-
公开(公告)号：CN109151707A
公开(公告)日：2019-01-04
申请号：CN201810057336.X
申请日：2018-01-22
Applicant: 中南大学
Abstract: 本发明公开了一种移动状态下的视距/非视距路径识别方法，获取连续W个数据包的CSI数据；对每个CSI数据进行反傅里叶变换，获得对应的信道冲击响应；找出每个信道冲击响应的最高能量值及该最高能量值所对应的到达时间序列；对W个时间序列组成的时间序列集进行标准方差计算，得到方差值STD；根据计算得到的方差值STD，判断所述CSI数据属于LOS环境或NLOS环境；获取新的W1个CSI数据包，将新获取的数据包与原数据中的后面W‑W1个数据包合并组成新的数据集合，重复判断过程。本发明无需离线采集数据，并且可以避免因为环境的变化而重新进行数据采集所产生的人力代价。
-
公开(公告)号：CN108540963A
公开(公告)日：2018-09-14
申请号：CN201810329571.8
申请日：2018-04-13
Applicant: 中南大学
Abstract: 本发明公开了一种回连模式下车联网雾计算能力的评估方法，包括获取初始化数据；在每一个时间点，计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值，以及计算每台车辆到车联网中事先设定的原点的距离并获取距离最小值；将车辆添加进入车联网，并将该车辆最后一次连接起点的时刻更新为当前时刻；更新车联网的数据信息；计算车联网的评估信息，从而完成车联网中雾计算能力的评估。本发明提供的这种回连模式下车联网雾计算能力的评估方法，通过车联网中的车辆数和计算能力对车联网雾计算能力进行评估，能够科学合理地对回连模式下车联网雾计算能力进行评估和评价，本发明方法简单可靠。
-
公开(公告)号：CN108513317A
公开(公告)日：2018-09-07
申请号：CN201810329559.7
申请日：2018-04-13
Applicant: 中南大学
Abstract: 本发明公开了一种非回连模式下车联网雾计算能力的评估方法，包括获取初始化数据信息；在每一个时间点计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值；若距离最小值小于事先设定的第一阈值则将该车辆添加进入车联网；更新车联网的数据信息；计算车联网的评估信息，完成车联网中雾计算能力的评估。本发明提供的这种非回连模式下车联网雾计算能力的评估方法，通过车联网中的车辆数和计算能力对车联网的雾计算能力进行评估，能够科学合理地对非回连模式下车联网雾计算能力进行评估和评价，本发明方法简单可靠。
-
公开(公告)号：CN106454860A
公开(公告)日：2017-02-22
申请号：CN201610871963.8
申请日：2016-09-30
Applicant: 中南大学
CPC classification number: Y02D70/00 , H04W16/18 , H04W16/225 , H04W84/18
Abstract: 本发明公开了一种基于马尔科夫过程的车载机会网络性能评估方法，属于车载网络通信领域。包括以下步骤：构建由一个源车载节点、一个目的车载节点和F+H个中继车载节点组成的车载机会网络模型M；基于所述车载机会网络模型M和自私行为，构建所述车载节点的社区模型；基于所述社区模型，构建自私行为下信息传播过程的马尔科夫链；构建在能量受限条件下，带有自私行为的信息传播过程的连续时间马尔科夫链；定量分析自私行为对信息传输延迟和信息传输代价的影响。本发明为车载机会网络性能评估提供了一个通用模型，有利于分析车载机会网络中包括传输概率、自私特性、网络能耗等不同因素对网络性能的深刻影响。
-
公开(公告)号：CN119418389A
公开(公告)日：2025-02-11
申请号：CN202411518799.3
申请日：2024-10-29
Applicant: 中南大学
IPC: G06V40/18 , G06V10/764 , G06V10/774 , G06V20/70 , G06V10/82
Abstract: 本发明公开了一种青光眼眼底图像分类方法，包括获取现有的青光眼眼底图像数据信息、进行分类标注和预处理得到训练数据集；基于ConvNeXt模型构建青光眼眼底图像分类初始模型并训练得到青光眼眼底图像分类模型；采用得到的青光眼眼底图像分类模型进行实际的青光眼眼底图像的分类。本发明还公开了一种包括所述青光眼眼底图像分类方法的成像方法。本发明通过ConvNeXt模型构建具有特征融合过程的青光眼眼底图像分类网络，因此本发明不仅能够实现青光眼眼底图像的分类，而且适用于单眼图像和双眼图像的分类，不仅可靠性高，精确性好，而且适用范围广，更为客观和科学。
-
Patent Agency Ranking
公开(公告)号：CN114926495B
公开(公告)日：2024-09-24
申请号：CN202210539892.7
申请日：2022-05-17
Applicant: 中南大学
