-
公开(公告)号：CN115576823A
公开(公告)日：2023-01-06
申请号：CN202211293353.6
申请日：2022-10-21
Applicant: 南京邮电大学 , 安徽晶奇网络科技股份有限公司
Abstract: 一种基于端到端变分自编码(DDVAE)的KPI异常检测方法，该方法包括以下步骤：步骤一：首先对所需评估的关键性能指标KPI数据进行获取；步骤二：将收集到的KPI数据进行编码处理，对KPI数据编码获得隐变量；步骤三：对隐变量数据进行解码处理，得到重构后的KPI数据；步骤四：将KPI数据以及编码和解码的结果通过一个长短期记忆网络进行训练，保留KPI数据时序性的特征，得到每一个KPI数据对应的异常得分；步骤五：定义偏差网络以优化异常评分网络，对异常得分进行标准化处理，以消除指标之间的量纲影响；步骤六：将标准化之后的异常得分通过损失函数网络进行训练，使得异常样本的得分显著偏离参考分数，从而判断出异常KPI数据。
-
公开(公告)号：CN115496165A
公开(公告)日：2022-12-20
申请号：CN202211293373.3
申请日：2022-10-21
Applicant: 南京邮电大学 , 安徽晶奇网络科技股份有限公司
Abstract: 一种基于自我学习双向GAN的异常检测方法，步骤包括：对原始数据集进行筛选过滤，得到只含有正常数据的训练数据集；使用训练数据集对基于原始GAN的异常检测模型进行训练；针对原始GAN模型的缺陷进行模型优化；使用训练数据集对优化后的异常检测模型进行训练；使用优化后的异常检测模型对测试数据集进行异常检测。本发明提出的新模型解决了原始模型中奖励稀疏性和模式崩溃的问题，提高了生成器生成样本的多样性以及异常检测的准确性。
-
公开(公告)号：CN120075069A
公开(公告)日：2025-05-30
申请号：CN202510063210.3
申请日：2025-01-15
Applicant: 国电南瑞科技股份有限公司 , 南京邮电大学
IPC: H04L41/14 , H04L41/0823 , H04L41/0894 , H04L9/40 , H04L47/78 , H04L47/125 , H02J13/00
Abstract: 本发明涉及复杂电力通信系统的运行稳定性技术领域，尤其涉及基于复杂网络的电力通信耦合系统脆弱性评估方法及系统，建立基于复杂相依网络电力通信耦合网络模型，构建获得相邻链接矩阵；根据模型，确定耦合量化指标；利用图攻击方法进行网络攻击，得到电力通信耦合失效模型，计算得到失效节点/支路；利用负荷‑容量自适应策略，对失效的节点/支路确定耦合网络中的重要节点或支路是否失效；对全部失效节点/支路的电力耦合网络进行脆弱性分析，计算顶点脆弱性因子具体数值；引入顶点脆弱性因子量化公式，对计算出脆弱性数值大的复杂相依网络下的电力耦合通信网络进行鲁棒性分析并进行量化评估；提升复杂电力通信系统的安全性提供合理参考。
-
公开(公告)号：CN115708675B
公开(公告)日：2025-05-16
申请号：CN202211461927.6
申请日：2022-11-21
Applicant: 南京邮电大学
IPC: A61B5/024 , A61B5/0507
Abstract: 本发明提供一种基于毫米波雷达的心率估计方法，通过使用毫米波雷达对人体进行采样，获得多个调频连续波的扫频信号；构成距离‑慢时间矩阵，并定位人体到雷达的距离；使用反正切函数提取人体相位，利用相位展开函数来展开相变超过设定阈值的相位，获得相邻帧相位差，使用内插值法来平滑超过阈值的差值；采用小波变换去除平滑后相位信号的噪声，获得重构后的相位信号；结合EEMD‑ICA方法分离重构后的相位信号中的心跳信号、呼吸信号、呼吸谐波和噪声，得到心跳波形；使用多信号分类算法构造空间谱函数，通过谱峰搜索对心跳频率做出估计；该方法能够准确地分离出心跳信号，大幅提高心跳频率估计的准确性。
-
公开(公告)号：CN119475097A
公开(公告)日：2025-02-18
申请号：CN202411664305.2
申请日：2024-11-20
Applicant: 南京邮电大学
IPC: G06F18/2415 , G06F18/214 , G06N20/20 , G16H50/30 , G16H50/70
Abstract: 本发明涉及一种基于迭代式的欠采样代价敏感集成分类方法，属于医疗数据分析技术领域，尤其适用于处理不平衡数据集中的疾病预测模型。本发明通过迭代式的欠采样策略，动态调整多数类样本的采样概率，确保在训练过程中重点关注少数类样本的特征，同时避免丢失多数类样本的重要信息。结合代价敏感学习和集成学习，提出了一种能够在保持分类器整体准确率的同时，显著提高少数类样本预测性能的分类方法。该方法具有良好的适应性，适用于多种不平衡数据集场景，在医疗数据分析和疾病预警中展现了出色的应用效果。
-
Patent Agency Ranking
公开(公告)号：CN119446531A
公开(公告)日：2025-02-14
申请号：CN202411667193.6
申请日：2024-11-20
Applicant: 南京邮电大学
