-
公开(公告)号：CN119538905A
公开(公告)日：2025-02-28
申请号：CN202510097217.7
申请日：2025-01-22
Applicant: 中电鸿信信息科技有限公司 , 南京邮电大学
IPC: G06F40/194 , G06F40/284 , G06F40/30 , G06F40/247 , G06F16/35
Abstract: 本发明提出了一种基于群智感知的城市洪涝灾害风险评估方法、介质及设备，包括：收集社交平台上的洪涝灾害文本数据并进行预处理，构建洪涝灾害文本数据集；从洪涝灾害文本数据集中提取洪涝灾害常用词语，将洪涝灾害常用词语按照主题词来分类，并且基于共现网络构建灾情描述性词库；基于灾情描述性词库设计众包问卷并发布给目标用户群体，收集目标用户群体反馈的洪涝灾害反馈数据以及地理信息；将收集的洪涝灾害反馈数据根据地理信息进行空间展布；结合分别表征洪涝灾害灾情以及洪涝灾害影响区域的两类指标来进行风险评估。本发明实现了城市洪涝灾害的实时监测和精确评估，提高了洪涝灾害风险评估的准确性和实时性。
-
公开(公告)号：CN119479265A
公开(公告)日：2025-02-18
申请号：CN202410997536.9
申请日：2024-07-24
Applicant: 南京邮电大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于数据流图的市区交通拥堵实时预测与调控方法，涉及交通技术领域，包括实时采集交通原始数据，得到预处理后的交通数据集；将交通数据集转化为数据流图，构建反映交通网络中各节点和边之间动态关系的图结构；基于所述数据流图，识别交通流量模式和交通拥堵趋势；构建交通流量和拥堵预测模型，训练交通流量和拥堵预测模型；基于数据流图进行动态预测，根据实时动态预测结果，优化交通信号灯的配时和控制策略，基于实时动态预测结果调整调度策略。本发明实现了对市区交通的智能化管理，克服了现有技术中的诸多缺陷，为解决城市交通拥堵问题提供了有效的解决方案。
-
公开(公告)号：CN118969208A
公开(公告)日：2024-11-15
申请号：CN202410988607.9
申请日：2024-07-23
Applicant: 南京邮电大学
IPC: G16H40/00 , G06F18/25 , G06F18/2411 , G06F18/243 , G06N5/01
Abstract: 本发明属于人工智能技术领域，公开了一种基于多模态技术的智能医患冲突调解方法，通过多模态技术，捕获文本数据、图像数据和音频数据，能够更全面地捕获语言信息与非语言信息，将文本数据、图像数据和音频数据进行多模态特征相融合，通过构建解决方案案例库，可以根据产生冲突的可能性与性质的预测结果，更恰当地智能化推荐调解方案。本发明弥补单模态特征的局限性，能够实现数据信息更充分的利用，能够更充分地学习各模态数据的特征，有效提高识别性能，有利于实现有效、公平的医患冲突解决。
-
公开(公告)号：CN118036829A
公开(公告)日：2024-05-14
申请号：CN202410430900.3
申请日：2024-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了用于数字化城市治理的智能洪涝预警应对方法及系统，包括用于采集洪涝灾害事件的数据并预处理，形成洪涝灾害多模态数据的数据采集和存储模块；用于调取洪涝灾害多模态数据，构建并采用多模态网络模块进行处理，获得灾害信息传播时空动态图的洪涝灾害信息提取模块；用于读取并分析灾害信息传播时空动态图，获取洪涝灾害的至少两个维度的信息质量数据，并计算信息质量指数的信息质量分析模块；用于判断信息质量指数是否超出阈值并据当前场景给出建议方案的决策模块。本发明提高了洪涝灾害预警和应对的速度，同时大大降低了系统资源的使用，便于部署在边缘终端。
-
公开(公告)号：CN117391221B
公开(公告)日：2024-02-20
申请号：CN202311687644.8
申请日：2023-12-11
Applicant: 南京邮电大学
IPC: G06N20/20 , G06N20/10 , G06F18/27 , G06F18/2413 , G06F18/2411 , G06F18/22 , G06F18/243
Abstract: 本发明公开了一种基于机器学习的NDVI预测集成优化方法及系统，包括获取研究区域的研究数据并筛选和预处理，形成输入变量数据集；所述研究数据至少包括NDVI数据集和气候变量数据集；选取至少一种类型的NDVI预测模型，构建包括至少两种NDVI预测模型在内的NDVI预测模型集合；构建NDVI预测集成优化模型，包括目标函数、权重矩阵和约束条件；采用预配置的算法求解NDVI预测集成优化模型，确定最优权重，计算和评价预测精度，并输出预测结果。针对单个机器学习模型易出现欠拟合或过拟合问题，构建基于线性加权的NDVI预测集成模型，并通过增强精英保留的遗传算法确定各模型的权重，降低模型不确定性的不利影响。
