-
公开(公告)号：CN118736052B
公开(公告)日：2024-10-29
申请号：CN202411215245.6
申请日：2024-09-02
Applicant: 南京邮电大学
IPC: G06T11/00 , G06V10/764 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于高斯图Lasso估计的轻量级核磁共振成像图处理方法，属于图像处理技术领域；方法为：构建Transformer模型，重建大脑sMRI图像的潜在表示；利用高斯图模型GGM构建大脑ROI图网络；采用图形Lasso估计，实现ROI关系的稀疏表示；采用GraphTransformer模型实现核磁共振成像图处理。本发明通过Transformer模型提取大脑sMRI图像特征并依据大脑AAL模板映射出大脑ROI特征，高斯图模型GGM构建大脑区域ROIs的图网络，解决区域间关系；应用GLasso算法对图网络保留ROI连接，移除冗余，实现ROI图网络的轻量化，提高核磁共振成像图处理的准确性。
-
公开(公告)号：CN117372506A
公开(公告)日：2024-01-09
申请号：CN202311314357.2
申请日：2023-10-11
Applicant: 南京邮电大学
IPC: G06T7/70 , G06N3/0475 , G06N3/094 , G06N3/0495 , G06N3/082 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种基于知识蒸馏和生成对抗网络的面向边缘设备的姿态估计方法，属于图像识别技术领域；主要包括：将处理后的训练集输入到Hourglass网络中训练教师模型和学生模型；基于生成对抗网络的知识蒸馏方法，使用原始教师模型的输出结果作为真值获得对抗损失，同时结合原始学生模型自身的损失对原始学生模型进行再训练，获得性能更加优异的学生模型；进行新学生模型部署；与传统的知识蒸馏方法相比，本发明能够更加有效地将教师模型的知识传递给学生模型，使学生模型能够更加有效的获取教师模型的知识，解决当前姿态估计方案难以部署到边缘设备上的问题。
-
公开(公告)号：CN112181758B
公开(公告)日：2023-07-28
申请号：CN202010835820.8
申请日：2020-08-19
Applicant: 南京邮电大学
IPC: G06F11/30 , G06F18/241 , G06F18/214
Abstract: 本发明公开了一种基于网络拓扑及实时告警的故障根因定位方法，包括：输入告警数据集，进行数据处理，提取出当前对应节点所含特征作为特征集，并获取每条告警信息中的时间、节点信息；根据当前节点信息，结合拓扑关系得到上下位节点，根据时间信息筛选出一定时间区间内上下位节点的告警信息，结合当前节点的特征集构建出上下位节点告警特征；将告警数据集分为训练集与测试集，对得到的所有特征信息进行筛选处理，输入分类算法，将预测性能最好的特征集作为模型分类特征，将训练集所含上述特征值输入分类算法训练得到预测模型，利用训练好的分类模型预测测试集中的数据并输出预测结果，根据预测结果中候选根因数量和时间信息得到最终预测根因结果。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN109472290B
公开(公告)日：2022-10-14
申请号：CN201811181916.6
申请日：2018-10-11
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明揭示了一种基于有限状态机的情绪波动模型分析方法，包括：S1、使用体征采集设备采集生理数据，进行特征提取；S2、将特征用支持向量机分类器进行情绪分类识别，得到每个时间段内的情绪；S3、描述情感状态转移过程，构建并估计状态序列；S4、进行心理情绪问卷调查，计算得到情感状态序列集；S5、进行PAD情绪量表问卷调查，将结果经过PAD模型分类训练后得到情绪样本，标注情绪状态，进行监督学习训练；S6、通过情绪状态序列集、模型分析结果及监督学习训练结果，完成对情绪波动、情绪质量的预测。本方法可以与现有方法相配合，实现主客观两方面的融合，突破了单一情感生理信号与情感间的关系及仅考虑客观因素的研究局限。
