-
公开(公告)号：CN115542282B
公开(公告)日：2023-04-07
申请号：CN202211495735.7
申请日：2022-11-28
Applicant: 南京航空航天大学
IPC: G01S7/41 , G06F18/25 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的雷达回波检测方法、系统、设备及介质，涉及雷达回波检测领域。该方法包括：获取待测目标的雷达回波数据；利用雷达回波检测模型对待测目标的雷达回波数据进行检测，得到待测目标的速度和距离方位；其中，雷达回波检测模型包括串联连接的特征提取模块和目标检测模块；特征提取模块包括卷积神经网络特征提取子模块、结合软注意力机制的自编码器杂波抑制子模块和特征融合子模块。本发明能够提高对“低小慢”目标雷达回波检测的准确性和适用性。
-
公开(公告)号：CN115907101A
公开(公告)日：2023-04-04
申请号：CN202211365271.8
申请日：2022-11-02
Applicant: 南京航空航天大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08 , H02J3/00
Abstract: 本发明公开了一种基于图神经网络的电力系统负荷预测放法，包括：提出一种图构造器，自动学习并提取不同电力数据结点间的依赖关系并生成一张以邻接矩阵表示的依赖关系图；使用图神经网络在依赖关系图上进行多次图卷积操作，聚合有依赖关系的结点之间的信息并生成新的特征；将原始数据以及图卷积模块生成的所有新特征送入LSTM神经网络中进行时序预测，获得未来时刻的电力系统负荷数据。本发明的优点是：创新性地提出一种图构造器，将电力系统负荷预测问题转化为图神经网络所擅长的时空预测，弥补了传统方法难以提取结点间依赖关系的缺点，显著提高了电力系统负荷预测的速度与精度。本发明还适用于其他数据量大、维度高的时序预测问题。
-
公开(公告)号：CN115563888A
公开(公告)日：2023-01-03
申请号：CN202211552626.4
申请日：2022-12-06
Applicant: 南京航空航天大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种航天器剩余寿命预测方法、系统、电子设备及介质，涉及航天器剩余寿命预测技术领域，该方法包括：获取航天器实时遥测时序数据；构建时空自编码器模型；时空自编码器模型包括时空编码器、解码器和剩余寿命预测模块；时空编码器包括时域编码器、空域编码器和特征融合模块；将实时遥测时序数据输入训练好的时空自编码器模型，得到航天器剩余寿命。本发明能够提高航天器剩余寿命的预测精度。
-
公开(公告)号：CN109471049B
公开(公告)日：2021-09-17
申请号：CN201910021404.1
申请日：2019-01-09
Applicant: 南京航空航天大学
IPC: G01R31/40
Abstract: 本发明公开了一种基于改进堆叠自编码器的卫星电源系统异常检测方法，包括：计算堆叠自编码器每个批次的重构数据之间的距离，计算这些距离的均值和方差作为重构数据的组内误差；将相位相同的训练数据划分为同一组，训练时每次选择同一组的若干条数据输入到堆叠自编码器，使堆叠自编码器的重构误差和组内误差之和最小化；利用堆叠自编码器重构误差进行异常检测。本发明的优点是：有机结合了堆叠自编码器模型，充分利用了卫星电源系统产生的各个参数的数据，克服了传统方法检测速度慢、对高维数据检测效果不准确的困难，提高了卫星电源系统异常检测的速度与准确度。本发明还适用检测那些结构复杂、具有周期性工作特点的系统。
-
公开(公告)号：CN109739926B
公开(公告)日：2021-07-02
申请号：CN201910021405.6
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卷积神经网络的移动对象目的地预测方法，包括：引入参数化最小描述长度策略(PMDL)对原始轨迹进行最优分段表示，削弱相似轨迹之间的差异程度，增强不相似轨迹各自的重要特征；提出轨迹像素化表示方法(PRT)，将一维轨迹序列转化为二维像素图像；从轨迹图像中截取重要特征部位输入卷积神经网络(CNN)模型，进行特征提取和目的地预测。本发明的优点是：将一维轨迹序列转换为二维像素图像，通过挖掘轨迹图像的空间特征来确定目的地坐标；本发明针对目的地预测中常见的，但在很多传统方法中不能解决的“数据稀疏问题”提出了一种有效的解决方法，实现了高准确率的目的地预测。
-
Patent Agency Ranking
公开(公告)号：CN112560084A
公开(公告)日：2021-03-26
申请号：CN202011426209.6
申请日：2020-12-11
