-
公开(公告)号：CN111538835B
公开(公告)日：2023-05-23
申请号：CN202010238006.8
申请日：2020-03-30
Applicant: 东南大学
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06N3/045 , G06N3/0475 , G06N3/0442
Abstract: 本发明公开了一种基于知识图谱的社交媒体情感分类方法与装置。首先基于构建基础知识图谱，并结合情感词典对基础知识图谱中的实体进行情感实体定位和情感极性标注，构建适用于社交媒体情感分类任务的情感知识图谱；接着使用GAN神经网络模型提高实体及实体关系的向量嵌入精度；再使用CBOW模型训练词向量，并利用知识图谱中的实体属性进行情感词向量训练；最后基于Bi‑LSTM多特征融合情感分类策略，对词汇输入向量融合通用词向量、实体向量和情感词向量，以提高社交媒体应用中情感分类方法的处理性能与精度。本发明可有效解决传统情感分类方法普遍存在的精度不高、运算复杂等问题，能够快速、灵活地应用于社交媒体情感分类。
-
公开(公告)号：CN115607146A
公开(公告)日：2023-01-17
申请号：CN202211620807.6
申请日：2022-12-16
Applicant: 东南大学
Abstract: 一种用于腿部姿态估计的可穿戴单节点设备及测量方法，设备由一个微惯性传感器以及多块水凝胶集成，置于膝盖处，能够测量人体运动时的大腿、小腿姿态以及膝关节的角度。首先利用大腿姿态、水凝胶测量数据估计人体运动状态，而后根据运动约束条件，预测小腿姿态；微惯性测量膝关节角度采用互补滤波融合，再与水凝胶的角度测量值利用Kalman滤波器进行融合，获得准确关节角度。本发明仅采用一个微惯性传感器，有效避免了多传感器的对齐问题，同时水凝胶的辅助测量有助于减少惯性解算的累计误差，提高测量结果的准确性和稳定性。
-
公开(公告)号：CN116500935A
公开(公告)日：2023-07-28
申请号：CN202310447521.0
申请日：2023-04-24
Applicant: 东南大学
IPC: G05B19/042 , H04W4/021 , H04W4/33 , H04W64/00 , H04W12/02 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/088 , G06N3/098 , G06F18/23 , G06F18/24 , G06F18/27
Abstract: 一种基于联邦学习室内蓝牙指纹定位的建筑能耗控制方法，将室内指纹定位与联邦学习结合，利用终端设备自身的算力，处理数据并训练模型，将训练后的模型参数传输至中心服务器，中心服务器基于联邦学习算法对接收到的各终端模型参数进行整合处理，得到更新后的全局参数，再返还至各终端用于后续的模型训练。本发明中所提到的室内指纹定位采用一种基于SAE‑CNN算法的BLE定位系统，能够以较低的成本完成室内人员空间位置的分析与预测。通过增加并行度和增加终端本地的计算量的方式，有效减少通信代价；通过传输模型参数而非信号强度数据，有效保护个人隐私；基于室内定位得到人员分布从而对建筑能耗进行控制，以达到节能目的。
-
公开(公告)号：CN113663312B
公开(公告)日：2022-05-13
申请号：CN202110935608.3
申请日：2021-08-16
Applicant: 东南大学
IPC: G06F17/15 , A63B71/06 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于微惯性的无器械健身动作质量评估方法，可以对人的无器械健身运动进行识别与质量评估。该方法采用状态‑动作两步分类方法，首先利用3个6轴微惯性传感器识别人体运动状态，然后调用Elman‑Kalman轨迹估计模型，预测每个传感器节点的运动轨迹，再将轨迹信号与采集信号用于第二步健身动作分类。完成分类后，将生成的运动序列与标准运动序列库中的序列进行对比分析，评估动作的全身和局部的标准度与稳定度，并给出动作质量评估结果，用以帮助人们高效、安全地开展徒手健身活动。本发明在人的徒手运动健身过程中，对用户的健身动作类型能进行有效识别，准确率高，并能对用户身体各部分的运动姿态做出合理评估。
-
Patent Agency Ranking
公开(公告)号：CN113663312A
公开(公告)日：2021-11-19
申请号：CN202110935608.3
