-
公开(公告)号：CN117874644A
公开(公告)日：2024-04-12
申请号：CN202410043485.6
申请日：2024-01-11
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/211 , G06N3/0499 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于代理模型的改进顺序特征选择方法、系统和设备，属于特征选择领域；本申请包括代理模型训练和最佳子集生成两个阶段；其中代理模型训练阶段中使用带标签的数据集对嵌入注意力机制的神经网络进行训练，通过反向传播算法不断学习，更新注意力层的权值。最佳子集生成阶段中，旨在提高分类精度并减少特征数量，以代理模型训练阶段获得的注意力层为代理模型，将特征根据优劣关系重新排列，将优势特征依次加入子集，结合启发式采样方法，在评估后得到最优特征子集。本发明采用了神经网络嵌入注意力的新型结构，并以基于粗‑细采样的启发式顺序子集生成方法获得最优子集的特征选择两步走形式。
-
公开(公告)号：CN112911000A
公开(公告)日：2021-06-04
申请号：CN202110135720.9
申请日：2021-02-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于WIFI探针的高校区域性人流量监测系统，包括WIFI探针采集模块和后台服务器处理模块，所述WIFI探针采集模块对监测区域内的客户端Mac地址进行采集，并将采集的数据传送到后台服务器；所述后台服务器处理模块包括信息设置、数据分析、人流量监测、人流量峰值预警、可用资源分配、人流量饱和解决。本发明利用WIFI探针技术感知用户Mac地址时，用户只需开启客户端的WIFI功能，无需实质的网络连接也能被实时探测Mac地址，在不干扰用户学习、工作的情况下自动完成信息采集，同时通过大数据分析的技术手段分析学生的行为轨迹，预测人流量峰值的信息，进行人流量预警，并合理分析校园资源的利用情况，提供合理的评估和建议。
-
公开(公告)号：CN105530303A
公开(公告)日：2016-04-27
申请号：CN201510934456.X
申请日：2015-12-15
Applicant: 南京信息工程大学
IPC: H04L29/08
CPC classification number: H04L67/2852
Abstract: 本发明提供一种网络缓存线性替换方法，首先建立一个缓存替换模型作为实验基础，先对网站固定缓存容量大小，然后对其发送大量的访问请求，再对网路缓存中出现的数据信息进行提取分析，同时将向网络中所发送的请求数据按照一定的数量分成不同的序列，这些序列也可以作为实验对象。在该网站的网络缓存存储满时，要对接下来的访问数据与之前已经存储的数据进行替换。在替换的过程中，采用了三种递进式的方法，来设计出了一个最为优秀的缓存替换方法。本发明结合传统的缓存替换方法。通过本设计的缓存替换方法，可以快速的给用户返还所需数据，提高数据查询请求的速度，适合于处理大数据的请求访问。
-
公开(公告)号：CN105426910A
公开(公告)日：2016-03-23
申请号：CN201510766519.5
申请日：2015-11-11
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6256
Abstract: 本发明公开了一种基于改进ABC算法与DE变异策略的自适应聚类方法，该方法采用变异和交叉两个操作代替原算法ABC中单一的搜索操作，采用自适应的DE变异策略和新的概率选择值方法代替原方法。本发明在一定程度上解决了传统聚类算法后期容易陷入局部最优的缺点，且搜索速度相对较慢的缺陷，将改进ABC算法与DE结合，重新定义人工蜂位置更新公式，使算法尽可能的跳出局部最优，从而找到全局最优解。该方法的聚类结果更具多样性和准确性，且算法速度及效率都具有一定的优势。
-
公开(公告)号：CN104346459A
公开(公告)日：2015-02-11
申请号：CN201410629761.3
申请日：2014-11-10
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明提供一种基于术语频率和卡方统计的文本分类特征选择方法，包括如下步骤：对数据集预处理；把每一个数据对象转换为特征空间的向量；分别计算每个术语在每个文本分类中的最大术语频率和平均术语频率；根据平均术语频率计算术语在每个类中的分布差异度；将每个术语的最大术语频率和分布差异度与传统的卡方统计公式相结合，计算每个术语在每个类中的权重，并取最大值为术语权重；将每个术语权重降序排序，选出权重值最大的前N个术语作为特征。本发明通过对传统的卡方统计进行改进，使在某类出现频率较高的或类内分布均匀的特征项对类别区分的贡献度得到体现，并修正了传统卡方统计方法偏向于低频词的不足。
-
Patent Agency Ranking
公开(公告)号：CN104317904A
公开(公告)日：2015-01-28
申请号：CN201410579139.6
申请日：2014-10-24
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30663 , G06F17/30687
