-
公开(公告)号：CN110213115B
公开(公告)日：2022-04-22
申请号：CN201910553184.7
申请日：2019-06-25
Applicant: 南京财经大学
Abstract: 本发明提供了一种多网络攻击下事件驱动网络控制系统的安全控制方法。考虑网络传输安全问题，依次引入随机网络欺骗攻击、重放攻击和DoS攻击，建立了多网络攻击下的系统闭环模型。进一步考虑有限网络带宽的约束，引入事件触发机制筛选并释放满足预设事件触发条件的采样数据到网络中传输，从而在系统闭环模型的基础上建立了一个新的切换系统模型。基于切换系统模型，利用李雅普诺夫稳定性理论得到了使系统满足均方指数稳定的充分性条件，并且通过求解一组线性矩阵不等式得到了状态反馈控制器增益。与现有控制器设计方法相比，本发明保证了网络控制系统在多网络攻击影响下的安全、稳定运行，与此同时，降低了数据传输次数，节约了有限网络带宽资源。
-
公开(公告)号：CN110596280B
公开(公告)日：2022-04-05
申请号：CN201911039334.9
申请日：2019-10-29
Applicant: 南京财经大学
Abstract: 本发明提供一种基于高光谱图像和光谱信息融合的小麦呕吐毒素污染水平快速检测方法，包括：样本制备、小麦中呕吐毒素含量高效液相色谱测定、获取小麦原始高光谱三维图像、提取感兴趣区域、高光谱三维图像预处理、提取特征波长以及构建小麦粉呕吐毒素判别模型，基于特征波长对应的平均光谱数据和特征参数对应的图像数据，以及光谱和图像特征融合后的数据，建立呕吐毒素判别模型，判断小麦中呕吐毒素是否超标。本发明将光谱特征波长与图像特征参数进行数据融合，利用冗余和互补的数据改善输出性能，基于融合特征建立小麦呕吐毒素污染程度判别模型，进而判断小麦中呕吐毒素是否超标，可提高判别模型准确性和鲁棒性。
-
公开(公告)号：CN113741427A
公开(公告)日：2021-12-03
申请号：CN202110911965.6
申请日：2021-08-10
Applicant: 南京财经大学 , 云境商务智能研究院南京有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种基于手势识别的粮仓巡检智能小车控制装置及手势识别方法，包括供电模块、主控制器、驱动模块、信息处理模块、KINECT手势识别模块和控制端；所述KINECT手势识别模块识别手势指令，并由控制端处理，生成控制指令，传输至主控制器；所述主控制器搭载于智能小车上，由供电模块供电；所述主控制器接收来自控制端的手势信息，处理后向驱动模块下达控制指令；所述信息处理模块包括WIFI模块、红外信号接收模块和避障模块；本发明还基于KINECT手势识别模块提供了一种详细的手势识别方法，依据控制者的手势分别制定了对应的运动状态和运动速度控制方案，可以有效实现精准控制智能小车的效果，进而实现通过智能小车搭载巡检设备对粮仓各处进行检查的目的。
-
公开(公告)号：CN113592379A
公开(公告)日：2021-11-02
申请号：CN202110710054.7
申请日：2021-06-25
Applicant: 南京财经大学 , 云境商务智能研究院南京有限公司
Abstract: 本发明公开了一种散粮集装箱物流运输环境异常检测的关键特征识别方法，首先构建异常识别的数据样本集、关键特征排序集，初始化特征集合指标集；然后构建训练样本集，训练线性分类模型SVM‑train，计算排序系数；接着找出获取排序系数最大的特征，并从特征集合指标集中消除该特征，更新特征集合指标集和关键特征排序集，直至特征集合指标集为空集；本发明提供的关键特征识别方法使用递归特征消除方法每次迭代删除得分最高的权值系数对应的特征，使线性SVM模型在剩余特征子集上训练得到的间隔最大化，能够快速识别散粮集装箱物流运输环境状态相关的“关键特征”，并得到所有特征对散粮集装箱物流运输环境状态影响的排名。
-
公开(公告)号：CN113409121A
公开(公告)日：2021-09-17
申请号：CN202110728252.6
申请日：2021-06-29
Applicant: 南京财经大学
IPC: G06Q30/06 , G06F16/901 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于异构图表达学习的跨境电商推荐方法，在一个真实的跨境电商数据集上进行定量分析，通过隐语义主题模型LDA，得到跨境电商产品的主题概率分布，选择最大的概率分布值对应的主题作为最终产品的主题，构造“用户‑产品‑主题”三部图，针对“用户‑产品‑主题”三部图中存在高阶边关系的用户和项目，提出HNGR分别进行嵌入式的传播学习，包含信息传播和信息聚合，得到高质量的用户和产品表达向量，通过多层感知机MLP去建模“用户‑产品”的交互产生推荐结果。本发明以跨境电商平台用户购买记录数据为驱动，以异构图表达学习的图神经网络为模型，能够有助于识别用户的兴趣偏好，同时能缓解“用户‑产品”购买矩阵的稀疏性问题。
-
Patent Agency Ranking
公开(公告)号：CN111242647B
公开(公告)日：2021-04-13
申请号：CN202010063701.5
