-
公开(公告)号：CN103699446B
公开(公告)日：2017-02-15
申请号：CN201310750460.1
申请日：2013-12-31
Applicant: 南京信息工程大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于量子粒子群优化算法的多目标工作流动态调度方法，属于云计算技术领域。本发明步骤包括：输入工作流以及QoS请求；获得虚拟机状态信息和虚拟机间传输信息；设定一个待执行任务集合V’，对V’中的任务调度设定时间、成本和可靠性的目标函数；利用QPSO优化算法为待执行的任务分配最优资源，执行任务后判断任务执行的总时间、总成本和总可靠性是否满足用户的QoS请求；动态更新V’、虚拟机间的传输速度和虚拟机的运行速度。本发明通过动态分割工作流以及动态更新网络带宽信息，较为精确地为工作流任务分配最优资源，使得计算所得时间和成本与实际执行时间和成本误差减小，更能够缩短时间，减少成本以及增强可靠性。
-
公开(公告)号：CN105554743A
公开(公告)日：2016-05-04
申请号：CN201510934008.X
申请日：2015-12-15
Applicant: 南京信息工程大学
Abstract: 本发明提供一种避免重叠圆形攻击的移动用户位置隐私的保护方法，涉及位置隐私保护领域。本发明首先让用户发送一个请求Q(用户当前的位置、查询结果数等)给中间代理设备；中间设备将用户的真实位置转化为一个圆形区域，并指定一个比用户需要的置信水平和查询结果数更大的值，然后将请求Q’发送给LBS服务器提供商；LBS采用查询处理方法找出满足条件的兴趣点，将满足条件的兴趣点放进集合V’，再将V’返回给中间设备；中间设备对V’进行筛选，将选出的结果返回给用户。本发明在用户查询服务器时有效地为避免了重叠圆形攻击，能更加准确地保护用户的位置隐私，适合移动用户查询周围兴趣点时对用户位置进行隐私保护。
-
公开(公告)号：CN104866822A
公开(公告)日：2015-08-26
申请号：CN201510227324.3
申请日：2015-05-06
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于SIVV特征的文档图像粗分类方法，包括如下步骤：获取文档图像，预处理，加窗处理，计算文档图像SIVV特征，对每个文档分别计算与其他文档SIVV特征的相关系数，若其中K个文档两两之间相关系数均大于某一阈值，则认为这K个文档属于同一分类。本发明的目的，在于提出一种新的文档图像粗分类方法，无需准确获取文档文本内容，即可将文档图像根据SIVV特征的相关系数自动分成若干类，方法具有鲁棒性好、分类速度快的特点。
-
公开(公告)号：CN104298771A
公开(公告)日：2015-01-21
申请号：CN201410596395.6
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明利用Hadoop/Hive分布式计算平台的高可靠性、高扩展性、高效性以及高容错性，公开了一种基于Hadoop和Hive的海量web日志数据的查询与分析方法。本发明包括以下步骤：对各个数据源的数据进行解析；将数据装载进数据仓库中；接收HiveQL语句；对接受语句进行优化，得到初步map结果；将接受语句转换成MapReduce任务执行并存储查询结果；数据分割；对数据进行分析挖掘；将数据装载进Mysql数据库中。本发明针对海量的web日志数据，实现精确地查询和数据分析，既能实现海量数据存储查询分析的可扩展性和高效性，也避免数据倾斜带来的job分布不均整体性能下降的问题。
-
公开(公告)号：CN104281956A
公开(公告)日：2015-01-14
申请号：CN201410583981.7
申请日：2014-10-27
Applicant: 南京信息工程大学
IPC: G06Q30/00
Abstract: 本发明涉及一种基于时间信息的适应用户兴趣变化的动态推荐方法，包括：构建用户-物品的显式评分矩阵；构建用户-物品的隐式评分矩阵；构建用户-物品综合评分矩阵；计算两两用户之间的相似性；获取与目标用户相似度靠前的K位用户作为目标用户的近邻集合；选取单调递减的指数时间函数作为评分权重函数，根据用户的评分所体现的兴趣变化趋势不同，计算评分权重函数中每位用户的权重因子；采用TOP-N推荐方法，将预测得分靠前的N项物品推荐给用户。本发明考虑用户兴趣随时间的变化，为其提供更加精确的个性化物品推荐服务。
