-
公开(公告)号：CN118214501A
公开(公告)日：2024-06-18
申请号：CN202410348432.5
申请日：2024-03-26
Applicant: 南京邮电大学
IPC: H04B17/373 , H04B17/391
Abstract: 本发明提出了一种频谱预测方法、装置及计算机程序产品，包括：对一段时间内的频谱数据进行归一化预处理，得到原始频谱数据集；通过奇异谱分析将原始频谱数据集分解重构成多个子数据集；根据原始频谱数据集和子数据集进行Spearman相关性分析，得到Spearman相关性系数；利用基于注意力机制的双向长短期记忆网络模型对子数据集进行逆行训练，结合Spearman相关性系数得到每个子数据集的加权预测结果；根据所有子数据集的加权预测结果得到原始频谱数据集的频谱预测结果。本发明能够将复杂频谱数据简单化，更准确地预测复杂电磁环境下的频谱情况，提高预测模型的预测性能和泛化能力。
-
公开(公告)号：CN118114119A
公开(公告)日：2024-05-31
申请号：CN202410324153.5
申请日：2024-03-21
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/2431 , G06F18/214
Abstract: 本发明公开了一种基于动态扩展的类增量辐射源识别方法、系统、电子设备及存储介质，其中方法包括：步骤1：从飞行器中获取ADS‑B数据并制作为ADS‑B数据集，将ADS‑B数据集按照比例划分为训练集、验证集和测试集数据；将初始ADS‑B数据训练集导入动态扩展的自适应类增量网络模型，获得初始模型预测值、模型权重；将模型预测值与标签值代入分类损失函数计算，获得分类损失值；使用分类损失值更新动态扩展的自适应类增量网络模型参数，直至获得最优的动态扩展的自适应类增量网络模型；对最优的动态扩展的自适应类增量网络模型动态增加新类别分类器，获得增量后的动态扩展的自适应类增量网络模型；根据增量后的动态扩展的自适应类增量网络模型在线检测ADS‑B数据，自适应识别ADS‑B数据；本发明提高对复杂现实环境中的ADS‑B数据检测效率与识别精度，同时平衡了存储空间与检测能力冲突问题，进而提高了在各个场景下的通用性。
-
公开(公告)号：CN117879937A
公开(公告)日：2024-04-12
申请号：CN202410036097.5
申请日：2024-01-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于网络流量的自适应恶意软件检测方法及系统，方法包括：获取网络流量数据并制作为网络流量数据集，将网络流量数据训练集导入双分支自适应类神经网络模型，获得模型预测值；将模型预测值与训练集标签值代入分类损失函数、将训练集正负样本代入稀疏对损失函数、将模型权重代入稀疏损失函数计算，获得分类损失值、稀疏对损失值、稀疏损失值；根据分类损失值、稀疏对损失值、稀疏损失值更新双分支自适应类神经网络模型参数，直至获得最优的双分支自适应类神经网络模型；对最优的双分支自适应类神经网络模型动态增加新类别分类器，获得增量后的双分支自适应神经网络模型；根据增量后的双分支自适应神经网络模型在线检测网络流量数据，自适应识别恶意软件或异常网络流量数据；本发明提高对复杂互联网数据环境中的异常网络流量数据或恶意软件的检测效率与识别精度，同时平衡了存储空间与检测能力冲突问题，进而提高了在各个场景下的通用性。
-
公开(公告)号：CN117807388A
公开(公告)日：2024-04-02
申请号：CN202311643870.6
申请日：2023-12-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向工业物联网的多维数据半自动化标注方法，首先，构建数据采集网络，从数据采集网络中获取工业数据；然后将获取到的工业数据，基于信号波形宽度，查找波形起点和终点，使用信号波形起始点判决算法，识别多源异构数据，提高工作状态识别的精度；接着，使用基于自适应检测方法的半自动化数据标签处理方法进行工业数据处理，对多维工业数据进行初步筛选，自动标注特征显著的数据，实现机器自动筛选；最后，基于数据处理后输出的数据，对于疑难样本进行人工标注。本发明方法具备多维数据清洗、筛选、标注的功能，能实现半人工半自动化打标签，将无标签样本变为有标签样本，在一定程度上提高了工业数据的计算效率和精度。
-
公开(公告)号：CN117424916A
公开(公告)日：2024-01-19
申请号：CN202311358226.4
申请日：2023-10-19
Applicant: 南京邮电大学
IPC: H04L67/12 , H04L67/565 , H04L69/22 , H04L69/164 , G06F16/215 , G06F16/26 , G16Y40/10
