-
公开(公告)号：CN103714258A
公开(公告)日：2014-04-09
申请号：CN201410005741.9
申请日：2014-01-07
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开了一种二值逻辑函数快速优化处理方法，包括实质本源项集合的形成、相对实质蕴涵项集合的形成无冗余覆盖优化过程、优化结果的形成等步骤。本发明在不计算函数补集的情况下，通过选取特殊最小项求解实质本源项集合，通过重塑集合求解相对实质蕴涵项集合，再经过无冗余覆盖优化，最后将实质本源项集合与相对实质蕴涵项集合合并即为逻辑函数优化结果。本发明方法简便，提高了逻辑函数快速优化的效率和准确性。
-
公开(公告)号：CN103648142A
公开(公告)日：2014-03-19
申请号：CN201310643741.7
申请日：2013-12-03
Applicant: 南通大学
CPC classification number: Y02D70/30
Abstract: 本发明公开了基于自我推荐信誉评测的无线传感器网络路由方法，包括如下步骤：当前节点接收多个邻居节点的自我推荐值；根据所述邻居节点的自我推荐值，从多个邻居节点中确定待跳转节点；根据所述待跳转节点进行路由跳转。其有益效果是，增加节点自身发言权，用自我推荐值来表明节点自身参与通信行为的意愿，从而为数据传输选择待跳转节点提供度量，在网络各节点间均衡通信负载，实现同步消耗各节点能量，延长网络生命周期。
-
公开(公告)号：CN119763355A
公开(公告)日：2025-04-04
申请号：CN202411888720.6
申请日：2024-12-20
Applicant: 南通大学
IPC: G08G1/0967 , G08G1/01 , G01C21/34 , G06Q10/04 , G06F17/16 , G06F17/18 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08 , G06F18/25 , G06F18/213
Abstract: 本发明提供了一种稀疏性时空融合模块的车辆轨迹预测方法，属于智能交通和自动驾驶技术领域，解决了传统注意力机制缺乏对动态场景中关键交互特征精准聚焦的技术问题。其技术方案为：首先，从传感器中获取目标信息，将其作为节点构建出相应特征；其次，通过扩散卷积和tanh‑sigmoid结合的稀疏性时空注意力模块提取车道线和车辆特征；最后，通过全连接层预测出车辆轨迹。本发明应用扩散卷积和高效加性注意力对提取的特征进行空间和时间维度上的注意力强化，提高车辆轨迹预测的精度和实时性，能够掌握车辆的行驶路径，适用于自动驾驶和智能交通系统。
-
公开(公告)号：CN119206855A
公开(公告)日：2024-12-27
申请号：CN202411197214.2
申请日：2024-08-29
Applicant: 南通大学
Abstract: 本发明提供了一种基于BASFPN多尺度特征融合的轻量级行人检测方法，属于人工智能和计算机视觉目标检测技术领域。解决了在小目标行人和被遮挡行人的检测方面存在的精度不高、鲁棒性不足的技术问题。包括以下步骤：S1：获取行人检测视频，预处理转为图像；S2：对获取的数据进行数据混合增强处理；S3：构建轻量级网络模型MobileViT作为模型的特征提取网络；S4：构建FCOS网络模型；S5：对于BASFPN特征金字塔层进行设计；S7：将数据集输入改进的模型中进行训练迭代。本发明通过改进FPN结构和融合策略，增强模型对不同尺度特征的利用和表达能力，从而提高行人检测的整体性能。
-
公开(公告)号：CN119046792A
公开(公告)日：2024-11-29
申请号：CN202411128411.9
申请日：2024-08-16
Applicant: 南通大学
IPC: G06F18/2415 , G06F18/25 , G06F18/214 , G06F18/22 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895 , G06F123/02
