-
公开(公告)号：CN115115082A
公开(公告)日：2022-09-27
申请号：CN202111650392.2
申请日：2021-12-30
Applicant: 南通大学
Abstract: 本发明提供了一种基于联邦学习的长距离高速公路交通流量预测方法，属于交通预测和信息安全技术领域。解决了现有交通预测模型对长距离高速公路进行交通流量预测，准确率不高，监测点使用损耗较大，浪费能源，且未考虑交通数据信息安全的问题。其技术方案为：包括以下步骤：步骤一、LSTM‑RNN搭建；步骤二、数据处理；步骤三、联邦学习；步骤四、模型预测。本发明的有益效果为：本发明提高交通流量预测的准确率，防止信息泄露，降低能源消耗，降低监测点的使用损耗。
-
公开(公告)号：CN113705819A
公开(公告)日：2021-11-26
申请号：CN202110823882.1
申请日：2021-07-21
Applicant: 南通大学
IPC: G06N10/00 , G06F30/20 , G06F119/10 , G06F111/06
Abstract: 本发明公开了一种量子位交互错误感知的CNOT线路最近邻综合方法，包含以下步骤：步骤S0，根据CNOT线路生成对应的布尔矩阵；步骤S1，对布尔矩阵的每一列构造最小噪声Steiner树，所述每一列的最小噪声Steiner树根据实际量子体系结构下最小噪声路径获得；步骤S2，对布尔矩阵依次进行主对角线下方元素高斯消元及主对角线上方元素高斯消元，在高斯消元过程中根据最小Steiner噪声路径对每一列的最小噪声Steiner树中列值为零的steiner点置1，上述最小噪声路径及最小Steiner噪声路径均考虑了实际量子体系结构中相邻量子位交互错误率，在保证线路可靠性的前提下实现CNOT量子线路的最近邻综合，同时降低量子线路最近邻综合代价。
-
公开(公告)号：CN112766211A
公开(公告)日：2021-05-07
申请号：CN202110125378.4
申请日：2021-01-29
Applicant: 南通大学
Abstract: 本发明提供了一种行人再识别视频监控系统中物理图案攻击的防御方法，包括以下步骤：S1、准备正常图像样本集；S2、生成“对抗物理图案”；S3、准备对抗图像样本集；S4、构建行人再识别模型；S5、将所有样本集融合，并分为训练样本集和测试样本集；S6、将训练样本集进行多种特征提取；S7、使用训练集完成模型训练；S8、在完成训练后的模型上进行测试集的测试。本发明的有益效果为：本发明采用多特征融合网络，通过进行多种特征提取，采用联合特征向量，利用局部区域及全身区域的总特征来降低对抗物理图案在识别时所占的比重，以此来达到对物理图案的防御效果。
-
公开(公告)号：CN112668557A
公开(公告)日：2021-04-16
申请号：CN202110125374.6
申请日：2021-01-29
Applicant: 南通大学
Abstract: 本发明提供了一种行人再识别系统中防御图像噪声攻击的方法，包括以下步骤：步骤1：准备正常图像样本集：步骤2：构造行人再识别模型；步骤3：使用正常图像样本集，分别利用不同的对抗攻击方法生成对抗图像样本集：步骤4：将所有图像样本分为训练图像样本集和测试图像样本集；步骤5：将训练图像样本通过构造的行人再识别模型完成模型训练；步骤6：在测试样本集上进行行人图像识别，检验行人图像识别效果。本发明的有益效果为：本发明将训练图像进行降噪后，对降噪后的图像进行特征提取时并降噪前的图像也进行特征提取，将两次提取的特征同时输入特征融合网络得到降噪前后融合的特征，用融合后的特征进行行人再识别。
-
公开(公告)号：CN111586186A
公开(公告)日：2020-08-25
申请号：CN202010395948.7
申请日：2020-05-12
Applicant: 南通大学
IPC: H04L29/08
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。
-
Patent Agency Ranking
公开(公告)号：CN109542355A
公开(公告)日：2019-03-29
申请号：CN201811440413.6
申请日：2018-11-28
Applicant: 南通大学
