-
公开(公告)号：CN114691989B
公开(公告)日：2025-02-25
申请号：CN202210286591.8
申请日：2022-03-23
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/638 , G06F16/635 , G06F16/683 , G06F18/22
Abstract: 本发明公开一种基于用户隐式反馈行为的推荐方法及推荐系统，其中方法包括获取目标用户行为日志数据和参考用户行为日志数据；根据预设的积分规则，获得参考用户‑参考歌单‑参考行为‑参考评分向量表和目标用户‑样本歌单‑样本行为‑样本评分向量表，并逐一计算各参考用户与目标用户的相似度值，将前K个与目标用户的相似度值最高的参考用户合成相似用户集；根据相似用户集和参考用户‑参考歌单‑参考行为‑参考评分向量表，预测目标用户‑参考歌单‑拟评分向量表，并根据目标用户‑参考歌单‑拟评分向量表，生成推荐列表。本发明能够根据目标用户和参考用户的行为日志数据中的隐式反馈数据，形成歌曲推荐列表。
-
公开(公告)号：CN115019173B
公开(公告)日：2024-11-22
申请号：CN202210661728.3
申请日：2022-06-13
Applicant: 南京邮电大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明属于图像识别技术领域，具体地说，是一种基于ResNet50的垃圾识别与分类方法，包括：选取涵盖有实际生活中常见的多种垃圾图片的公开数据集，创建成适合垃圾分类研究所需要的数据集，然后将数据集分为训练集与测试集，对训练集中的图像进行预处理操作；搭建网络模型，选取ResNet50卷积神经网络模型作为基准模型，引入深度可分离卷积，添加CBMA和SE两种注意力机制，从而创建出新型卷积神经网络模型；设置网络模型的超参数，选择损失函数和优化方法对创建出的网络模型进行训练，可得到训练好的模型；利用训练好的卷积神经网络模型去识别测试集中的图片，最后得到识别的精度。
-
公开(公告)号：CN114785846B
公开(公告)日：2024-05-24
申请号：CN202210286266.1
申请日：2022-03-23
Applicant: 南京邮电大学
IPC: H04L67/145 , H04L43/10 , H04L67/01
Abstract: 本发明公开了提供一种基于ProtoBuf协议的心跳监控方法及系统，其中方法包括：客户端基于ProtoBuf协议，构建请求心跳包，并将请求心跳包发送至服务端，所述请求心跳包包括心跳指令信号；响应于未接收到心跳指令信号，服务端关闭与客户端的连接通道；响应于未收到响应心跳包，客户端关闭与服务端的连接通道，并重新连接；响应于心跳指令信号，服务端基于ProtoBuf协议，构建响应心跳包，并将响应心跳包发送至客户端；获取客户端发送请求心跳包时的时间Ⅰ和接收响应心跳包时的时间Ⅱ，根据时间Ⅰ和时间Ⅱ计算ping值；比较ping值与预设阈值的大小，响应于ping值大于等于预设阈值，服务器触发告警信号。本发明能够提高并实时监控服务器的运行速度。
-
公开(公告)号：CN108090515B
公开(公告)日：2020-04-21
申请号：CN201711445464.3
申请日：2017-12-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于数据融合的环境等级评估方法，包括：通过各个传感器实时获取环境特征参数信息，并对采集到的环境特征参数进行预处理；利用自适应加权平均算法融合同质传感器所获得的环境特征参数；获得环境特征参数的特征向量；建立由环境特征参数的特征向量构成的环境特征参数数据集；将训练集中的数据归一化后，进行基于SPY方法与朴素贝叶斯分类器的分类模型生成；根据分类模型对环境等级进行判定。该方法采用多传感器多级数据融合技术，能够减少数据的冗余，提高传感器数据的准确度，有效提高动态环境监测结果的可信度。
-
公开(公告)号：CN109547540A
公开(公告)日：2019-03-29
申请号：CN201811337490.9
申请日：2018-11-12
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 本发明揭示了一种无人机与地面站多对多远程通信系统及通信方法，其中系统包括无人机端多串口单片机、无人机端4G模块、服务器端以及地面站端数据中转。方法包括无人机端步骤，完成4G模块的初始化，在将对应无人机的识别信息发送至服务器端后开始无人机与服务器端的数据透传；服务器端步骤，实现无人机端与地面站端之间的数据通信；地面站端步骤，数据中转连接地面站与服务器端，在将对应地面站的识别信息发送至服务器端后开始地面站与服务器端的数据透传。本发明实现了无人机端与地面站端的数据交互，使无人机与地面站二者间的通信不再受到通信距离的限制。
-
Patent Agency Ranking
公开(公告)号：CN117994830A