-
Patent Agency Ranking
公开(公告)号：CN103699446A
公开(公告)日：2014-04-02
申请号：CN201310750460.1
申请日：2013-12-31
Applicant: 南京信息工程大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于量子粒子群优化算法的多目标工作流动态调度方法，属于云计算技术领域。本发明步骤包括：输入工作流以及QoS请求；获得虚拟机状态信息和虚拟机间传输信息；设定一个待执行任务集合V’，对V’中的任务调度设定时间、成本和可靠性的目标函数；利用QPSO优化算法为待执行的任务分配最优资源，执行任务后判断任务执行的总时间、总成本和总可靠性是否满足用户的QoS请求；动态更新V’、虚拟机间的传输速度和虚拟机的运行速度。本发明通过动态分割工作流以及动态更新网络带宽信息，较为精确地为工作流任务分配最优资源，使得计算所得时间和成本与实际执行时间和成本误差减小，更能够缩短时间，减少成本以及增强可靠性。
-
公开(公告)号：CN103317587A
公开(公告)日：2013-09-25
申请号：CN201310258880.8
申请日：2013-06-26
Applicant: 南京信息工程大学
IPC: B27N3/16
Abstract: 本发明提供一种生物质重组材卧式压机用穿销机构，包括装于压机上的穿销气缸、一排穿销气缸的顶销杆、与顶销杆相对应的一排储销盒、与储锁盒相对应的压机模腔及其内锁具，所述穿销气缸和与其相连接一排顶销杆横向排列竖向设置；处于顶销杆之下压机模腔之上为可移动进出压机的送销笼，一排储销盒依次放置于送销笼的盒槽内；送销笼的盒槽前底板沿长度方向设有一排落销孔，落销孔具有落销控制装置；所述落销孔与其下模腔上模板一排穿销孔相对应，模腔上模板穿销孔与模腔内锁具的锁模销孔相对应。本发明提供一种生物质重组材卧式压机用穿销机构，其卧式压机的模腔横卧，锁具横卧于模腔内，能实现从锁具上方竖直方向为锁具穿锁模销。
-
公开(公告)号：CN102043950A
公开(公告)日：2011-05-04
申请号：CN201010612592.4
申请日：2010-12-30
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于canny算子和边缘点统计的车辆轮廓识别方法，涉及计算机图像识别领域。本发明首先采用图像预处理技术将彩色图像转化为灰度图像，并进行图像平滑降噪；接下来利用canny算子进行图像边缘点识别，涉及图像梯度计算、对梯度幅值进行非极大值抑制、对初步边缘点进行双阈值计算；最后利用边缘点统计方法，通过纵横两次扫描得出车辆轮廓区域。本发明结合了传统基于canny算子的图像边缘检测算法和基于边缘点统计的轮廓识别方法，能较好剔除假边缘点和补全边缘缺口，且轮廓区域判断更为准确，较准的计算出图像中的轮廓区域，适合统计公路监控中对通行车流量。
-
公开(公告)号：CN118683522B
公开(公告)日：2024-10-25
申请号：CN202411173784.8
申请日：2024-08-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向类脑机制的无人驾驶紧急避障方法，属于无人驾驶技术领域，方法包括：基于车道场景，获取状态脉冲序列；将所述状态脉冲序列输入至训练好的优化脉冲神经网络，获取无人驾驶紧急避障策略；其中，训练好的优化脉冲神经网络的获取方法包括：基于基底神经节，利用伊兹克维奇神经元模型构建脉冲神经网络；基于眶额皮层信号响应机制和前扣带皮层警惕反应机制，对所述脉冲神经网络进行优化，获取优化脉冲神经网络；基于深度Q网络，对所述优化脉冲神经网络进行训练，获取训练好的优化脉冲神经网络。该方法能够提高无人驾驶车辆在紧急情况下的反应速度和决策准确性。
-
公开(公告)号：CN114881357B
公开(公告)日：2024-09-17
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/045 , G06N3/092 , G06N3/084
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.037 seconds)
