-
公开(公告)号:CN113807486B
公开(公告)日:2023-09-26
申请号:CN202110971579.6
申请日:2021-08-23
申请人: 南京邮电大学
IPC分类号: G06N3/006
摘要: 本发明提供一种基于改进粒子群算法的多机器人区域覆盖方法,通过对待覆盖区域建立坐标系,根据n台探测范围不同的机器人,各机器人i在全局坐标系中的位置构成向量,为迭代初始位置,然后利用改进粒子群算法求解点云,在粒子群算法的迭代过程中,考虑不同机器人的探测范围,进行速度和位置更新,直至获得最大程度覆盖目标区域的机器人的位置集合;该种基于改进粒子群算法的应用于多机器人区域覆盖方法,相对于现有方法,能够用于多种不同探测范围的机器人在已知区域内覆盖,有效提高实际覆盖区域和覆盖率,使得生成的目标点云更好的实现对区域的覆盖,能够生成最大程度覆盖区域的机器人位置集合。
-
公开(公告)号:CN116758481A
公开(公告)日:2023-09-15
申请号:CN202310792189.1
申请日:2023-06-30
申请人: 江苏方天电力技术有限公司 , 南京邮电大学
发明人: 李春鹏 , 张浩 , 王盺平 , 栾奇麒 , 杨小平 , 李军 , 官国飞 , 宋庆武 , 蒋峰 , 朱天泽 , 蒋超 , 赵晟 , 陈志明 , 苏俞彪 , 蒋林岑 , 徐鹤 , 季一木 , 刘尚东
IPC分类号: G06V20/52 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/766 , G06N3/0464 , G06N3/096 , G06N3/084
摘要: 本发明公开了电力站房监测领域的一种基于机器视觉算法的电力站房监测方法及系统,包括:采集电力站房中待监测区域的实时监测图像;将所述实时监测图像输入至预先训练好的学生网络模型E,输出实时监测图像的识别结果;所述学生网络模型E的训练过程包括:通过训练数据集对所述教师网络模型N进行训练,获得训练好的教师网络模型N;通过知识蒸馏技术更新学生网络模型E的参数;重复迭代直至达到迭代终止条件,输出训练好的学生网络模型E;通过机器视觉进行图像识别对电力站房进行监测,对站房周围区域和目标进行实时监控监测和报警,实现无人化监测。
-
公开(公告)号:CN116628184A
公开(公告)日:2023-08-22
申请号:CN202310540934.3
申请日:2023-05-12
申请人: 南京邮电大学
IPC分类号: G06F16/34 , G06F16/35 , G06F16/31 , G06F18/2321
摘要: 本发明提供了一种基于相对熵的动态图摘要算法,包括对于初始图,首先用最小哈希值方法计算出各节点的三跳邻居特征值及特征值的杰卡德相似度,并以此作为距离对节点进行粗聚类;根据簇内节点数阈值和合并规则进行大小簇合并,然后生成超点、超边及其权重;在动态过程中,计算新增节点与各超点间最小哈希值分布的相对熵,将新点加入相对熵最小的超点;同时计算新增节点的两跳邻居节点与各超点间的相对熵,并根据相对熵调整邻居节点所属的超点。本发明得到的摘要图具有新的变化趋势和新的特征,能够减少摘要时间,节省了计算资源,避免了以往动态图摘要算法采样慢、存储空间大等缺陷,能够更好的应用于图流场景,在图处理领域有较好的应用价值。
-
公开(公告)号:CN116525103A
公开(公告)日:2023-08-01
申请号:CN202310549217.7
申请日:2023-05-16
申请人: 南京邮电大学通达学院
摘要: 本发明提供一种基于XGBoost机器学习的血糖采集预测方法,属于数据处理技术领域,包括数据预处理步骤、XGBoost预测步骤以及预测值检验输出步骤,数据预处理步骤用以对输入数据进行处理,以便直接带入预测模型,XGBoost预测步骤用以对数据进行训练,将数据集拆分后进行测试,以便与真实值进行比较,预测值检验输出步骤,用以将两种不同的情况输出。高效、灵活地解决数据预测问题,并进行可视化展示。
-
公开(公告)号:CN116313080A
公开(公告)日:2023-06-23
申请号:CN202310186916.X
申请日:2023-03-01
申请人: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 浙江凯立特医疗器械有限公司 , 江苏跃凯生物技术有限公司
IPC分类号: G16H50/30 , G16H70/40 , G06F18/214 , G06F18/2411 , G06N3/096
摘要: 本发明公开了一种基于迁移学习的葡萄糖浓度预测方法及设备,属于模型预测技术领域,用于解决现有的不同医疗机构之间葡萄糖浓度预测模型难以互相复用,样本分布少的医疗机构难以准确根据现有的葡萄糖浓度预测模型,进行准确预测的技术问题。方法包括:基于数据集的特征数据以及标签数据,对第一数据集以及第二数据集分别进行数据重组,得到源域数据以及目标域数据;基于预设ELM网络模型的输出权重,并根据源域数据中训练样本的损失特征,得到优化目标函数;对目标域数据进行迁移重构学习,得到域适应迁移算法DAELM模型;通过域适应迁移算法DAELM模型,对目标域数据中的葡萄糖浓度数据进行浓度预测,得到预测结果。
