-
公开(公告)号：CN115018553B
公开(公告)日：2024-05-07
申请号：CN202210756922.X
申请日：2022-06-30
Applicant: 东南大学
IPC: G06Q10/083 , G06Q10/0631 , G06Q10/04 , G06Q30/0204 , G06Q30/0601 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06F18/22
Abstract: 本发明公开了基于深度学习的区域物流单量预测系统及方法，包括特征建模模块、嵌入模块和物流预测模块，特征建模模块用于提取和构建不同物流区区域内、区域间的特征并进行特征建模，将每一个区域视为一个节点，通过各个区域之间的相似程度构建图；区域节点嵌入模块用于对每一种区域内、区域间特征进行各区域节点类别的划分，通过图卷积神经网络为每一个区域节点进行特征嵌入，训练完成后每一个特征图均可生成E×N的矩阵，作为预测模型的特征输入；物流预测模块根据区域节点嵌入模块得到的特征向量和时序特征进行长期物流预测。本方法综合考虑区域本身静态特征和相似区域的静态特征上下文信息，对区域级别物流量进行更为显著的长期且精准的预测。
-
公开(公告)号：CN114095892B
公开(公告)日：2024-03-05
申请号：CN202111363918.9
申请日：2021-11-17
Applicant: 东南大学
IPC: H04W4/33 , H04W16/22 , G06F18/22 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种解决大规模信号异质性的室内人员状态检测的方法，所述方法包括以下步骤：步骤1：数据预处理，为构建图准备数据；步骤2：通过相似性提取模块学习环境对蓝牙信号的影响模式和智能手机设备对蓝牙信号的影响模式之间的相似性；步骤3：基于影响模式之间的相似性，通过模型参数预测模块预测未知场景下的状态检测模型参数；该方案实现了基于图神经网络的大规模室内状态检测技术，该技术分析了大规模场景下环境和智能手机设备对蓝牙信号造成的异质性影响模式，并根据影响模式间的相似性来推断未知场景下的室内状态检测模型参数，无需收集额外的数据及模型再训练，最终室内状态检测的准确率和召回率分别达到93.62％和95.20％。
-
公开(公告)号：CN116644834A
公开(公告)日：2023-08-25
申请号：CN202310387572.9
申请日：2023-04-12
Applicant: 东南大学
IPC: G06Q10/04 , G06Q10/083 , G06N3/0442
Abstract: 本发明公开了一种预测揽派快递员揽收时间的系统，首先，数据预处理过程：收集快递员的历史揽收和派送数据，以及上报工作完成的数据和快递员轨迹等数据，根据派送订单的地址和快递员行为将派送订单聚合到AOI维度，得到AOI的嵌入表达，其次采用基于注意力机制的神经网络预测，将快递员的揽收订单位置和当前位置以及未完成的AOI输入到网络中预测快递员接下来的访问AOI。最后根据得到的每个AOI的嵌入表达以及预测的快递员后续访问的AOI，输入到长短期记忆网络中得到最终的上门时间。本发明通过预测出快递员的上门揽收时间，减少用户在等待快递员上门揽收过程中的焦虑了，进一步提高了用户体验。
-
公开(公告)号：CN110084850B
公开(公告)日：2023-05-23
申请号：CN201910270280.0
申请日：2019-04-04
Applicant: 东南大学
IPC: G06T7/73 , G06T7/10 , G06N3/0464
Abstract: 本发明公开了一种基于图像语义分割的动态场景视觉定位方法，属于SLAM（Simultaneous Localization and Mapping，同步定位与建图）领域。本发明首先采用深度学习中的有监督学习方式对原始图像中的动态物体进行分割，得到语义图像；在此基础上，从原始图像中提取ORB特征点并根据语义图像对动态物体特征点进行剔除；最后，基于剔除后的特征点采用基于点特征的单目SLAM方法对相机运动进行定位跟踪。定位结果表明，相比于传统方法，本发明公开的方法在动态场景中的定位精度提高13%到30%。
-
公开(公告)号：CN113328659B
公开(公告)日：2023-05-12
申请号：CN202110544324.1
申请日：2021-05-19
Applicant: 东南大学
Abstract: 本发明公开了一种永磁同步电机转速环PI参数整定方法，利用高频注入法在PMSM系统的两相同步旋转坐标系中的直轴注入高频电压信号，提取交轴电流；计算锁相环系统在输入为加速度响应时的稳态误差，限制空载时的转子角度误差限制为Δθq，重新整定转速环PI参数；再利用电流环控制器计算电压分量，输入到空间矢量脉宽调制模块从而驱动PMSM系统。本发明考虑了高频注入法应用在PMSM无位置传感器控制时PMSM系统的滞后性，分析锁相环系统的稳态误差并重新整定转速环PI参数，从而适配并正常驱动PMSM系统，提高系统的动态性能和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110161543B
