一种基于多智能体的分布式模式识别方法

    公开(公告)号:CN102955948B

    公开(公告)日:2016-07-06

    申请号:CN201110241054.3

    申请日:2011-08-22

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于多智能体的分布式模式识别方法,其步骤包括:首先将输入模式表示为智能体影响图;然后根据智能体影响图的演化来提取其中的定性特征,缩小搜索的空间;最后通过多智能体的协作和动力学模型完成目标模式的涌现。本发明的优点:通过引入多智能体,将传统的静态、集中式的模式识别推广到动态、分布式环境中,通过多智能体的协同工作,将定量分析和定性分析相结合起来,集中解决了模式识别中的识别片面性和缺乏宏观整合的问题,提高了对复杂模式的识别率。

    一种基于主谓语编码的文本水印嵌入以及提取方法

    公开(公告)号:CN105404614A

    公开(公告)日:2016-03-16

    申请号:CN201510743382.1

    申请日:2015-11-05

    Applicant: 南通大学

    CPC classification number: G06F17/2217 G06F21/16

    Abstract: 本发明涉及一种基于主谓语编码的文本水印嵌入及提取方法,嵌入方法包括:1)将水印信息的每个字符用Unicode编码表示,形成一个Unicode码串;2)检测出待嵌入文本中语句的主谓语,存放于一集合中;3)根据主谓语的数量,将Unicode码串分成若干段,每一个主谓语用其中的一段来编码表示,并给定一个编号;4)依次存储每个主谓语、与该主谓语对应的Unicode码段、及其编号,形成一个码本,完成编码,实现水印的嵌入。提取方法包括:找出被检测的文本中的主谓语,对照码本,取出每个主谓语对应的Unicode码段及其编号,将Unicode码段按编号顺序拼接起来,将得到的Unicode码串转换成对应的字符,形成水印信息。该方法对文本格式与内容不做任何改变,具有良好的隐蔽性和鲁棒性,同时算法构造简单,易于实现。

    一种Java软件水印虚方法中指令代码的生成方法

    公开(公告)号:CN104200139A

    公开(公告)日:2014-12-10

    申请号:CN201410467066.1

    申请日:2014-09-12

    Applicant: 南通大学

    CPC classification number: G06F21/16 G06F2221/07

    Abstract: 本发明涉及一种Java软件水印虚方法中指令代码的生成方法,基于BCEL类库,包括如下步骤:1)通过BCEL类库载入待嵌入指令的Java类文件,对所述类文件进行解析,转化成符合BCEL处理要求的Java类文件对象;2)从所述Java类文件对象中获取类文件的参数信息,所述参数信息包括类中的方法,再从获取的方法中找到并取出虚方法;3)根据获取的虚方法与参数信息创建一个新的虚方法,用于取代原先的虚方法;4)产生用于嵌入水印信息的指令代码,将它们添加到所述新虚方法的指令集合中;5)将所述新虚方法套入所述Java类文件中。有益效果为:利用本发明,可以通过计算机程序在虚方法中自动产生用于嵌入水印信息的指令代码,解决了以往需要专业人员人工编写,不具通用性,不便实际应用的问题。

    一种柑橘黄龙病检测专用的自制电子鼻装置及检测方法

    公开(公告)号:CN119715924A

    公开(公告)日:2025-03-28

    申请号:CN202411827560.4

    申请日:2024-12-12

    Applicant: 南通大学

    Abstract: 本发明提供了一种柑橘黄龙病检测专用的自制电子鼻装置及检测方法,解决了柑橘黄龙病不同感染阶段难以准确识别以及黄龙病专用的电子鼻检测设备缺失的技术难题。其技术方案为:一种柑橘黄龙病检测专用的自制电子鼻装置及检测方法,自制电子鼻装置包括集气室、测试模块和数据采集模块;检测方法包括以下步骤:步骤一:对传感器进行预热并清洁电子鼻腔室;步骤二:采集目标植株叶片,洗净并剪碎;步骤三:确定各实验参数;步骤四:设置测试气路中各器件流速;步骤五:对电子鼻中各个传感器的响应曲线进行数据分析和特征提取;步骤六:建立分类模型。实现黄龙病检测专属检测装置的设计搭建和不同感染阶段。

