公开(公告)号：CN115174404B

公开(公告)日：2024-06-21

申请号：CN202210533169.8

申请日：2022-05-17

申请人： 南京大学

发明人： 许封元 ,  吴昊 ,  赵鑫 ,  柯晓鹏 ,  宰晓晨

IPC分类号： H04L41/0896 ,  H04L41/0894 ,  H04L41/14 ,  H04L41/0895

摘要： 本发明公开了一种基于SDN组网的多设备联邦学习系统，系统内采用SDN进行组网连接，该系统将边缘设备根据互相之间的延迟分为数个小组，组内采用去中心化的联邦学习策略进行联邦学习训练；在完成组内训练后，根据SDN中提供的信息在每组中选择网络性能最强的设备，让其将本组模型发送给中心节点，由中心节点对各组模型进行聚合。本发明通过对原有联邦学习过程的改良，更充分地使用了边缘设备的数据、算力与网络带宽，同时降低中心节点的压力，提高了模型训练效率，进而使各边缘设备上的数据能够更快地转化为深度学习模型，有效提升了深度学习服务的质量。

公开(公告)号：CN116486031A

公开(公告)日：2023-07-25

申请号：CN202310597493.0

申请日：2023-05-25

申请人： 南京大学

发明人： 夏南 ,  赵鑫 ,  李满春 ,  梁加乐 ,  王梓宇 ,  庄苏丹 ,  高醒

IPC分类号： G06T17/05 ,  G06V10/25 ,  G06V10/26 ,  G06V10/80 ,  G06T3/40 ,  G06V10/764 ,  G06V20/17

摘要： 本发明公开时序遥感数据与地理大数据融合的城市更新区域识别方法，本方法包括以下步骤：S1、研究基于分位数的方法，综合POI与NPPNL数据，提取X年研究区内城市建成区范围；S2、通过对X‑8年到X年的多源遥感数据进行处理，识别城市空地、城市绿地以及城市建设用地，进而得到城市建成区范围内的年度土地覆盖地图。本发明基于POI和夜间灯光数据，使用分位数法提取了研究区终止年份的城市建成区范围，基于语义分割算法、遥感指数计算等方法对Google Earth HRRS时序数据与Landsat时间序列数据进行处理，能够准确地对城市土地覆盖类型进行分类，从而进一步开展城市更新监测，制定了土地覆盖类型转换规则，监测城市更新动态，对城市更新的学术发展和未来城市发展具有重要意义。

公开(公告)号：CN115424139A

公开(公告)日：2022-12-02

申请号：CN202210701304.5

申请日：2022-06-21

申请人： 南京大学

发明人： 夏南 ,  赵鑫 ,  王梓宇 ,  庄苏丹 ,  高醒 ,  陈振杰 ,  李满春

IPC分类号： G06V20/13 ,  G06F16/951 ,  G06K9/62 ,  G06Q10/04 ,  G06Q10/06 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V20/10

摘要： 本发明公开了一种融合遥感数据与位置大数据的居民地提取方法，该方法包括以下步骤：S1、采用网络爬虫技术获取开源的位置大数据，并提取其时间序列特征；S2、结合多尺度遥感影像与遥感分类产品数据，采用分层随机取样的方法，构建并标注训练样本和验证样本集合；S3、以统一评价单元为基础获取遥感与位置大数据的多维特征，并通过特征重要性分析结果，实现低冗余度特征的筛选；S4、构建融合遥感数据与位置大数据的随机森林分类器，实现大区域居民地的提取。通过与已有结果、单一特征提取结果等比对，分析遥感‑位置特征联合的居民地提取结果精度，构建大区域居民地提取的机器学习模型，实现大区域居民地的高精度提取。

公开(公告)号：CN114662690B

公开(公告)日：2022-09-13

申请号：CN202210547606.1

申请日：2022-05-20

申请人： 南京大学

发明人： 许封元 ,  吴昊 ,  柯晓鹏 ,  赵鑫 ,  姚荣春

IPC分类号： G06N3/10 ,  G06F9/50 ,  G06F11/34 ,  H04L41/042 ,  H04L41/044 ,  H04L41/08 ,  H04L41/16 ,  H04W84/18 ,  G06N3/08 ,  G06N3/04 ,  G06N5/04

摘要： 本发明涉及一种面向深度学习Transformer类模型的移动设备协同推断系统，包括如下步骤：准备阶段：评估可用硬件资源，确定切分粒度，切片并分发至各设备。部署阶段：通过DNS组网来控制设备进行异构设备的协同推断。各待推断设备均部署推断服务程序。控制节点发送待推断样本到各设备，当前节点将中间结果传递至负责下一个模型切片的节点，以此类推，直至最后一个节点完成推理，再将最终结果发送给控制节点输出。避免因为整个Transformer模型占用空间较大而单个设备不能运行。