公开(公告)日：2024-05-07
申请号：CN202311843748.3
申请日：2023-12-28
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/774 , G06V10/46
Abstract: 本发明公开了一种基于图像块位置感知Transformer的表情识别方法及系统，该方法包括以下步骤：构建一个基于图像块位置感知Transformer的表情识别模型，该模型由图像预处理单元、初始特征提取单元、特征块位置选定单元、视觉Transformer单元和分类器构成；使用人脸表情图像库中的样本对表情识别模型进行训练；将待测试的人脸图像输入到训练好的表情识别模型进行表情识别。本发明以迭代渐进的不固定间隔来选定特征块的位置，排除对表情识别有干扰的特征块，强化对表情识别起关键作用的特征块，从而使得表情识别模型能够提取更具鉴别力的表情特征，增强模型对面部被遮挡、头部姿态变化、光照不均匀的鲁棒性，有效提升表情识别的准确率和泛化性能。
-
公开(公告)号：CN115019173A
公开(公告)日：2022-09-06
申请号：CN202210661728.3
申请日：2022-06-13
Applicant: 南京邮电大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像识别技术领域，具体地说，是一种基于ResNet50的垃圾识别与分类方法，包括：选取涵盖有实际生活中常见的多种垃圾图片的公开数据集，创建成适合垃圾分类研究所需要的数据集，然后将数据集分为训练集与测试集，对训练集中的图像进行预处理操作；搭建网络模型，选取ResNet50卷积神经网络模型作为基准模型，引入深度可分离卷积，添加CBMA和SE两种注意力机制，从而创建出新型卷积神经网络模型；设置网络模型的超参数，选择损失函数和优化方法对创建出的网络模型进行训练，可得到训练好的模型；利用训练好的卷积神经网络模型去识别测试集中的图片，最后得到识别的精度。
-
公开(公告)号：CN112087710B
公开(公告)日：2022-07-08
申请号：CN202010985776.9
申请日：2020-09-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无线传感器网络DV‑Hop测距算法的节点定位方法，该发明中信标节点首先根据自身搭载的GPS设备进行自定位从而获取当前所处的位置信息，并根据初始位置信息构建数据信息包进行广播，邻居节点收到数据信息包后会对内部数据进行修改，进行二次传递，同时会选择性的保留离自身距离最近的信标节点的跳数值；依据数据信息包中的跳数值计算出全局跳距、局部跳距，对两者求取平均值得到平均跳距；最后再根据细菌觅食算法，利用其趋化，复制，驱散的三步优化方法，对估算坐标进行精确优化。本发明提供的定位方法能够在减少信标节点数量的前提下获取未知节点的定位信息，降低了使用成本及能量消耗，具有良好的可行性和有效性。
-
公开(公告)号：CN107807375A
公开(公告)日：2018-03-16
申请号：CN201710838971.7
申请日：2017-09-18
Applicant: 南京邮电大学
IPC: G01S19/54
CPC classification number: G01S19/54
Abstract: 本发明提出了一种基于多GPS接收机的无人机姿态追踪方法，首先，确定各个GPS接收机在ENU坐标系下的初始化位置；当无人机在飞行过程中姿态发生变化时，采用RTK定位的方法，实时计算各个GPS接收机在ECEF坐标系下的坐标位置；然后，将各GPS接收机在ECEF坐标系下的位置转化为ENU坐标系下的位置信息；最后，将得到的位置信息与初始化位置进行比较、计算，得出GPS接收机在ENU坐标系下绕各个轴向旋转的角度。本发明还提出一种的无人机姿态追踪系统。本发明通过比较当前位置姿态与初始位置姿态，能够直接得到角度的变化量，计算结果更加准确，实现无人机姿态的精确追踪。
-
公开(公告)号：CN106686547A
公开(公告)日：2017-05-17
申请号：CN201611214133.4
申请日：2016-12-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于区域划分和网络拓扑的室内指纹定位改进方法，属于通信技术领域。该方法包含如下步骤：S1确定采样的布局和系统坐标系；S2离线采集阶段，在各个采样点处采集接收信号强度指示RSSI值；S3存储采集点处的RSSI值、MAC地址和采集点处的坐标，构建Radio Map数据库；S4在待定位处采集RSSI值，采集的信号强度值与数据库中信号强度值进行匹配；S5：匹配成功的指纹作为待测点的位置坐标。该方法采用了区域划分策略和网络拓扑结构搭建网络，提高了指纹库信息的准确度及在线匹配精度，并且定位稳定，定位的同时增强了网络系统稳定性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