公开(公告)日：2022-11-04
申请号：CN201910353530.7
申请日：2019-04-29
Applicant: 东南大学
IPC: G01S19/37
Abstract: 本发明公开了一种基于卡方检验的部分粗差抗差自适应滤波方法，首先，基于观测模型异常检验量，分析了观测值之间的相关性，并针对由于观测值之间的相关性所导致的粗差误判问题，提出了部分粗差抗差方法；然后根据假设检验理论，构造了滤波模型整体检验量，基于卡方检验判断整体模型是否存在异常。当判定出模型存在故障时，本发明就采用部分粗差抗差自适应方法对异常的位置进行定位，并通过放大协方差，保障定位的精度和鲁棒性；最后设计了两组实验，采用三种方案进行对比分析，以验证本发明所提方法的性能。实验结果表明，该方法极大地消弱了观测值之间相关性的影响，能准确的识别粗差位置，明显降低了粗差探测的误警率，保证了定位的鲁棒性。
-
公开(公告)号：CN114093197B
公开(公告)日：2022-09-30
申请号：CN202111365756.2
申请日：2021-11-17
Applicant: 东南大学
Abstract: 本发明公开了一种多方共赢的共享合同车位系统，首先，数据预处理、筛选：收集各个小区、地段的停车记录，收集环境和节假日的数据，对缺失值、异常等现象处理，根据信息熵和相对熵指标筛选合适、符合需求的合同车位，其次，采用神经网络的方式来进行模型的预测，对停车时间进行预测，最后采用综合平衡的策略，通过基于分层处理的近似动态规划算法，使车位的总利用时间最大化。本发明的有益效果为：使车位的总利用时间最大化，不同于传统的调度算法，系统使合同停车位的利用率提高了50％以上。一方面可以让原本空闲的车位得到利用，让原本空置的停车空间给车位主人产生一定的利润，另一方面也可以缓解停车场周边的停车困难的问题。
-
公开(公告)号：CN115018553A
公开(公告)日：2022-09-06
申请号：CN202210756922.X
申请日：2022-06-30
Applicant: 东南大学
Abstract: 本发明公开了基于深度学习的区域物流单量预测系统及方法，包括特征建模模块、嵌入模块和物流预测模块，特征建模模块用于提取和构建不同物流区区域内、区域间的特征并进行特征建模，将每一个区域视为一个节点，通过各个区域之间的相似程度构建图；区域节点嵌入模块用于对每一种区域内、区域间特征进行各区域节点类别的划分，通过图卷积神经网络为每一个区域节点进行特征嵌入，训练完成后每一个特征图均可生成E×N的矩阵，作为预测模型的特征输入；物流预测模块根据区域节点嵌入模块得到的特征向量和时序特征进行长期物流预测。本方法综合考虑区域本身静态特征和相似区域的静态特征上下文信息，对区域级别物流量进行更为显著的长期且精准的预测。
-
公开(公告)号：CN114993975A
公开(公告)日：2022-09-02
申请号：CN202210581766.8
申请日：2022-05-26
Applicant: 东南大学
IPC: G01N21/3504 , G01M3/04
Abstract: 本发明属于人工智能技术领域，公开了双光路补偿检测光学系统及基于5G的气体泄漏检测系统；本发明采用两个红外光源交替工作，红外光经过半透半反镜后被分为反射光及透射光；反射光入射至光谱信号分析器得到本底光光谱强度，透射光经过取样光栅后产生的衍射光入射至光电探测器，光电探测器将衍射光强传输至光谱信号分析器，穿过所述气体检测腔的吸收光谱强度在光谱信号分析器中进行差分计算得到差分信号，通过对差分信号的判读获得气体泄漏信息，并将检测结果通过5G专网传输单元实时发送给远程终端服务器。在5G覆盖区域内，实时采集将数据传到远程终端服务器可实现对被测气体实时监控，对气体泄漏进行实时判别。
-
公开(公告)号：CN114095892A
公开(公告)日：2022-02-25
申请号：CN202111363918.9
申请日：2021-11-17
Applicant: 东南大学
Abstract: 本发明涉及一种解决大规模信号异质性的室内人员状态检测的方法，所述方法包括以下步骤：步骤1：数据预处理，为构建图准备数据；步骤2：通过相似性提取模块学习环境对蓝牙信号的影响模式和智能手机设备对蓝牙信号的影响模式之间的相似性；步骤3：基于影响模式之间的相似性，通过模型参数预测模块预测未知场景下的状态检测模型参数；该方案实现了基于图神经网络的大规模室内状态检测技术，该技术分析了大规模场景下环境和智能手机设备对蓝牙信号造成的异质性影响模式，并根据影响模式间的相似性来推断未知场景下的室内状态检测模型参数，无需收集额外的数据及模型再训练，最终室内状态检测的准确率和召回率分别达到93.62％和95.20％。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.035 seconds)
