-
公开(公告)号：CN101477515A
公开(公告)日：2009-07-08
申请号：CN200810243908.X
申请日：2008-12-10
Applicant: 南京邮电大学
IPC: G06F17/00
Abstract: 一种类似内存管理的上下文感知中的信息数据处理方法是一种策略性方法，通过使用该方法可以达到有效融合上下文信息数据的目标，来解决上下文信息数据融合的问题，通过引入数据桢结构来表示上下文信息，并通过对数据桢结构的综合处理完成对上下文信息数据的融合，再以数据融合后得到的综合数据桢表示用户及其所处环境当前的特征。嘎适用于普适计算环境中上下文数据的融合处理。采用本方法，上下文感知系统能够在得到输入数据后迅速有效的总结出当前外部环境及用户的状态。该方法有较强的适应性。无论输入数据变化剧烈还是缓慢，经过本方法处理后，都能较为真实的反映数据背后所体现出的环境及用户特性。
-
-
公开(公告)号：CN101370208A
公开(公告)日：2009-02-18
申请号：CN200810156176.0
申请日：2008-10-06
Applicant: 南京邮电大学
Abstract: 基于身份识别的泛在智能人机交互芯片的实现方法，把由计算和通信芯片及系统组成的信息空间与人们生活的物理空间集成为和谐的人机交互信息环境，利用无线传感器网络和分布式计算技术实现自组织的泛在人机交互基础设施及建立在此基础上的人性化泛在智能交互方法，提高人机交互的性能和质量。本发明提出一种实现人机交换之间透明的、智能的、泛在的交互过程的方法，提供了随时沟通、及时互动的交互服务以及灵活的信息共享方式。
-
公开(公告)号：CN101315422A
公开(公告)日：2008-12-03
申请号：CN200810123596.9
申请日：2008-07-09
Applicant: 南京邮电大学
Abstract: 无线传感器网络定位方法主要用于解决无线传感器网络中的各节点的定位问题。该装置包括两种节点：信标节点和普通节点。分别具有如下特征：信标节点具有GPS定位模块和无线通信模块，用于接收从GPS卫星网络发来的GPS数据并将电文进行解码，多个信标节点组成一个服务网络通过无线通讯模块为普通节点提供定位服务，处理器模块完成GPS信号的解析并将定位信息通过无线模块进行发送；普通节点采集传感数据处理并发送给上层节点，同时从有信标节点组成的定位网络中获取服务完成自身定位，并根据需要确定定位信息的处理和传输。
-
公开(公告)号：CN101018235A
公开(公告)日：2007-08-15
申请号：CN200610097863.0
申请日：2006-11-16
Applicant: 南京邮电大学
Abstract: 基于智能代理的无线传感器网络数据聚合路径优划方法是一种用于在无线传感器网络环境中，采用智能代理的协作信息处理技术，实现网内数据聚合路径优化的技术方案。采用进化遗传算法与神经网络算法的结合来优化路由的选择，具体如下：主代理初始路由生成、分派执行代理；执行代理决策路由；系统报告；主代理收集并更新系统信息；主代理重新计算一个优化的路由；执行代理完成数据与状态信息的收集：该方法提供了一种利用智能软件实体间协同信息处理，来解决无线传感器网络聚合路径选择问题的方法，是一种启发策略性方法，通过使用本发明提出的方法可以在一定程度上控制聚合节点的能耗，提高网络的整体性能。
-
Patent Agency Ranking
公开(公告)号：CN119248503A
公开(公告)日：2025-01-03
申请号：CN202411460281.9
申请日：2024-10-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向智慧养老的自我感知式多边缘节点计算卸载方法，包括多个边缘节点和一个中心节点，边缘节点上搭载用户请求收集模块和令牌Token，用户请求收集模块采集智慧养老模式下老年用户的业务请求并将其发送至中心节点，令牌Token用于边缘节点的自感知设计；中心节点搭载了数据存储模块和计算任务管理模块，数据存储模块存储老年人用户的数据，并将数据转化为部分可观测马尔可夫决策过程，发送至计算任务管理模块；计算任务管理模块根据算法求得最优卸载策略，根据卸载策略下发计算资源到边缘节点,用于下一轮请求的收集。本发明合理的部署计算资源到边缘节点，降低了卸载的时延，增加了资源调度的效率。
