-
公开(公告)号：CN110688618A
公开(公告)日：2020-01-14
申请号：CN201910609688.6
申请日：2019-07-08
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 一种基于弱监督数据辅助的鲁棒事件检测方法及装置，包括如下步骤：步骤S1、基于弱监督数据构建弱监督预测模型；步骤S2、在当前时刻进行数据采样，再通过马尔可夫模型计算该新样本点标签值的先验概率；步骤S3、根据弱监督预测模型构建当前时刻数据标签取值的似然函数；步骤S4、通过贝叶斯公式计算当前时刻数据标签取值的后验概率，并对标签取值进行判定。本发明通过引入少量弱监督辅助信息，利用对时间序列数据的在线式分析进行异常事件检测。
-
公开(公告)号：CN107786560A
公开(公告)日：2018-03-09
申请号：CN201711046417.1
申请日：2017-10-31
Applicant: 南京邮电大学盐城大数据研究院有限公司
CPC classification number: H04N7/152 , H04L65/4076 , H04L65/605 , H04L65/607 , H04L67/2823 , H04L67/2842
Abstract: 本发明提供一种基于网络编码的多播移动设备视频会议系统，系统包括若干用户端和至少一个编码服务器，编码服务器用于接收和重新编码用户端的原始数据，并将该重新编码后的数据返还用户端；编码服务器和用户端之间的数据处理包括：确定处理条件、数据编码和数据管理。本发明具有数据传输稳定、媒体流自适应能力强、使得不同规格和不同位置的异构设备可以加入具有不同分辨率的会议的优点。
-
公开(公告)号：CN110689160B
公开(公告)日：2022-08-23
申请号：CN201910610017.1
申请日：2019-07-08
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 一种针对大规模复杂系统的参数配置优化方法及装置，包括如下步骤：步骤S1、根据低保真度实验观测数据训练低保真度高斯过程回归模型；步骤S2、根据低保真度高斯过程回归模型输出的预测曲线，获取高保真度实验评估点；步骤S3、根据高保真度实验数据训练高保真度高斯过程回归模型；步骤S4、融合低保真度高斯过程回归模型的预测输出和高保真度高斯过程回归模型的预测输出，确定下次高保真度实验评估点步骤S5、若高保真度实验次数少于预设值，则返回步骤S3进行迭代；反之，则从高保真度实验评估点选出最优点输出。该方法采用贝叶斯模型融合机制充分利用低保真度实验数据，以更少的实验代价获得最优系统配置参数值。
-
公开(公告)号：CN110689160A
公开(公告)日：2020-01-14
申请号：CN201910610017.1
申请日：2019-07-08
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 一种针对大规模复杂系统的参数配置优化方法及装置，包括如下步骤：步骤S1、根据低保真度实验观测数据训练低保真度高斯过程回归模型；步骤S2、根据低保真度高斯过程回归模型输出的预测曲线，获取高保真度实验评估点；步骤S3、根据高保真度实验数据训练高保真度高斯过程回归模型；步骤S4、融合低保真度高斯过程回归模型的预测输出和高保真度高斯过程回归模型的预测输出，确定下次高保真度实验评估点步骤S5、若高保真度实验次数少于预设值，则返回步骤S3进行迭代；反之，则从高保真度实验评估点选出最优点输出。该方法采用贝叶斯模型融合机制充分利用低保真度实验数据，以更少的实验代价获得最优系统配置参数值。
-
-
-
Search Results
4
records
(took 0.036 seconds)
