-
公开(公告)号：CN106021710B
公开(公告)日：2019-08-09
申请号：CN201610330097.1
申请日：2016-05-13
Applicant: 南京航空航天大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于大气电离层参数的地震前兆卫星轨道异常识别方法，包括：原始电离参数的野值剔除及标准化处理；定义卫星轨道上电离参数偏度和峰度；计算卫星各轨道上参数的偏度和峰度值；使用t location‑scale分布拟合得到分布参数及拟合误差；在不同地震震级下，使用不同阈值划分概率密度函数，建立震前卫星异常轨道识别模型；通过同历史地震目录信息对比，以证明本方法的有效和准确性；使用综合评价方法得到面向多参数的轨道识别模型。本发明的优点是：针对大气层电离参数数据量巨大、信息维度高等特点，给出了一种地震前兆卫星轨道异常的识别方法，可用于卫星轨道异常检测和地震前兆识别。
-
公开(公告)号：CN109743689A
公开(公告)日：2019-05-10
申请号：CN201910021401.8
申请日：2019-01-09
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于稳定性值的室内轨迹停留区域发现方法，包括：记录室内轨迹中样本点的位置；计算位置点相距的长度；计算位置点的稳定性值；稳定性值小于稳定性阈值的点被认为处于稳定状态，将其加入到候选停留点集合中；对候选集中的每一个位置点进行扩展，给定时间阈值，遍历候选集中在该时间阈值范围内的所有邻居位置点并计算它们之间的稳定性值；重复进行前述的步骤，直到完成所有邻居位置点的判断；停留点构成的集合即为被发现的停留区域。本发明的优点是：基于稳定性值发现停留区域，即综合考虑了位置点之间的距离和时间差，平衡了这两个因素对稳定性值的影响。本发明适用于发现室内环境中移动对象轨迹的停留区域，具有普适性。
-
公开(公告)号：CN109645983A
公开(公告)日：2019-04-19
申请号：CN201910021402.2
申请日：2019-01-09
Applicant: 南京航空航天大学
IPC: A61B5/0402
CPC classification number: A61B5/0402 , A61B5/7203 , A61B5/7225 , A61B5/725 , A61B5/7267
Abstract: 本发明公开了一种基于多模块神经网络的不平衡心拍分类方法，包括：心电信号预处理模块、不平衡数据处理模块、特征提取和分类模块。预处理模块对心电信号进行去噪和分段；不平衡数据处理是系统的核心，其结合心电信号本身特点和算法的特点，先后引入边界样本特征线性合成(BLSM)、上下文特征综合模块(CTFM)和二阶段训练(2PT)三种处理不平衡问题的方法；特征提取和分类模块获取各类别心拍的高阶特征并实现最终的心拍分类。本发明的优点是：针对目前没有得到很好解决的不平衡心拍分类问题，从采样、特征和算法多角度提出相应的解决方法，提升了分类的准确率。本发明适用于解决时序数据、图像等在分类中的不平衡问题，该发明具有普适性。
-
公开(公告)号：CN109213941A
公开(公告)日：2019-01-15
申请号：CN201810838419.2
申请日：2018-07-24
Applicant: 南京航空航天大学
IPC: G06F16/9537 , G06F16/29
CPC classification number: G06F2216/03
Abstract: 本发明公开了一种基于模糊网格序列的室内轨迹频繁模式挖掘方法，包括：采用正六边形网格对地图进行划分；根据垂线投影距离，将网格分为准确区域和模糊区域；遍历轨迹数据库中的每一条轨迹，根据轨迹中的样本点所处的网格，将轨迹数据转换成模糊网格序列；记录轨迹中每一个网格的索引位置并计算其支持度，将支持度超过最小支持度的网格加入到候选集中；对候选集中的每一个网格建立投影数据库，并计算新生成的候选轨迹模式的支持度；重复这些步骤，直到挖掘出所有的轨迹频繁模式。本发明的优点是：由于正六边形网格的中心到相邻网格的中心的距离都是相等的，因此采用正六边形网格对地图进行划分保证了所有网格之间的平等性；根据垂线投影距离将网格划分为准确区域和模糊区域，有效地解决了传统方法所面临的网格边界问题；在任何支持度下，该方法挖掘出的轨迹频繁模式的数量都很可观，且挖掘效率较高。本发明适用于挖掘室内环境中的移动对象轨迹频繁模式，具有普适性。
-
公开(公告)号：CN108294748A
公开(公告)日：2018-07-20
申请号：CN201810086506.7
申请日：2018-01-23
Applicant: 南京航空航天大学
IPC: A61B5/0484 , G06K9/00