-
公开(公告)号：CN118942670A
公开(公告)日：2024-11-12
申请号：CN202410936645.X
申请日：2024-07-12
Applicant: 南京邮电大学
Abstract: 本专利公开了一种面向阿尔茨海默病的多模态融合系统及方法，属于人工智能和医学领域，系统由多模态数据预处理层，多模态数据特征提取层，基于注意力机制的多模态数据融合层组成；多模态数据预处理层分别对临床、遗传、图像数据进行预处理；多模态数据特征提取层对预处理后的三个单一模态数据进行特征提取；基于注意力机制的多模态数据融合层将所述三个模态的数据作为输入，利用注意力机制提取模态的单一及融合特征进行融合。本发明对于阿尔兹海默病的检测更贴合实际的临床断诊需求，有助于提高对阿尔兹海默病预测的准确性，更全面地了解患者病情，从而给患者提供更个性化的治疗措施，同时也可以对阿尔兹海默病的预防检测筛查起到相应的作用。
-
公开(公告)号：CN115511212A
公开(公告)日：2022-12-23
申请号：CN202211293381.8
申请日：2022-10-21
Applicant: 南京邮电大学
Abstract: 一种基于深度学习的航班保障流程剩余执行时间预测方法，预测模型由输入层，双向LSTM层，Attention层，融合层，预测层组成，模型输入包含非时序的全局特征和时序的各时间步流程的执行状态。Attention‑BiLSTM模型提取流程执行状态时序信息，生成中间状态编码，与非时序的全局特征相融合，经过多层感知机得到流程剩余执行时间。在流程开始时，计算生成非序列的全局特征向量，每隔固定时间采集一次流程执行状态，并采用滑动窗口的方式生成序列特征数据，特征数据经过模型计算得到航班保障流程剩余时间的动态预测值。
-
公开(公告)号：CN112800225B
公开(公告)日：2022-09-16
申请号：CN202110120528.2
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种微博评论情绪分类方法和系统，属于自然语言处理技术领域，方法包括如下步骤：采集原始微博评论文本数据并进行预处理获得微博文本数据集；对微博文本数据集进行预训练；利用情绪词典选取微博文本中包含情绪的句子作为局部情绪特征；利用训练好的胶囊网络提取微博文本的整体情绪特征；对微博文本的整体情绪特征和局部情绪特征进行融合，获得该微博文本的情绪分类结果；将微博用户的所有微博文本的情绪分类结果求和取平均值，根据所述平均值确定微博用户微博评论的情绪倾向。本发明的方法和系统从局部与整体方面使用深度学习方法进行学习，能更加准确地判断微博用户的情绪倾向，能提高情绪分类准确率。
-
公开(公告)号：CN107239738A
公开(公告)日：2017-10-10
申请号：CN201710310226.5
申请日：2017-05-05
Applicant: 南京邮电大学
CPC classification number: G06K9/00885 , A61B3/113 , A61B5/024 , A61B5/165 , A61B5/72 , G06F17/18 , G06K2009/00939
Abstract: 本发明公开了一种融合眼动技术与心率检测技术的情感分析方法，包括：步骤一：初步筛选出心率指标和眼动指标；步骤二：对用户产品体验过程中的相关心率和眼动指标数据进行记录，填写一份PAD情感调查问卷；步骤三：对所有初步筛选的心率和眼动指标数据进行方差齐性检测，进行筛选；步骤四：采用单因素方差分析法分别对心率和眼动指标数据进行分析，挑选得到与情感变化相关的最佳数据指标；步骤五：采用偏最小二乘回归分析法将得到的最佳心率和眼动指标与PAD情感值建立对应的数学关系模型；步骤六：根据PAD的情感值判断用户的情感状态。本发明融合两种不同的情感测量指标，这两种指标在情感识别过程中可以优势互补，能够有效识别不同的情感状态。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.05 seconds)