Abstract: 本发明提供了一种面向工业物联网的数据预处理和可视化系统及方法，包括传感器、与所述传感器连接的中继器、与所述中继器连接的服务器以及与所述服务器连接的监控终端；所述传感器用于收集模拟数据，并将模拟数据发送至中继器；所述中继器用于接收模拟数据后转换为二进制数据传送至服务器；所述服务器用于对二进制数据加以解析和预处理，并通过监控终端可视化；所述服务器对数据加以解析和预处理，并通过监控终端可视化，包括：服务器从中继器获得二进制数据，并进行解析和数据预处理，得到关键信息。服务器通过监控终端对所述关键信息进行可视化展示。本发明能够提高复杂工业场景下对工业信息数据的预处理和实时监测能力。
-
Patent Agency Ranking
公开(公告)号：CN110493803B
公开(公告)日：2023-07-11
申请号：CN201910876134.2
申请日：2019-09-17
Applicant: 南京邮电大学
IPC: H04W24/02 , H04W24/08 , G06N20/00 , G06F18/23213
Abstract: 本发明公开了一种基于机器学习的小区场景划分方法，属于移动通信领域，包括以下过程：获取各小区8忙时无线感知KQI指标数据；将各小区数据展开为向量；对各小区向量数据进行降维；对降维后的数据进行聚类；对聚类后的数据进行可视化；将聚类后各个类别小区数据进行比较，实现对小区的场景划分。本发明利用降维和聚类算法实现了对小区场景的划分，解决了传统人为划分方法不够精细以及小区数据维度过高无法进行可视化的问题，为下一步制定精确的网络优化策略提供重要基础。
-
公开(公告)号：CN115547341A
公开(公告)日：2022-12-30
申请号：CN202211002500.X
申请日：2022-08-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于声纹认证的电网调度身份认证系统及其认证方法，一种基于声纹认证的电网调度身份认证系统，该系统包括：样本信息采集模块、样本信息处理模块、数据库生成模块、声纹采集模块、在线识别模块、信息提取模块及比对判断模块。本发明能够提高对声纹特征提取的精准率，提高对调度人员的语言识别度，同时在对调度人员的声纹特征模型与识别人员的声纹特征比对失败后通过生成告警信息来进行提醒，从而能够很好的对识别人员进行清晰的判断，确保对方是合格人员，进而能够避免造成安全隐患。
-
公开(公告)号：CN115410123A
公开(公告)日：2022-11-29
申请号：CN202211002985.2
申请日：2022-08-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于电力调度的人工智能图像处理方法，该人工智能图像处理方法包括以下步骤：S1、获取电力调度的视频图像，并上传至计算机；S2、构建沉积微相识别模型，并建立沉积微相识别模型与计算机的连接关系；S3、通过沉积微相识别模型对计算机中视频图像进行处理，识别视频图像中所需电力设备图形，并将识别结果存入数据库；S4、根据对比结果描述电力设备图像对应的电力设备的状态，并通过人工智能算法指定调控运行辅助决策建。本发明突破了以往利用神经网络识别沉积微相必须先提取曲线特征的做法，根据模型用计算机处理资料，可自动连续地识别沉积微相，提高了原始电力设备资料信息的利用和识别的准确性。
-
公开(公告)号：CN109936857B
公开(公告)日：2022-09-16
申请号：CN201910051747.2
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无线感知度智能识别方法，所述识别方法包括以下步骤：采集待测区域的无线感知度指标数据；将所述指标数据输入至自编码器神经网络中，对所述指标数据进行降维操作；对于降维后的指标数据进行聚类分析，计算其与预确定的两个有效簇中心点的距离；根据距离计算结果，将被测区域归到距离较近的一类，输出被测区域无线感知度识别结果，本发明能够根据一组待测数据有效地预测出其感知度正常与否，提高了运营商的维护效率，有利于在用户投诉之前发现问题并及时解决，提高了用户体验。
-
公开(公告)号：CN110490894B
公开(公告)日：2022-08-02
申请号：CN201910744766.3
申请日：2019-08-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进的低秩稀疏分解(LRSD)的视频前背景分离方法。在观测的视频数据中，帧与帧之间的背景有较强的相关性可以将其看作低秩矩阵，而前景目标呈现出与背景不同的运动形式，可以被认为是低秩矩阵中的异常点且通常只占整个背景中的一小部分，符合稀疏特性。因此，在LRSD中认为视频数据是由具有低秩特性的背景和稀疏特性的前景构成的。本发明采用广义核范数和拉普拉斯尺度混合来构建一个低秩稀疏分解模型，然后采用交替方向乘子法来求解该模型，得到低秩矩阵和稀疏矩阵，从而完成视频的前背景分离。本发明解决了现有低秩稀疏分解方法中对秩函数和稀疏度函数近似表达不准确的问题，提高了基于低秩稀疏分解的视频前背景分离方法的性能。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.025 seconds)