IPC: G16H50/30 , G16H50/70 , G06N20/20 , G06F18/22 , G06F17/16 , G06F18/243 , G06F18/2411 , G06F18/2415 , G06F18/214
Abstract: 本发明提供了一种基于特征组合和集成学习的心脏病预测方法，包括数据集预处理、特征组合、基础分类器训练和集成预测四个阶段。数据预处理阶段对公开心脏病数据集进行量纲统一和缺失值的处理，并将处理好的数据集利用设计的特征组合算法进行特征间的组合，生成新的特征矩阵，并采用多样性增强算法对新特征矩阵进行处理，最终生成不同的子特征矩阵作为多个基础分类器的输入进行训练，将每个基础分类器的预测结果进行集成，实现最终分类预测。
-
公开(公告)号：CN119418071A
公开(公告)日：2025-02-11
申请号：CN202411545743.7
申请日：2024-11-01
Applicant: 南京邮电大学
IPC: G06V10/46 , G06V10/42 , G06V10/44 , G06N3/0464 , G06N3/0499 , G06N3/045 , G06N3/0455 , G06V10/764
Abstract: 本发明属于雷达点云识别处理技术领域，公开了一种基于毫米波雷达的人体点云解析方法，该方法将从人身上捕获的雷达点云作为输入，识别出与点云中的每个点对应的身体部，为点云进行分组、解析，将毫米波雷达采集到的点云数据首先传入多层感知机中以进行特征抽取，随后特征通过编码模块进行学习，随后采用对称的解码器结构，将局部特征解码为预测的人体解析信息，训练完毕后保存模型并用来进行人体点云的解析以及后续的姿态估计任务。本发明提高在稀疏点云下模型的点云解析任务准确度，提升系统的鲁棒性；降低网络结构复杂度，降低网络训练开销，提高了运算效率，在较少训练轮次的情况下可大幅提高人体解析的精度。
-
公开(公告)号：CN114004257B
公开(公告)日：2024-11-22
申请号：CN202111289093.0
申请日：2021-11-02
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F3/01
Abstract: 基于轻量级卷积神经网络的肌电手势识别方法，提取传统方法中广泛使用的时域特征，与原始肌电数据进行了结合，多角度地表征了肌电信号，可以在一定程度上提高手势识别的准确率；通过标签平滑、Leaky Relu激活函数的替换等一系列操作，提高了网络的泛化能力、拟合能力，可以进一步提高手势识别的精度；以轻量级网络为基础，使用深度可分离卷积代替传统的卷积，在不降低识别精度的同时，可以减少参数量、计算量，缩短训练时间，更加适合移动设备等应用场景；借鉴跨阶段局部网络的思想，采用局部过渡层，设计简化的融合策略，改进了骨干网络模型，可以实现进一步的轻量化。
-
公开(公告)号：CN114913610B
公开(公告)日：2024-11-15
申请号：CN202210671731.3
申请日：2022-06-15
Applicant: 南京邮电大学
IPC: G06V40/70 , G06V10/25 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 一种基于指纹和指静脉的多模态识别方法，将采集到的指纹、指静脉图片，分别作为网络的独立输入，用于特征提取和分析；分别从通道与空间的维度，通过注意力机制，分析指纹与对应的指静脉之间的相关性，融合指纹与指静脉特征；使用Softmax函数，确定最终的生物特征识别结果。本方法预处理操作简单，只需要提取指纹、指静脉的ROI即可，可以最大限度地保存图像中的细节特征，减少额外的计算机资源消耗；相比于现有使用单一生物模态的生物特征识别方法，本发明提出融合指纹、指静脉图像，可显著增加生物特征的判别性特征，通过挖掘不同生物特征之间的互补性信息，提高生物特征识别系统的准确率。
-
公开(公告)号：CN117371525A
公开(公告)日：2024-01-09
申请号：CN202311318527.4
申请日：2023-10-12
Applicant: 南京邮电大学
IPC: G06N5/022 , G06F16/951 , G06F18/2135 , G06N3/042 , G06N3/0464 , G06F16/36 , G06N3/098
Abstract: 本发明属于医学知识表示和知识图谱补全领域，公开了一种融合实体描述的常见病知识图谱链接预测方法，包括获取实体描述数据集和事实三元组数据集；构建实体邻接矩阵和关系类型邻接矩阵，通过多关系图卷积神经网络，使实体节点聚合不同关系类型一阶邻居节点信息，充分学习图结构信息，得到基于图结构的实体嵌入和关系嵌入；对实体描述数据集进行预处理，获得初始词嵌入矩阵；对于图结构向量表示和实体描述向量表示进行联合学习，最终得到实体的最终表示，使用损失函数优化参数。本发明基于开源数据，构建中文常见病知识图谱，融合医疗实体描述信息，增强三元组实体表示的语义信息，提高链接预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.067 seconds)