IPC: G06T7/20 , G06T11/20 , G06V10/762 , G06V10/774 , G08G1/01 , H04N7/18
Abstract: 本发明公开了一种交通视频流的数据处理方法，包括获取待处理的路口交通视频流数据；采用多目标跟踪算法对视频流数据进行运动轨迹提取；对运动轨迹进行还原、清洗和属性计算；计算得到最终的连续交通流数据信息。本发明还公开了一种包括所述交通视频流的数据处理方法的轨迹可视化方法，以及包括所述交通视频流的数据处理方法和轨迹可视化方法的分析方法。本发明通过可视化呈现路口监控视频中的轨迹信息及其动态演变，以让用户快速理解视频内容，辅助用户进行实时分析；因此，本发明方法能够处理，呈现和可视化监控视频中复杂的交通动态信息，能够快速处理并得到路口轨迹中的连续交通信息流，适用于各种交通路口场景，而且可靠性高、准确性好。
-
公开(公告)号：CN118229721A
公开(公告)日：2024-06-21
申请号：CN202410320670.5
申请日：2024-03-20
Applicant: 中南大学
IPC: G06T7/162 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种针对腹部图像的多器官分割方法，包括获取现有的腹部图像并进行器官分割和标记；构建腹部图像的多器官分割初始模型；采用腹部图像训练对模型得到腹部图像的多器官分割模型；采用腹部图像的多器官分割模型进行实际的腹部图像的多器官分割。本发明还公开了一种包括所述针对腹部图像的多器官分割方法的成像方法。本发明基于KNN算法和图表示学习算法，充分发挥图表示学习的优势，不仅实现了腹部图像的多器官分割，而且可靠性更高，精确性更好。
-
公开(公告)号：CN116956038A
公开(公告)日：2023-10-27
申请号：CN202310930804.0
申请日：2023-07-27
Applicant: 中南大学
IPC: G06F18/214 , G06F18/2321
Abstract: 本发明公开了一种用于网络舆情实时监控的流式高维数据降维方法，包括获取用于网络舆情实时监控的初始流式高维数据集；采用获取的数据集，通过参数化非线性降维方法获取初始嵌入函数；创建新数据嵌入进程、嵌入函数更新进程、嵌入更新进程；设置新数据产生源，通过产生的新数据更新创建的新数据嵌入进程、嵌入函数更新进程、嵌入更新进程；采用更新结果，替换获取的初始数据集、初始嵌入函数；重复上述步骤，直到新数据不再产生，完成用于网络舆情实时监控的流式高维数据的降维处理；本发明方法能够实现更高的嵌入质量；同时，提出约束嵌入函数的更新，以提高嵌入结果的时序稳定性；本发明方法的准确性提高、能够满足数据处理要求。
-
公开(公告)号：CN114926495A
公开(公告)日：2022-08-19
申请号：CN202210539892.7
申请日：2022-05-17
Applicant: 中南大学
IPC: G06T7/20 , G06T11/20 , G06V10/762 , G06V10/774 , G08G1/01 , H04N7/18
Abstract: 本发明公开了一种交通视频流的数据处理方法，包括获取待处理的路口交通视频流数据；采用多目标跟踪算法对视频流数据进行运动轨迹提取；对运动轨迹进行还原、清洗和属性计算；计算得到最终的连续交通流数据信息。本发明还公开了一种包括所述交通视频流的数据处理方法的轨迹可视化方法，以及包括所述交通视频流的数据处理方法和轨迹可视化方法的分析方法。本发明通过可视化呈现路口监控视频中的轨迹信息及其动态演变，以让用户快速理解视频内容，辅助用户进行实时分析；因此，本发明方法能够处理，呈现和可视化监控视频中复杂的交通动态信息，能够快速处理并得到路口轨迹中的连续交通信息流，适用于各种交通路口场景，而且可靠性高、准确性好。
-
公开(公告)号：CN112000897B
公开(公告)日：2022-03-25
申请号：CN202010397619.6
申请日：2020-05-12
Applicant: 中南大学
IPC: G06F16/9536 , G06F16/9538 , G06Q50/00
Abstract: 本发明公开了一种用于提升节点中心性的链路推荐方法，包括选取待分析的网络并获取对应的网络节点；计算网络节点关于待分析的网络中剩余节点的中心性敏感度，以及网络节点与待分析的网络中剩余节点建立链路的链路代价；对待分析的网络中的网络节点进行推荐度排序；根据推荐度排序结果得到最终的链路推荐方案。本发明还公开了包括了所述用于提升节点中心性的链路推荐方法的用户推荐方法。本发明根据选定的研究节点计算该节点对网络中其他节点的链路代价和中心性敏感度，并根据链路代价和中心性敏感度对备选节点进行排名，并通过多步链路建立方式对链路建立过程进行优化，能给用户推荐能够有效提高研究节点中心性、可靠性高且实用性好的链路。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.022 seconds)