申请日：2021-08-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于微惯性的无器械健身动作质量评估方法，可以对人的无器械健身运动进行识别与质量评估。该方法采用状态‑动作两步分类方法，首先利用3个6轴微惯性传感器识别人体运动状态，然后调用Elman‑Kalman轨迹估计模型，预测每个传感器节点的运动轨迹，再将轨迹信号与采集信号用于第二步健身动作分类。完成分类后，将生成的运动序列与标准运动序列库中的序列进行对比分析，评估动作的全身和局部的标准度与稳定度，并给出动作质量评估结果，用以帮助人们高效、安全地开展徒手健身活动。本发明在人的徒手运动健身过程中，对用户的健身动作类型能进行有效识别，准确率高，并能对用户身体各部分的运动姿态做出合理评估。
-
公开(公告)号：CN115855057A
公开(公告)日：2023-03-28
申请号：CN202211483084.X
申请日：2022-11-24
Applicant: 东南大学
Abstract: 一种基于移动终端的机场低成本定位方法，定位信息获取阶段是利用基于激光SLAM的移动机器小车对航站楼环境进行建图后，采用移动终端设备对划分的各区域内参考点进行多源数据采集，得到原始的指纹数据指纹库Γ；定位模型建立阶段首先对原始数据指纹库Γ进行预处理，接着进行多特征自适应聚类，最后进行预测模型构建；定位模型更新阶段是针对环境变化较大的航站楼区域进行少量数据采集，构建误差校正模型从而维持定位结果的高精确度。本发明利用了机场已有的WIFI设备和自然界存在的磁场信息，大大压缩了硬件的成本。同时，在满足定位精度的情况下，该方法省去了传统无线定位方案中通过人工采集来构建和更新指纹库的繁琐过程，减少了大量时间和人力的消耗。
-
公开(公告)号：CN115376066A
公开(公告)日：2022-11-22
申请号：CN202210989237.1
申请日：2022-08-17
Applicant: 东南大学
IPC: G06V20/52 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进CycleGAN的机场场面目标检测多天气数据增强方法。在原始CycleGAN网络的基础上，通过扩充残差网络块、编解码器的跨层连接以及引入注意力机制的方式改进生成器网络，同时设计动态加权多尺度判别器网络，使用正常天气下的机场场面小样本目标检测数据集以及典型恶劣天气下的辅助数据集进行训练，获得多天气图像生成网络，进而有效生成雨天、雾天、夜晚等多种天气条件下的高质量目标检测图像，增加数据样本的多样性。本发明作为一种有效的节约标注成本的数据增强方法，提升了小样本条件下的机场场面目标检测网络性能。
-
公开(公告)号：CN114187654A
公开(公告)日：2022-03-15
申请号：CN202111406739.9
申请日：2021-11-24
Applicant: 东南大学
IPC: G06V40/20 , G06V10/70 , G06V10/764 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明提出了一种基于机器学习的微惯性武术动作识别方法及系统，包括数据采集模块、通信组网模块、数据处理模块、数据库存储模块、规范性分析模块以及反馈模块。数据采集模块可以通过微惯性数据传感器采集该用户训练时的节点速度，角速度，加速度及压力；通信组网模块通过滤波算法进行数据传输；数据库存储模块通过Sql进行数据存储；建立反馈模块，对不合理的数据进行反馈，并重新测量。本发明基于机器学习，将采集的运动信号进行处理，通过三级处理模式进行标样，可以以更规范且少量的数据源获得更多样性的组合动作以提高动作识别的准确性。本发明亦可准确识别人的武术动作，并进行规范性评估。
-
公开(公告)号：CN113686339A
公开(公告)日：2021-11-23
申请号：CN202110935613.4
申请日：2021-08-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于移动终端众包数据的室内导航路网提取方法，属于室内定位导航领域。该算法首先通过对室内行人众包数据进行提取，解算得到行人轨迹；接着采用ST‑DBSCAN算法去除冗余轨迹点，结合运动数据信息判定轨迹点所在区域，增添语义信息；最后基于Douglas‑Peucker抽稀算法对解算出来的行人室内轨迹进行轨迹压缩，构建原始室内语义路网；该室内导航网络在后续获得新的轨迹时，会自动进行更新和优化，同时可以对后续轨迹进行约束和匹配，提高定位精度。该方法在面对未知环境时，能够快速、高效、低成本地获取室内导航路网，同时当环境动态变换后，可支持对路网进行动态修改。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