Abstract: 本发明公开了一种带权重社会网络的泛化方法，包括：对节点依节点度进行降序排序并分组；泛化已经存在的边的权重，并计算边存在概率；根据匿名组内节点度数不相同的情况寻找候选节点作为新邻居，增加边、安排新边权重并计算边存在概率；遍历所有匿名组集后抽取所有节点敏感属性形成敏感属性包；计算节点间的敏感属性包的最大相似性，根据泛化树，得到敏感属性包的泛化包；遍历K-权重匿名组集，得到满足K-Weighted-inv-l-diversityanonymous图。与现有技术相比，本发明考虑了边的权重，并且考虑了多敏感属性的问题，使得隐私保护方法更加适用于实际的社会网络，可以更好地保护带权重图中的多敏感属性。
-
公开(公告)号：CN120070645A
公开(公告)日：2025-05-30
申请号：CN202510544537.2
申请日：2025-04-28
Applicant: 南京信息工程大学
IPC: G06T11/00 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/32 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G01W1/10
Abstract: 本发明公开了基于自注意力ConvLSTM生成对抗网络的短临降水预报方法及系统，属于天气预报技术领域。该方法结合了自注意力机制和ConvLSTM网络，并通过多尺度特征融合来提升降水预报的精度与时效性；在模型结构上，采用了自注意力记忆模，通过增强输入特征间的关联性来捕捉时空序列中的长程依赖；此外，引入生成对抗网络框架，通过对抗训练方式进一步优化模型的生成效果；为解决训练中的模式崩溃问题，本发明采用了WGAN‑GP算法，利用梯度惩罚项约束判别器，保持稳定的训练过程。本发明能够有效地应用于天气预报等领域，为气象灾害预警提供更加精准、实时的预报支持。
-
公开(公告)号：CN119623515B
公开(公告)日：2025-05-23
申请号：CN202510170315.9
申请日：2025-02-17
Applicant: 南京信息工程大学
IPC: G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/086 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/23 , G06F18/21
Abstract: 本发明提供了一种基于相似性代理辅助的演化神经架构搜索方法和系统，所述方法包括：步骤1，初始化一个架构种群，选择性能最佳的架构作为初始基准架构；步骤2，构建一种图神经网络变体作为特征提取器；步骤3，构建代理模型，通过联合损失函数训练代理模型；步骤4，根据适应度值保留高潜力架构，并对高潜力架构进行真实性能评估，将评估结果加入训练集；将当前种群与代理模型预测筛选出的高性能架构合并，通过环境选择策略更新种群；步骤5，重复步骤3和步骤4直至种群性能收敛，最终输出全局最优架构。本发明能够在有限的计算资源下快速搜索到高性能的神经网络架构，为神经网络的自动化设计与优化提供了一种高效、智能的新型解决方案。
-
公开(公告)号：CN119247790B
公开(公告)日：2025-04-11
申请号：CN202411770037.2
申请日：2024-12-04
Applicant: 南京信息工程大学
IPC: G05B13/04
Abstract: 本发明提供了基于博弈论的非稳定环境下智能体策略协同方法，包括以下步骤：步骤1，获取智能体状态值和收益；步骤2，根据动态差分规划方法，得到智能体期望收益，并根据马氏性公式，得到智能体最优收益；步骤3，根据当前时刻的状态值和智能体期望收益，获得智能体最期望的动作选择；步骤4，当智能体处于动态环境中时，获取智能体期望收益随时间的变化，并根据变化后的期望收益，获得最优动作选择。本发明方法克服了传统博弈论和强化学习方法在动态不稳定环境下的局限性，为多智能体协同决策提供了一种新的、高效的解决方案。
-
公开(公告)号：CN119723239A
公开(公告)日：2025-03-28
申请号：CN202411752104.8
申请日：2024-12-02
Applicant: 南京信息工程大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80
Abstract: 本发明提供了一种基于动态神经网络的目标检测方法和系统，所述方法首先对YOLOv7模型进行改进，使用多元卷积融合模块来替换骨干网络中的高效层聚合模块，然后在头部网络引入双向特征金字塔。最后，以两个改进后的YOLOv7模型作为基础模型，并结合智能路由器来构建动态目标检测模型。与常规的静态目标检测模型不同，本发明的动态目标检测模型能够根据图片复杂度来自适应的调整网络结构，对于简单的图片使用单一的网络进行检测保证检测的速度，而复杂的图片则经过两个网络处理来提高检测的精度。这种方法相比传统的目标检测方法具有更高的精度和更好的灵活性，能够在不丢失速度的情况下保持较高的精度。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.035 seconds)