-
公开(公告)号：CN108959891B
公开(公告)日：2022-07-12
申请号：CN201810794037.4
申请日：2018-07-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于秘密共享的脑电身份认证方法，包括加密和解密以及身份认证步骤；加密时首先通过Emotiv EPOC+脑电设备采集管理者的脑电数据集A，然后使用低通滤波器、主成分分析和独立成分分析依次对脑电数据集A做预处理得到脑电数据集A；最后使用小波包分析对预处理后的脑电数据集进行特征提取，得到脑电数据集B并加密脑电数据集B；解密和认证时首先由管理者选取n个合法参与者，设定秘密密钥，并对每个合法参与者分配一个子密钥；然后获取t个子密钥后，使用Lagrange插值公式恢复秘密密钥；最后获取秘密密钥后，结合交叉验证法和BP神经网络进行分类完成身份认证；本发明的脑电身份认证方法更安全；有效解决了管理者不在场也能安全实现认证的情况。
-
公开(公告)号：CN110944085B
公开(公告)日：2021-10-29
申请号：CN201911099612.X
申请日：2019-11-12
Applicant: 南京邮电大学
IPC: H04M1/72412 , H04M1/72454 , H04M1/72442 , H04W4/80
Abstract: 本发明揭示了一种晃动智能手机产生音乐的方法，包括步骤：选择智能手机中对应晃动感应的传感器；开发智能手机应用，并通过安装APP在智能手机中构建传感器管理对象和传感监听管理对象，通过访问传感器、获得原始感知数据并根据空间参数分类数据处理；定义动作与音阶，将处理后的数据分别与晃动智能手机的动作相关联，并分别映射到各个音阶，创建声音池及音频播放对象；根据检测所得智能手机晃动动作，播放对应一个动作的一个音阶声音。应用本发明的技术解决方案，利用智能手机自带的传感器，通过简单开发的APP读取传感器感知的数据并转化为对应的音阶发声，有利于用户在挥动智能手机时激发音乐的感知和掌控能力，增进兴趣并获得创作乐趣。
-
公开(公告)号：CN110297870A
公开(公告)日：2019-10-01
申请号：CN201910465941.5
申请日：2019-05-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种金融领域中文新闻短标题的情感分析法，包括如下步骤：爬取各大金融网站的新闻短标题，清洗语料并标注出实体和情感极性，然后将语料按比例分割为训练集和测试集；获取现有的金融领域的知识图谱，将知识图谱的实体和关系映射到低维连续的向量空间，获得隐含语义信息的实体表示向量；将新闻短标题分词，再生成相应的词向量；将实体提及词向量和上下文词向量组成词向量矩阵输入到A&Eb-BiLSTM模型，训练出实体提及词向量到知识图谱中实体表示向量的映射；将映射以矩阵的方式输入到Ab-BiLSTM模型，训练得到新闻短标题的情感极性；测试集按照训练集方法构建，通过准确率和F1-Score值验证两个模型的有效性。
-
公开(公告)号：CN105809030B
公开(公告)日：2018-07-10
申请号：CN201610120727.2
申请日：2016-03-03
Applicant: 南京邮电大学
IPC: G06F21/55
Abstract: 本发明提出一种基于数据追踪的推荐系统安全检测方法，以解决传统的协同过滤推荐系统检测用户注入概貌的耗时长、攻击效果不佳、不能适应大数据处理等缺点。该发明首先使用扩展卡尔曼滤波EKF可应用于时间非线性动态系统的特点，追踪并预测项目的评分状况，之后再利用线性判别分析LDA对项目中的评分异常用户进行聚类分析，从而判定该项目中的攻击用户及其概貌。扩展卡尔曼滤波方法的采用减少了对大量无关数据的检测，从而提高了检测效率，提高了系统的健壮性。追踪算法用于推荐系统的安全检测，能够实现在线不间断的系统检测，降低了误检率。线性判别分析方法实现对多特征用户降维，从而有效地检测恶意用户的概貌注入攻击并增加了检测率。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.033 seconds)
