN201710831973.3
申请日:2017-09-15
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种CCMI文本特征选择方法,从预处理过后的语料库中提取所有的特征,构成原始特征集合F;选择改进的χ2统计(IPX2)和改进的互信息(IPMI)并将二者联合作为评估函数,对原始特征集合F中的每个特征计算其评估函数值;对原始特征集合F中的特征根据其评估函数值以从高到低的顺序进行排序,选择最佳数量的特征构成新的特征集合,形成降维后的特征空间V。该方法同时适用于平衡数据集和非平衡数据集,并且能取得不错的分类效果。
-
公开(公告)号:CN113627435B
公开(公告)日:2024-07-26
申请号:CN202110788961.3
申请日:2021-07-13
Applicant: 南京大学 , 南京和光智能制造研究院有限公司 , 南京拓思智能科技有限公司
IPC: G06V10/25 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种瓷砖瑕疵检测与识别方法及系统,获取真实场景下瓷砖瑕疵图片及其位置与类别信息;将获取的信息输送到预先构建的基于深度学习的瓷砖瑕疵检测与识别网络训练网络,得到训练好的瓷砖瑕疵检测与识别网络参数,将训练好的瓷砖瑕疵检测识别网络参数加载到人工预先设计好的基于深度学习的瓷砖瑕疵检测与识别神经网络当中;获取从生产线上采集的瓷砖图片信息,并输入到训练好的瓷砖瑕疵检测与识别网络,判断当前瓷砖是否存在瑕疵以及如果存在瑕疵,那么输出瓷砖瑕疵的位置与类别信息。优点:提高了瓷砖瑕疵检测与识别的速度、准确率和鲁棒性。
-
-
-
-
-
-
-
-
-