Abstract: 本发明提供了一种基于对比学习的多模态环境下通用人类活动识别方法，属于深度学习技术领域。解决了在测试域数据无法访问时模型的泛化性能的技术问题。其技术方案为：包括以下步骤：S1、时域和频域的数据增强；S2、多模态特征融合；S3、对比学习。本发明的有益效果为：在提升对未知数据域泛化能力的同时，提高了活动识别的准确率。
-
Patent Agency Ranking
-
公开(公告)号：CN116373900A
公开(公告)日：2023-07-04
申请号：CN202310291347.5
申请日：2023-03-23
Applicant: 南通大学
IPC: B60W60/00 , B60W40/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明属于自动辅助驾驶技术领域，具体涉及一种无车道线道路环境下的自适应虚拟车道线绘制方法。本发明通过得到的目标信息和目标本身作为节点构建出空间无向图，将时序性信息转化成图矩阵形式，并保存其时序性。使用重构后的LSTM模型处理图矩阵数据，并利用LSTM的循环性处理数据的时序性。使用Transformer的空间注意力机制从空间图矩阵数据中提取有效特征并训练模型。用inception_mixer模块继续处理高频信息和低频信息，将信息中的有效特征再次提取，保证了本方法的准确性和高效性。该方法可以高效地长时预测周围车辆的轨迹，有效地保障了行车安全和道路安全，可以应用于智能交通系统，提高交通安全性和效率，协助路线优化和路口预测等操作。
-
公开(公告)号：CN110830998B
公开(公告)日：2023-04-18
申请号：CN201910454546.7
申请日：2019-05-28
Applicant: 南通大学
IPC: H04W12/041 , H04W12/06 , H04W12/122 , H04L1/1607 , H04W4/44 , H04W4/70
Abstract: 本发明提供了一种基于信任机制的车联网恶意节点识别方法，属于车联网安全技术领域。其技术方案为：一种基于信任机制的车联网恶意节点识别方法，包括线下注册、加入网络、可信值计算和识别并处理恶意节点四个步骤。本发明的有益效果为：本发明提出车联网环境下基于可信机制的恶意车辆节点识别的方法，利用无线网络混杂监听模式检测邻居节点通讯状况；根据检测到的结果，引入主观逻辑模型，采用加权计算的思想对车辆节点进行信任值评估；针对信任值过低的节点进行隔离处理，从而降低恶意节点对车联网环境的破坏。
-
公开(公告)号：CN111586186B
公开(公告)日：2023-04-07
申请号：CN202010395948.7
申请日：2020-05-12
Applicant: 南通大学
Abstract: 本发明提供了一种道路雾架构环境下车辆结点信任值计算方法，道路上任意一车辆结点A信任值计算符合如下通式：TA＝0.397DTA+0.305RTA+0.298TQA，其中，TA为所述车辆结点A的信任值，TA∈(0,1]，DTA为所述车辆结点A的直接信任值，RTA为所述车辆结点A的间接信任值，TQA为所述车辆结点A的任务完成质量。本发明的一种道路雾架构环境下车辆结点信任值计算方法，全面反映车辆结点的数据通信质量，有效降低海量数据回传造成的带宽浪费，减轻云数据中心计算的压力，提升数据传输速率，降低通信时延，计算得到的车辆结点信任值可以作为路由选择、车载资源调度管理等应用的重要参数。
-
公开(公告)号：CN110933643B
公开(公告)日：2023-03-14
申请号：CN201910855976.X
申请日：2019-09-11
Applicant: 南通大学
Abstract: 本发明公开了一种城市道路车联网络资源的共享方法，包括如下步骤：步骤1车辆结点工作流程；步骤2RSU工作流程；步骤3管理中心工作流程。本发明目的在于车联网络中任何一个车辆结点都可以通过本方法获取使用存放于网络中另一个车辆结点上的可被用于共享的娱乐资源。采用的娱乐资源共享方法，假设所有可共享资源均存储于网络中的车辆结点当中，无论是管理中心还是RSU中都不存放共享数据，并且本发明假设网络中结点数据通信可以可靠实现，即本方法不涉及结点间路由选择和底层物理通信方法。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.034 seconds)