-
Patent Agency Ranking
公开(公告)号：CN107203836A
公开(公告)日：2017-09-26
申请号：CN201710296145.4
申请日：2017-04-28
Applicant: 南京邮电大学
IPC: G06Q10/06
CPC classification number: G06Q10/06393
Abstract: 本发明公开了一种电子商务应用水平测度方法，本发明以调查问卷的方式获取企业电子商务应用情况的信息，通过对数据进行深度剖析，对企业电子商务应用水平进行全面测度。在评价企业电子商务应用水平时，应用因子分析的方法分别考察企业在三个维度的电子商务应用情况，分别为企业电子商务产业链应用水平、企业电子商务应用层次应用水平、企业电子商务应用内容应用水平，并通过层次分析法确定每个维度的权重，最后综合分析企业电子商务的应用水平，更具全面性和准确性。
-
公开(公告)号：CN103345528A
公开(公告)日：2013-10-09
申请号：CN201310312018.0
申请日：2013-07-24
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明提供一种基于关联分析和KNN的文本分类方法，用于解决基于传统KNN的文本分类方法存在的效率和准确率有待进一步提高的问题；本发明是一种策略性方法考虑到被测文档与近邻文档向量的特征属性会重合较多，本发明提出一种基于关联分析和KNN的文本分类方法该方法基于对各个类别文本进行关联分析的结果，快速确定未知类别文本合适的近邻数k，并在已知类别的文本中选取k个近邻，进而根据近邻类别确定未知文本的类别，改进了基于传统KNN的文本分类方法k值难以确定及时间复杂度高的不足，提高了文本分类的效率和准确率。
-
公开(公告)号：CN105159905B
公开(公告)日：2019-08-30
申请号：CN201510325890.8
申请日：2015-06-12
Applicant: 南京邮电大学
IPC: G06F16/35
Abstract: 本发明公开了基于转发关系的微博聚类方法，该方法针对微博文本特征稀疏造成的微博文本聚类效果不佳的问题，提出一种基于微博转发关系的微博文本聚类方法。该方法根据微博之间存在的转发关系以及转发文本之间的主题相似性，构建了微博转发关系有向图。该图将转发关系作为单向边，使用微博作为节点构成图，将相互连通的部分视作一个小簇，称之为转发关系簇，在这个小簇中所有微博有同一个最初的转发源。本发明方法将转发关系簇作为聚类的初始对象，采用基于最大最小距离和SSE的自适应聚类算法进行微博文本聚类，提高了文本特征稀疏的微博文本的聚类准确率。
-
公开(公告)号：CN103678431B
公开(公告)日：2018-01-02
申请号：CN201310101242.5
申请日：2013-03-26
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 基于标准标签和项目评分的推荐方法具有如下特征：本发明将标签标准化，即将用户的自定义标签映射到语义较明确的标准标签上，再利用标准标签建立用户兴趣模型，然后根据用户的兴趣模型计算用户之间的相似度，建立近邻用户群，再基于目标用户及其近邻用户的项目评分和改进的Slope one算法预测用户对未评项目的评分，进而实现个性化推荐，可显著提高Web2.0互联网上广泛使用的可进行自由定义的标签的可用性，利用基于标准标签的用户兴趣模型计算用户之间的相似度，并为目标用户建立相似用户群，能够缩小目标用户的相关项目评分搜索范围，减少算法的计算量，改进了Slope one算法的项目评分预测，提高了兴趣爱好相近的用户对预测评分的贡献，从而提高互联网个性化推荐质量。
-
公开(公告)号：CN105159905A
公开(公告)日：2015-12-16
申请号：CN201510325890.8
申请日：2015-06-12
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了基于转发关系的微博聚类方法，该方法针对微博文本特征稀疏造成的微博文本聚类效果不佳的问题，提出一种基于微博转发关系的微博文本聚类方法。该方法根据微博之间存在的转发关系以及转发文本之间的主题相似性，构建了微博转发关系有向图。该图将转发关系作为单向边，使用微博作为节点构成图，将相互连通的部分视作一个小簇，称之为转发关系簇，在这个小簇中所有微博有同一个最初的转发源。本发明方法将转发关系簇作为聚类的初始对象，采用基于最大最小距离和SSE的自适应聚类算法进行微博文本聚类，提高了文本特征稀疏的微博文本的聚类准确率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.028 seconds)
