基于两阶段意图共享的多智能体协作的最优策略生成方法

    公开(公告)号:CN116029365A

    公开(公告)日:2023-04-28

    申请号:CN202211685129.1

    申请日:2022-12-27

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于两阶段意图共享的多智能体协作的最优策略生成方法,在每个决策时刻,让各个智能体首先根据自身观测生成意向动作,并将意向动作进行广播,广播结束后智能体收到来自其它智能体的意图信息,接着各个智能体独立计算其它智能体意图信息的重要程度,将其中重要程度足够大的智能体标记为依赖对象,并广播依赖对象集合,广播结束后智能体收到来自其它智能体的依赖对象信息,根据依赖对象信息建立依赖关系图,采用一个贪心算法去除依赖关系图中的循环依赖,最后各个智能体按照依赖关系图根据意向动作信息重新决策。使用该方法可以端到端地自动化生成最优策略。

    一种面向多模态融合模式识别应用的高效分类器堆叠框架

    公开(公告)号:CN108304860B

    公开(公告)日:2022-03-18

    申请号:CN201810007327.X

    申请日:2018-01-04

    Applicant: 南京大学

    Abstract: 本发明公开了一种面向多模态融合模式识别应用的高效分类器堆叠框架包括若干传感器,一个运行时在线数据缓存和一个基于分类器堆叠技术的控制单元。其中,传感器负责和环境和用户交互,获取实时数据;运行时在线数据缓存保存获取的实时数据;基于分类器堆叠技术的控制单元由若干分类器堆叠构成,根据系统要求和传感器配置,使用传感器历史数据,由分类器给出系统稳定性的判断,判断系统是否会发生改变,从而对系统中的传感器进行控制。本发明针对多模态系统中不可避免的高能耗问题,提出了一种高效的系统构建框架,拥有泛用性好,易于构建,能耗低,适用面广等优点,能够有效的运用于各类涉及多模态融合的系统。

    一种基于主题关联关系分析的开源软件推荐方法

    公开(公告)号:CN108717467B

    公开(公告)日:2021-09-28

    申请号:CN201810580303.3

    申请日:2018-06-07

    Applicant: 南京大学

    Abstract: 本发明提供了一种基于主题关联关系分析的开源软件推荐方法。所述基于主题关联关系分析的开源软件推荐方法包括以下步骤:对开源软件的主题提取步骤:使用LDA主题模型对开源软件的项目文档进行主题提取,并用提取得到的主题特征对开源软件进行刻画;对开源软件的关系建模步骤:使用概率矩阵分解方法计算任意两个开源软件之间的关系强度,并根据计算得到的关系强度来为某个特定的开源软件做出推荐。本发明的有益效果是:所述基于主题关联关系分析的开源软件推荐方法具有高效、实用、稳定的优点,可以帮助开发人员更好地实现代码复用、快速原型构建以及寻找替代实现等。

    一种可穿戴体音捕获技术的肠鸣音检测方法

    公开(公告)号:CN110141266B

    公开(公告)日:2021-04-27

    申请号:CN201910379051.2

    申请日:2019-05-07

    Applicant: 南京大学

    Abstract: 本发明公开了一种可穿戴体音捕获技术的肠鸣音检测方法,主要步骤如下:1、通过可穿戴设备,采集腹部双声道音频;2、分别对每个声道的音频数据流进行分帧,得到两组帧序列;3、对两组帧序列进行预处理,找到非肠鸣音的数据帧并将其作为预标记序列;4、对除预标记序列外的每一个帧进行时频域特征提取,计算短时能量、过零率、梅尔倒谱系数,得到n维的梅尔倒谱系数,每一帧得到p维音频特征;计算两个声道两组特征的和与差,得到4*p维特征序列;5、将步骤2得到的音频,通过人工试听和数据标记来获得初始训练集,训练分类器;6、将步骤4得到的4*p维特征序列进行分类,识别出肠鸣音。本发明设备简单,判断速度快,识别结果准确率高。

    一种基于主题关联关系分析的开源软件推荐方法

    公开(公告)号:CN108717467A

    公开(公告)日:2018-10-30

    申请号:CN201810580303.3

    申请日:2018-06-07

    Applicant: 南京大学

    Abstract: 本发明提供了一种基于主题关联关系分析的开源软件推荐方法。所述基于主题关联关系分析的开源软件推荐方法包括以下步骤:对开源软件的主题提取步骤:使用LDA主题模型对开源软件的项目文档进行主题提取,并用提取得到的主题特征对开源软件进行刻画;对开源软件的关系建模步骤:使用概率矩阵分解方法计算任意两个开源软件之间的关系强度,并根据计算得到的关系强度来为某个特定的开源软件做出推荐。本发明的有益效果是:所述基于主题关联关系分析的开源软件推荐方法具有高效、实用、稳定的优点,可以帮助开发人员更好地实现代码复用、快速原型构建以及寻找替代实现等。

