-
Patent Agency Ranking
公开(公告)号：CN111639692B
公开(公告)日：2022-07-22
申请号：CN202010446473.X
申请日：2020-05-25
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的阴影检测方法，包括：获取用于训练系统的待处理公用阴影数据集；从摄像头设备或本地硬盘上获取待检测阴影图像；公用阴影数据集的预处理并获得对应的训练集与测试集；待检测阴影图像的预处理；系统核心神经网络各模块的搭建与融合，组成基于注意力机制的卷积神经网络；计算网络预测与标签损失，根据损失调整网络参数；深度卷积神经网络的完全训练并向其输入预处理的待检测阴影图像；输出阴影检测结果,对各像素进行阴影属性分类，完成自定义数据的阴影检测流程。本发明增加了阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。
-
公开(公告)号：CN111126241B
公开(公告)日：2022-04-22
申请号：CN201911319017.2
申请日：2019-12-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于最优序列特征子集的脑电模式提取方法，以针对脑机接口系统对脑电数据分类的高精度分类要求，脑机接口可以通过发现寻找脑电信号的最优特征子序列进行信号分类，在保证脑电信号分类精度的同时也提供相关强解释性结果。通过PAA降维和SAX符号化，将数据复杂度降低，另外通过Hash方式替代数据之间相似性计算，速度和效率更高。定义了一个区分度用以判断符号子序列之间对不同脑电信号的区分能力。
-
公开(公告)号：CN113642621A
公开(公告)日：2021-11-12
申请号：CN202110885066.3
申请日：2021-08-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成对抗网络的零样本图像分类方法，属于深度学习技术领域。包括获取图像数据集；对图像数据集进行预处理得到训练集和测试集；构建核心神经网络，并将训练集输入核心神经网络得到图片图像特征和视觉图像特征，核心神经网络包括卷积神经网络、生成对抗网络、重构网络和注意力网络；计算核心神经网络的损失函数，并对核心神经网络的参数进行调节；图片图像特征和视觉图像特征共同训练得到分类器；将测试集输入分类器进行分类。相较于现有技术，本发明通过在生成对抗网络中加入重构网络，使生成对抗网络生成的视觉图像特征更加多样化；在生成对抗网络中引入注意力网络，以减少视觉图像特征中的干扰信息，提高了分类准确度。
-
公开(公告)号：CN110417765A
公开(公告)日：2019-11-05
申请号：CN201910659292.2
申请日：2019-07-22
Applicant: 南京邮电大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于信任的托攻击用户的检测方法及系统，包括用户评分数据集建立模块、信任用户数据集建立模块、对信任用户数据集进行托攻击用户检测模块、对没有添加信任信息的用户进行托攻击用户检测模块、数据推荐模块，根据用户在信任网络下的行为特征，提出了托攻击用户在信任网络下的统计量特征维度，包含维度信任集群等级TCL、信任项目等级TPL、信任相似度等级TSL、全局一致度等级GCL。针对信任用户数据集，有效检测了托攻击用户。同时，对于未添加信任信息的托攻击用户，通过全局一致度等级GCL的计算，也达到了有效的检测。本发明增加了推荐系统在托攻击下的抵御能力，提升了推荐系统的鲁棒性，使得推荐结果不会受到托攻击的影响。
-
公开(公告)号：CN109471850A
公开(公告)日：2019-03-15
申请号：CN201811201026.7
申请日：2018-10-15
Applicant: 南京邮电大学
Abstract: 一种分布式异构数据源主成份分析方法、可读存储介质和终端，所述方法包括：将原始数据集转换为对应的分布式异构数据集；所述分布式异构数据集中的每个异构数据集分别具有对应的属性列数；判断是否能够对所述分布式异构数据集进行主成份分析；当确定能够对所述分布式异构数据集进行主成份分析时，对所述分布式异构数据集执行主成份分析，得到对应的分析结果。上述的方案，可以提高分布式异构数据源主成份分析的准确性和效率。
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