公开(公告)号：CN114581622A

公开(公告)日：2022-06-03

申请号：CN202210255058.5

申请日：2022-03-15

申请人： 南京大学

发明人： 赵鑫 ,  夏南 ,  李满春 ,  程亮 ,  高醒 ,  庄苏丹

IPC分类号： G06T17/05 ,  G06T17/10 ,  G06F16/9537

摘要： 本发明公开了顾及三维空间的土地利用混合度综合计算及空间制图方法，该方法包括以下步骤：S1、对道路数据进行预处理获取街区数据；S2、将街区范围内获取的城市数据进行汇总；S3、整合三维空间中的建筑数据与兴趣点，分别计算不同角度的三维混合度指标；S4、构建三维多角度混合度指数，测度城市各街区的土地混合度；S5、对三维多角度混合度指数进行精度验证。通过融合多样性指标、可达性指标及兼容性指标并分别对其进行三维化及归一化处理得到三维多角度混合度指数，能够从根本上解决现有技术有单一视角所带来的片面性与局限性，从而提高城市土地混合度量化的精确性与全面性，形成了综合化多角度的三维混合度评价体系。

公开(公告)号：CN107122494A

公开(公告)日：2017-09-01

申请号：CN201710361414.0

申请日：2017-05-22

申请人： 南京大学

发明人： 张雷 ,  赵鑫 ,  宋岳 ,  李宁

IPC分类号： G06F17/30 ,  G06F17/27 ,  G06Q50/00

摘要： 本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤：基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。

公开(公告)号：CN115221766A

公开(公告)日：2022-10-21

申请号：CN202210671133.6

申请日：2022-06-15

申请人： 南京大学

发明人： 夏南 ,  李满春 ,  程亮 ,  谌颂 ,  赵鑫 ,  周琛 ,  庄苏丹 ,  高醒 ,  王梓宇

IPC分类号： G06F30/25 ,  G06F16/951 ,  G06F16/9537

摘要： 本发明公开了一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；通过对引力模型及辐射模型进行耦合，完成引力‑辐射模型的构建；采用引力‑辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与人口流动统计结果进行对比，完成引力‑辐射模型的精度验证。本发明能够有效提升跨境人口流动模拟的精度。

公开(公告)号：CN115174404A

公开(公告)日：2022-10-11

申请号：CN202210533169.8

申请日：2022-05-17

申请人： 南京大学

发明人： 许封元 ,  吴昊 ,  赵鑫 ,  柯晓鹏 ,  宰晓晨

IPC分类号： H04L41/0896 ,  H04L41/0894 ,  H04L41/14 ,  H04L41/0895

摘要： 本发明公开了一种基于SDN组网的多设备联邦学习系统，系统内采用SDN进行组网连接，该系统将边缘设备根据互相之间的延迟分为数个小组，组内采用去中心化的联邦学习策略进行联邦学习训练；在完成组内训练后，根据SDN中提供的信息在每组中选择网络性能最强的设备，让其将本组模型发送给中心节点，由中心节点对各组模型进行聚合。本发明通过对原有联邦学习过程的改良，更充分地使用了边缘设备的数据、算力与网络带宽，同时降低中心节点的压力，提高了模型训练效率，进而使各边缘设备上的数据能够更快地转化为深度学习模型，有效提升了深度学习服务的质量。

公开(公告)号：CN115129802A

公开(公告)日：2022-09-30

申请号：CN202210782643.0

申请日：2022-07-05

申请人： 南京大学

发明人： 夏南 ,  赵鑫 ,  姜朋辉 ,  周琛 ,  陈振杰 ,  徐云耘 ,  黄学锋 ,  李满春

IPC分类号： G06F16/29 ,  G06K9/62 ,  G06N20/20 ,  G06Q10/06 ,  G06Q50/26

摘要： 本发明公开了一种基于多源数据和集成学习的人口空间化方法，该方法包括以下步骤：S1、获取多源数据并进行融合，构建人口空间化数据库；S2、从所述人口空间化数据库中构建用于模型拟合的指标体系，通过集成学习模型计算的特征重要性筛选出有效指标；S3、结合所述有效指标与社区人口之间的关系，构建Pop‑XGBoost人口空间化模型；S4、预测人口空间分布，并将格网人口模拟数据汇总至社区尺度，与真实的社区人口统计数据对比，验证结果精度。通过结合多源数据融合技术、指标筛选技术和集成学习技术等构建人口空间化模型，准确高效地实现高精度人口空间化预测。

公开(公告)号：CN115221766B

公开(公告)日：2024-05-07

申请号：CN202210671133.6

申请日：2022-06-15

申请人： 南京大学

发明人： 夏南 ,  李满春 ,  程亮 ,  谌颂 ,  赵鑫 ,  周琛 ,  庄苏丹 ,  高醒 ,  王梓宇

IPC分类号： G06F30/25 ,  G06F16/951 ,  G06F16/9537

摘要： 本发明公开了一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；通过对引力模型及辐射模型进行耦合，完成引力‑辐射模型的构建；采用引力‑辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与人口流动统计结果进行对比，完成引力‑辐射模型的精度验证。本发明能够有效提升跨境人口流动模拟的精度。