    一种基于C/S架构的传感器数据采集系统的实现方案

    公开(公告)号:CN108259557A

    公开(公告)日:2018-07-06

    申请号:CN201711266328.8

    申请日:2017-12-05

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于C/S架构的传感器数据采集系统的实现方案。该系统由客户端和服务端共同构成。其中,客户端基于Android平台,负责对传感器数据进行采集,采集得到的数据会先存储到本地数据库,并由用户选择时机把数据上传给服务器,同时数据亦会以图表的形式展现给用户;服务端基于Java EE框架,负责对客户端用户提供服务,包括新用户的注册,老用户的登录,以及用户数据的上传、存储和下载。本发明针对移动设备的传感器数据采集问题,提出了一种高效的、稳定的、实用的系统实现方案,拥有用户群体广、开发成本低、可扩展性高等优点,能够有效运用于各类需要大量的移动设备传感器数据的应用。

    实时数据流模式识别应用的数据补全方法

    公开(公告)号:CN104484673B

    公开(公告)日:2017-10-20

    申请号:CN201410737932.4

    申请日:2014-12-05

    Applicant: 南京大学

    Inventor: 吕建 汪亮 陶先平

    Abstract: 本发明公开了一种针对实时数据流模式识别应用中数据缺失问题的数据补全方法。该数据补全方法包含一个运行时动态缓存、一项数据完整性指标和一个基于滑动窗口的迭代式数据补全算法构成。其中,运行时动态缓存保存获取的实时数据;数据完整性指标根据数据率与当前滑动窗口中数据的分布来判断数据完整性;数据补全算法根据数据完整性,迭代地使用缓存的历史数据来对当前滑动窗口的数据进行补全。本发明针对实时数据流模式识别应用中常见的数据缺失问题,提出了一种高效的数据补全方法,拥有补全效果好、在线化程度高、适用面广、对应用透明等优点,能够有效运用于各类针对连续实时数据流的模式识别应用。

    一种基于可穿戴音频设备的行人相对位置定位方法

    公开(公告)号:CN105785353A

    公开(公告)日:2016-07-20

    申请号:CN201610192621.3

    申请日:2016-03-30

    Applicant: 南京大学

    Inventor: 汪亮 陶先平 吕建

    CPC classification number: G01S11/14

    Abstract: 本发明公开了一种基于可穿戴音频设备的行人相对位置定位方法。该方法利用可穿戴式设备,包括智能手机和智能手表的音频模块作为音频收发装置。以行走时行人手臂的自然摆动为切入点,通过将用户行走时手臂的挥动动作编码到音频信号中,以接收到的音频信号因挥动而造成的多普勒效应为基本原理,通过模式识别的方法来完成对行人相对位置的定位。该方法具有设备简单易获取、不需要设备间以及服务器间通信、定位速度快、正确率高等优点,能够广泛应用于队形检测、人流预测、社会关系分析等诸多应用领域。

    基于移动软件代理的智能空间移动打印方法

    公开(公告)号:CN101655778A

    公开(公告)日:2010-02-24

    申请号:CN200910183445.7

    申请日:2009-09-22

    Applicant: 南京大学

    Inventor: 吕建 汪亮 陶先平

    Abstract: 本发明公开了一种基于移动软件代理的智能空间移动打印机方法,首先由打印机安装服务、打印服务和打印机调度服务提供者向查找服务注册服务属性信息,上传服务代理;然后由客户端下载打印机调度服务代理;最后由客户端根据自身当前位置,通过打印机调度服务代理查询最接近的打印机服务属性,并获取对应打印机安装服务代理或打印服务代理,来完成移动打印任务。本发明的优点在于:调度算法能够为用户选择最接近的打印机进行打印;后台自动实现打印机资源的管理和调度,用户参与少;使用软件代理技术,能够适应动态的网络结构,并且有效减轻网络负担;使用租用机制,能够及时检测到服务的失效,保证服务信息的有效性。

    基于深度学习模型的开源软件项目拉取请求预测方法

    公开(公告)号:CN119902745A

    公开(公告)日:2025-04-29

    申请号:CN202510005033.3

    申请日:2025-01-02

    Applicant: 南京大学

    Abstract: 本发明公开一种基于深度学习模型的开源软件项目拉取请求预测方法,用于识别和预测来自开源软件项目分支的潜在拉取请求贡献,包括通过对开源软件副本的提交信息进行建模,模拟真实贡献的创建过程;通过设计一种时序过滤策略对提交历史中的关键提交子集进行筛选;最后通过副本提交中的文字与代码特征构建出一种对潜在拉取请求贡献的识别框架。本发明的Early拉取请求框架具有提前、准确与可扩展的优点,能够通过提前预测提交贡献,帮助开源项目更高效地管理分支和拉取请求,优化开发流程,提升项目协作效率等。

Patent Agency Ranking