-
公开(公告)号:CN113783836B
公开(公告)日:2023-06-20
申请号:CN202110879593.3
申请日:2021-08-02
申请人: 南京邮电大学
IPC分类号: H04L9/40 , H04L9/32 , H04L9/08 , H04L67/12 , H04L67/1097 , H04L67/1095
摘要: 本发明公开了一种基于区块链和IBE算法的物联网数据访问控制方法及系统,私钥生成中心PKG进行系统初始化;构建联盟链;物联网设备采集数据进行加密后得到密文并发送到物联网网关;由物联网网关将密文发送到物联网系统云平台或本地数据库进行存储;生成密文对应的哈希值,并将密文标识和对应哈希值的键值对存储在区块链中;私钥生成中心生成私钥;数据请求者在区块链上发起数据请求交易,区块链上部署的访问控制合约验证数据请求合法性,验证通过后由私钥生成中心与数据请求者建立安全连接共享私钥,数据请求者应用IBE解密算法,对加密数据进行解密获得请求数据;本发明能够实现物联网环境下安全可信的细粒度访问控制,满足保密性、完整性和可用性。
-
公开(公告)号:CN116168828A
公开(公告)日:2023-05-26
申请号:CN202310154603.6
申请日:2023-02-22
申请人: 南京邮电大学
IPC分类号: G16H50/20 , G06F16/36 , G06F40/289 , G06F18/2415 , G06N3/08 , G06N3/0464
摘要: 本发明提供一种基于知识图谱和深度学习的疾病预测方法、装置及计算机设备,通过获得疾病异常指标与病情自述文本,获得异常指标表示矩阵Y与病情自述文本表示矩阵X,拼接后得到融合表示矩阵;由病情自述文本结合医学知识图谱,构建与实体相连关系的疾病知识子图;分别获得疾病知识子图的实体向量矩阵和实体上下文向量矩阵,对齐叠加得到叠加表示矩阵;将融合表示矩阵和叠加表示矩阵连接在一起获得特征融合矩阵,将特征融合矩阵输入到卷积神经网络模型即CNN模型,获得预测结果;本发明不仅通过疾病异常指标与病情自述文本,还通过引入知识图谱这一知识决策,能够获得更精准的预测结果,能够实现更准确地综合智能辅助诊断。
-
公开(公告)号:CN115759105A
公开(公告)日:2023-03-07
申请号:CN202211090087.7
申请日:2022-09-07
申请人: 南京邮电大学
IPC分类号: G06F40/30 , G06F40/216 , G06N3/0442
摘要: 本发明属于自然语言处理和人工智能技术领域,具体地说,是一种基于义原编码的分段注意力机制少样本关系抽取方法,主要分为词向量编码、句子分段、LSTM特征提取、分段注意力机制关系匹配、关系抽取五步,本发明主要目的是提高少样本关系抽取的准确率,缓解当前关系抽取问题中存在的语料匮乏问题,具有广泛应用前景。
-
公开(公告)号:CN115481684A
公开(公告)日:2022-12-16
申请号:CN202211118343.9
申请日:2022-09-14
申请人: 南京邮电大学
IPC分类号: G06K9/62
摘要: 本发明提供一种基于时间感知的峰值聚类服务器资源预留方法,通过把数据集中的原始数据按照时间维度进行划分,对划分后的时间片矩阵R,按照用户和服务维度,使用潜在因子模型,从稀疏的矩阵中提取密集的任务LF矩阵P和资源LF矩阵Q;分别使用密度峰值聚类算法进行聚类,将聚类得到的离散值即不可信任务进行去除处理,获得待预测矩阵;使用低秩矩阵分解,进行资源预留的预测,获得预测矩阵;计算平均绝对误差和均方根误差;获得任务预留预测结果最好的资源列表;本发明从时间维度对初始数据进行划分,充分的考虑时间因素对资源预留的影响,并对数据进行了降噪的处理,能够提高资源预留的准确性,并且能够提高资源的利用率。
-
公开(公告)号:CN115327041A
公开(公告)日:2022-11-11
申请号:CN202210948354.3
申请日:2022-08-09
申请人: 南京邮电大学
摘要: 本发明公开了一种基于关联性分析的空气污染物浓度预测方法。本发明先通过皮尔森系数将相邻站点的空气污染物浓度与目标站点的污染物浓度进行关联性强弱的排序,然后将关联性最高的若干项污染物浓度与目标站点的历史污染物浓度进行组合的数据放入到神经网络模型中进行训练。相较于传统的直接进行模型训练的方法增加了多个相邻站点之间的关联性的分析再进行模型的训练,这种方法更能够挖掘到相邻站点空气污染物浓度的变化对目标站点污染物浓度变化所造成的影响,从而能够更加精确的预测到目标站点的空气污染物浓度的变化。通过以上提出的一种基于关联性分析的空气污染物浓度预测方法可以实现对空气污染物的变化进行准确的预测。
-
-
-
-
-
-
-
-
-