Abstract: 本发明公开了一种停车场云存储资源的信任计算方法，包括：步骤一：公云服务器接受用户车辆节点发出的存储资源请求信号，步骤二：公云服务器根据接受到的请求信号，步骤三：公云服务器向服务车辆节点发出服务信号，步骤四：重新建立新的车辆存储资源共享网络；步骤五：公云服务器对所述车辆存储资源共享网络中的服务车辆节点进行信任值更新。本发明能合理利用闲置存储资源，能避免网络恶意攻击，使得整个停车场的安全性能更好，交通对象势必是能够很好地确认相互之间的信任关系的，而信任值是一个动态变化的过程，随着交互行为的积累，信任会发生改变，形成一个良好的信任值更新。
-
公开(公告)号：CN103701939A
公开(公告)日：2014-04-02
申请号：CN201410018024.X
申请日：2014-01-16
Applicant: 南通大学
Abstract: 本发明提供了数据交互方法，包括：网络中的第一节点获得网络中反馈节点对将要进行数据交互的多个第二节点的信任向量集合；第一节点根据信任向量集合确定多个第二节点的信任值；第一节点根据信任值，从多个第二节点中确定要进行数据交互的交互对象节点；第一节点与确定的交互对象节点进行数据交互。本发明还提供了一种数据交互系统。本发明能有效地降低误判次数，从而促进网络节点数据交互的可靠性和可用性。
-
公开(公告)号：CN120050626A
公开(公告)日：2025-05-27
申请号：CN202510091991.7
申请日：2025-01-21
Applicant: 南通大学
Abstract: 本发明提出了一种基于深度强化学习的改进RSU(road side unit)流行文件分配方法，属于车联网边缘计算技术领域，解决了RSU错误缓存文件导致的文件响应率较低和文件传输时延较大的技术问题。其技术方案为：包括以下步骤：S1：在每轮中，基于通信范围内所有车辆的文件请求，两个RSU确定Fc个待缓存的流行文件；S2：RSU初始化主Q网络、目标Q网络和经验回放缓冲区；S3：RSU训练目标Q网络和更新主Q网络；S4：基于深度强化学习的结果，本地RSU与邻居RSU分配流行文件，以此响应车辆文件请求。本发明的有益效果为：本发明提出一种基于深度强化学习的RSU流行文件分配算法，可提高缓存文件的响应性能。
-
公开(公告)号：CN119625018A
公开(公告)日：2025-03-14
申请号：CN202411663331.3
申请日：2024-11-20
Applicant: 南通大学
Abstract: 本发明提供了一种基于多尺度图卷积的高效多目标车辆轨迹预测方法，属于智能交通和自动驾驶技术领域。解决了在复杂交通环境中现有预测方法的不足，尤其是在多目标情况下的效率和精度不够的技术问题。其技术方案为：首先，构建车辆和车道的子图，通过多尺度图卷积网络对车辆轨迹和车道特征进行提取；其次，利用自适应动态权重模块对不同目标车辆的权重进行动态调整；然后，基于运动特征库对车辆运动模式进行聚类。本发明的有益效果为：该方法通过结合高清语义地图，采用时空多头注意力机制和自适应动态权重模块，提升了特征提取和预测性能，该方法在多个交通场景下均表现出优于现有技术的性能，具有显著的实际应用潜力。
-
公开(公告)号：CN118629006A
公开(公告)日：2024-09-10
申请号：CN202410744217.7
申请日：2024-06-11
Applicant: 南通大学
IPC: G06V20/58 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于稀疏时空图Transformer网络的行人轨迹预测方法，属于计算机视觉技术领域。解决了行人在拥挤环境下和长距离轨迹预测效率低的技术问题。其技术方案为：包括以下步骤：S1：从图像帧中获取行人的位置信息；S2：使用动态空间Transformer，利用多头注意力机制对空间依赖的多种模型进行联合建模；S3：利用自注意力机制实现跨多个时间步的双向时间依赖性建模；S4：得到具有稀疏变换的时空Transformer网络；S5：设计一种基于时空Transformer的时空块链的模型框架。本发明的有益效果为：本发明提高行人在拥挤环境下和长距离轨迹预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.035 seconds)