    一种基于多尺度图卷积的高效多目标车辆轨迹预测方法

    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。

    一种基于图注意力自动编码器的车辆重叠群组检测方法

    公开(公告)号:CN119579338A

    公开(公告)日:2025-03-07

    申请号:CN202411536349.7

    申请日:2024-10-31

    Applicant: 南通大学

    Abstract: 本发明提供了一种基于图注意力自动编码器的车辆重叠群组检测方法,属于车联网技术领域和社交网络技术领域。其技术方案为:包括以下步骤:步骤1、将网络拓扑结构和节点属性信息输入图注意力自动编码器的编码器部分;步骤2、编码器的图注意力机制对输入的网络拓扑结构和节点属性信息进行编码;步骤3、解码器将新的节点嵌入表示与原始的嵌入表示进行组合,还原网络拓扑结构和节点属性信息;步骤4、通过模块度优化增强模块的优化约束进一步调整节点嵌入;步骤5、使用先验信息进行半监督聚类,得到基于节点的嵌入表示生成社群检测结果。本发明的有益效果为:可有效提高车辆节点的重叠社群检测的准确性。

    一种多模态分级渐进交互网络的人群计数方法

    公开(公告)号:CN119360302A

    公开(公告)日:2025-01-24

    申请号:CN202411429748.3

    申请日:2024-10-14

    Applicant: 南通大学

    Abstract: 本发明计算机视觉技术领域,具体涉及一种多模态分级渐进交互网络的人群计数方法。本发明提出了一种多模态分级渐进交互网络的人群计数方法,通过设计信息聚合模块,允许不同模态的数据在每个处理阶段进行交互和融合,确保了关键信息能够有效地传递至高层,同时分别对低级和高级特征进行融合,有助于保留重要的局部信息,从而增强的模型适应性和灵活性,提高人群计数精度。本发明采用了均方根误差RMSE和网格平均绝对误差GMAE作为衡量标准。经过实验指标的验证,提出的方法相比其他无人机计数方法取得了精度上的进步,证明了其在实际应用的鲁棒性和应用价值。

    一种基于语义引导多级融合的跨模态人群计数方法

    公开(公告)号:CN119360291A

    公开(公告)日:2025-01-24

    申请号:CN202411262357.7

    申请日:2024-09-10

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于语义引导多级融合的跨模态人群计数方法,旨在解决多模态人群计数方法准确率低,鲁棒性差的问题,方法主要由信息交互模块和语义引导融合模块组成,其中信息交互模块通过对每层提取特征提取相应权重系数进行更新来实现反馈机制,语义引导融合模块主要是将语义拓展模块提取的高级特征与相应级别的模态特征进行融合。本发明通过信息交互和语义引导融合两个模块实现每层提取特征的及时反馈,同时经由高级语义信息提升整体对人群场景的理解能力,从而生成高质量人群密度图,实现高精度的人群计数。

    一种利用局部监督的跨模态行人重识别方法

    公开(公告)号:CN115565204B

    公开(公告)日:2024-12-03

    申请号:CN202211223245.1

    申请日:2022-10-08

    Applicant: 南通大学

    Inventor: 江锴威 王进

    Abstract: 本发明公开了一种利用局部监督的跨模态行人重识别方法,首先利用图像处理的方法将可见光图像转换成与红外图像更为接近的灰度图像,在图像层面缓解跨模态的差异,避免了使用GAN可能会造成的引入新的噪声以及需要额外训练过程的问题。其次使用共享参数的双流网络,提取具有判别性的共享特征,在特征层面缓解跨模态差异;接着,设计了局部监督网络,使学习到的全局特征吸取局部特征的优势,增强其对背景、遮挡等噪声的鲁棒性,缓解了模态内部差异;最后,设计了跨模态分组损失,联合身份损失对网络进行约束,维持类内距离的同时,拉大类间距离,提升整体性能。本发明的跨模态行人重识别框架LSN兼顾解决了跨模态差异以及模态内部差异。

    一种基于稀疏时空图Transformer网络的行人轨迹预测方法

    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

    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。

Patent Agency Ranking