Abstract: 本发明公开了一种基于稳态视觉诱发的脑电信号采集与分类方法。在本发明的方法中，首先安装脑电信号采集设备和视觉刺激器；然后采集受试者脑电信号，进行预处理，去除伪迹；然后将脑电信号按照频带分解成多个子信号，并对各个子信号进行特征提取；最后得到分类结果。本发明公开的方法能够有效的进行脑电信号采集并且进行分类。本明在脑电信号采集于脑电信号辅助方面具有实际应用意义。
-
Patent Agency Ranking
公开(公告)号：CN108182288A
公开(公告)日：2018-06-19
申请号：CN201810086499.0
申请日：2018-01-23
Applicant: 南京航空航天大学
Abstract: 本发明公开一种基于人工免疫的推荐方法，通过智能识别终止状态的人工免疫算法以及区域降维的人工免疫算法，获取用户的“邻居集”为待推荐用户提出“喜好”相似的用户；针对通过人工免疫算法得到的“邻居集用户”喜好采用评分矩阵，计算出最终推荐。本发明解决了传统推荐技术存在的许多缺陷，例如稀疏问题，提出一个基于矩阵分解的推荐算法和新预测评分方法，提升了推荐结果质量。本发明的优点：在相似度计算中使用Kappa距离作为度量，增大相似度准确性。在获取用户邻居集时使用人工免疫方法，从精准度以及时间效率上提升算法的可用性。对人工免疫算法，提出了状态智能终止策略，提高人工免疫的适应性；提出了区域降维，加快算法的时空效率；对传统的评分矩阵进行矩阵分解处理，增强推荐的准确性。
-
公开(公告)号：CN105956514A
公开(公告)日：2016-09-21
申请号：CN201610246471.X
申请日：2016-04-15
Applicant: 南京航空航天大学
CPC classification number: G06K9/00516 , G06K9/00523 , G06K9/00536 , G06K9/6269
Abstract: 本发明公开一种振动数据驱动的直升机旋翼异常检测方法，包括：原始振动数据分析和处理；提取直升机旋翼状态特征；用正常状态的旋翼数据特征训练支持向量数据模型；最后根据建立的模型对旋翼进行异常检测。本发明的优点是：针对非平稳、非线性的振动数据，提取了有效的故障特征，在只有正常状态数据可用的情况下，本发明给出了一种直升机旋翼异常检测方法，克服了常规方法必须有异常特征数据的需求。
-
公开(公告)号：CN101763516B
公开(公告)日：2012-02-29
申请号：CN201010017933.3
申请日：2010-01-15
Applicant: 南京航空航天大学
Abstract: 本发明公布了一种基于拟合函数的文字识别方法。本发明方法对构成待识别的文字的线条进行拟合，将文字转化为多个多项式函数来描述，然后通过分析拟合函数与模板库的标准函数的相似度，取出相似度最高的模板作为识别结果。本发明不仅能够识别汉字，还能够识别数字、字母和一些特殊的符号，且具有较高的执行效率和准确率。
-
公开(公告)号：CN118013417A
公开(公告)日：2024-05-10
申请号：CN202410098822.1
申请日：2024-01-23
Applicant: 南京航空航天大学 , 北京空间飞行器总体设计部
IPC: G06F18/2431 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种航天器遥测时序数据生成方法、装置、介质及产品，涉及遥测时序数据生成领域，方法包括：将航天器遥测时序训练数据集合输入至航天时序数据生成模型中训练；航天时序数据生成模型包括数据嵌入与重构子模型、扩散transformer子模型；数据嵌入与重构子模型用于将一组预设可学习向量引入至航天器遥测时序训练数据，然后映射到低维潜在空间中；扩散transformer子模型用于实现数据重构生成；将随机噪声输入至训练完成的航天时序数据生成模型中，通过扩散transformer子模型的逆过程生成低维数据，再通过数据嵌入与重构子模型还原为航天器遥测时序新数据。本发明能够快速生成高质量的航天器遥测时序数据。
-
公开(公告)号：CN117932465A
公开(公告)日：2024-04-26
申请号：CN202410092919.1
申请日：2024-01-22
Applicant: 南京航空航天大学
IPC: G06F18/2415 , G01M15/02 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本发明公开一种基于层次伪标签的航空发动机故障诊断方法及系统，涉及故障诊断领域；该方法包括：获取航空发动机的运行数据，分为源域数据和目标域数据；利用源域数据训练得到源域故障诊断模型；利用迁移对抗模型和目标域数据将源域故障诊断模型迁移到目标域上；迁移对抗模型是基于域混淆对抗学习和伪标签分层算法对层次伪标签域对抗网络进行训练得到的；层次伪标签域对抗网络包括依次连接的主特征提取器、域鉴别分类器、目标域偏重特征提取器和目标域数据分流器；本发明能够提高目标域数据的故障诊断的准确率。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.024 seconds)