申请日：2020-01-20
Applicant: 南京财经大学
IPC: G06Q30/00
Abstract: 本发明公开一种基于电商评论识别恶意用户的方法，步骤是：步骤1，构建三元组用于存储评分数据；步骤2，初始化所有用户的信誉；步骤3，计算各商品在各个评分下的带权群组大小；步骤4，计算不同商品中各群组的占比矩阵；步骤5，将占比矩阵映射到行和列分别对应用户和商品的矩阵中；步骤6，计算各用户所在群组占比的平均值和标准差，并计算用户评分的标准差；步骤7，根据步骤6得到的数据计算用户信誉；步骤8，基于步骤7得到的用户信誉，重复步骤3‑7，然后计算两次用户信誉的差值，若大于阈值则继续迭代，直至小于或等于阈值；步骤9，将信誉最低的L个用户当作恶意用户。此种方法可提高筛选恶意用户的精确度，增大识别过程计算的稳定性。
-
公开(公告)号：CN112232388A
公开(公告)日：2021-01-15
申请号：CN202011046627.2
申请日：2020-09-29
Applicant: 南京财经大学
Abstract: 本发明公开了一种基于ELM‑RFE的购物意图关键因素识别方法，该方法首先初始化因素特征排序表和当前特征子集表，并获取当前训练样本集，接着训练超限学习机分类器并计算特征的排序系数，重复该步骤并找出排序得分最小的因素特征，然后更新关键因素排序指标和当前特征子集表，并重复以上步骤直至当前特征子集表为空。本发明的方法相比于传统的递归特征消除类方法，无需调节学习模型参数，能快速识别影响用户购物意图的最有效的因素。实验表明，相比传统的SVM‑RFE方法，本发明的方法仅需0.1％的计算时间，而且仅需3个因素特征在测试集上得到最高的测试精度。在识别用户购买意图的关键因素应用中，本发明的方法可以提升关键因素特征识别效率。
-
公开(公告)号：CN106600430B
公开(公告)日：2020-11-17
申请号：CN201610996893.9
申请日：2016-11-10
Applicant: 南京财经大学
IPC: G06Q50/00
Abstract: 本发明涉及一种社区网络检测方法及装置，包括：将社区网络中节点间的连接关系映射为二进制数组；根据二进制数组，确定目标节点的节点度、与目标节点连接的邻居节点的数量，所有节点的节点度之和、所有连接的数量；根据余弦相似性，确定目标节点与其邻居节点的相似度、获得边权重；根据边权重、所有节点的节点度之和、所有连接的数量，确定目标节点的模块度增益，并根据每一节点的模块度增益确定全局模块度，调整目标节点的模块度增益，当模块度增益使得全局模块度最大时或者使得全局模块度的增加百分比不大于阈值时值时，目标节点所在的社区是其最好社区，解决了模块度本身存在分辨率极限问题，具有更好的可扩展性，更高效的处理复杂的网络。
-
公开(公告)号：CN111241420B
公开(公告)日：2020-11-10
申请号：CN202010027217.7
申请日：2020-01-10
Applicant: 云境商务智能研究院南京有限公司 , 南京财经大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提出一种基于社交网络信息扩散感知的推荐方法，首先获取社交平台用户数据集，创建初始用户社交关系网络图；在此基础上创建社交关系网络概率图，通过概率函数计算每个用户转发消息的边概率值，通过蒙特卡罗抽样获取用户以高概率转发消息的依赖节点集，计算用户整体兴趣度，构建社交网络扩散模型；创建社交关系网络领域图，确保同一消息不会同时推荐给相关性高的用户；通过经典贪婪算法找到用户独立集合，构建启发式感知推荐算法，优化用户消息推荐列表；计算用户总体参与度，评价推荐质量。本发明的推荐方法能够提高用户与社交平台的参与度、参与用户的分布范围，优化推荐质量，解决网络资源利用有限的难题。
-
公开(公告)号：CN111402298A
公开(公告)日：2020-07-10
申请号：CN202010233879.X
申请日：2020-03-30
Applicant: 南京财经大学 , 云境商务智能研究院南京有限公司
IPC: G06T7/246 , G06T7/11 , G06T7/187 , G06T7/194 , G06K9/00 , G06K9/34 , G06K9/46 , G06K9/62 , H04N7/18 , G06N3/04 , G06N3/08 , G06T5/00
Abstract: 本发明公开了一种基于目标检测与轨迹分析的粮库视频数据压缩方法，通过监控摄像头采集粮库中的实时视频监控数据；通过目标检测算法分析摄像头获取到的视频监控数据，从中提取存在运动目标的有效帧以及目标的位置和子图信息；采用卷积神经网络模型对目标子图进行目标识别操作，获取目标的类别信息；基于从同一个摄像头采集到的连续多帧图片中采集到的目标信息进行目标匹配和跟踪，获取目标在当前场景下的运动轨迹数据；基于各监控摄像头采集到的信息，构建图像数据、标签数据和轨迹数据的存储架构，实现数据的高效存储。本发明的方法可以从海量的监控视频数据中提取并存储出与运动目标相关的有效数据，提高存储资源的利用率。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.031 seconds)