Applicant: 南京航空航天大学
Abstract: 本发明公开了基于R树的差分隐私轨迹保护方法，包括：基于R树索引结构提出轨迹相似树结构，实现对轨迹数据的空间存储、查询处理；结合差分隐私技术构建DP‑轨迹相似树，对节点中的移动对象统计值添加噪音，抵御背景知识攻击，实现保护数据隐私的目的；对于轨迹数据中存在的其他推理攻击问题，在构建DP‑轨迹相似树时，通过差分隐私对轨迹中的其他数据添加拉普拉斯噪音，进而抵御攻击；对于添加的拉普拉斯噪音会导致轨迹相似树上的噪音数据结果存在不一致的情况，对算法进行一致性处理。本发明的优点是：基于R树索引结构提出了一种新型的轨迹相似树结构，该结构可以保留轨迹的时空特性并实现轨迹的高效检索。在轨迹相似树结构基础上，提出了满足差分隐私的轨迹数据保护方法。根据轨迹的语义信息，利用差分隐私抵御信息推理攻击。
-
公开(公告)号：CN110727958A
公开(公告)日：2020-01-24
申请号：CN201910975894.9
申请日：2019-10-15
Applicant: 南京航空航天大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于前缀树的差分隐私轨迹数据保护方法，在前缀树的基础上提出了满足差分隐私的噪音轨迹段前缀树结构，考虑到轨迹具有时空特性，前缀树的节点中存放的是轨迹段；为了降低轨迹数据处理的时空复杂度，在DML原理的基础上结合Dijkstra方法，寻找轨迹的最佳分段；利用马尔科夫链限制添加到轨迹段前缀树中的噪音大小；运用差分隐私技术对轨迹段中的其它敏感数据添加噪音。本发明的优点是：针对轨迹具有时空性的特点和快速检索轨迹的要求，满足差分隐私的噪音轨迹段前缀树结构。寻找最佳轨迹分段，降低了轨迹数据处理的时空复杂度。限制添加的噪音大小，提高了数据的可用性。给出了其它敏感信息攻击的抵御方式。
-
公开(公告)号：CN105929216A
公开(公告)日：2016-09-07
申请号：CN201610223421.X
申请日：2016-04-08
Applicant: 南京航空航天大学
CPC classification number: G01R19/0092 , G06K9/6267
Abstract: 本发明公开了一种卫星电源主母线电流区间预测方法，该方法基于优化的核极限学习机训练的预测模型，利用比例系数法确定预测区间，其中比例系数法的参数由差分进化算法进行优化，具体过程包括：卫星电源主母线电流数据预处理，去除噪声数据并获取归一化数据；采用差分进化算法优化核极限学习机参数；使用优化的核极限学习机建立初始预测模型；给定评估预测区间质量的综合指标，采用比例系数法确定预测区间，评估预测区间满意度；最后，利用差分进化算法优化区间预测比例系数，获得最优的卫星电源主母线电流预测区间。本发明的优点是：针对复杂的卫星电源主母线电流数据，给出了一种卫星电源主母线电流区间预测方法，该方法预测精度更高，效果更好。
-
公开(公告)号：CN103995966A
公开(公告)日：2014-08-20
申请号：CN201410211811.6
申请日：2014-05-19
Applicant: 南京航空航天大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于遥测大数据的在轨运行卫星局部性能退化分析方法，其特征在于它包括具体步骤：按照遥测大数据的在轨运行卫星局部性能退化分析过程的需要，对原数据预处理，确定关键参数；对每个遥测关键参数序列按时间提取状态特征序列，并将每个关键参数状态特征序列值规约到区间中，最终组成局部状态特征向量集；选取在轨运行卫星健康情况下状态特征向量集并对其建模，得到在轨运行卫星局部健康的状态模型；对待测数据集提取特征向量并组成待测特征向量集；再利用上述的状态模型，计算出在轨运行卫星局部性能退化度。本发明基于卫星遥测大数据，可透视卫星性能的整体变化，从而解决大数据情况下的遥测数据量大、信息复杂和分析难度高等问题。
-
公开(公告)号：CN102360455B
公开(公告)日：2014-04-09
申请号：CN201110322268.3
申请日：2011-10-21
Applicant: 南京航空航天大学
IPC: G06N3/08
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种基于专家知识和神经网络的太阳翼展开可靠性评估方法，包括：根据专家知识建立太阳翼展开可靠性综合评价指标体系；采用层次分析法来综合多位专家的知识，得到评价指标体系的权向量；将专家知识加入到太阳翼展开可靠性神经网络建模的网络训练过程，通过多位专家对原始试验数据的评价，使试验数据融入了专家知识，并统一了各评价标准的量纲。本发明将专家知识与神经网络方法相结合，充分利用历史试验数据，克服了以往因试验次数少以及单纯依赖个别专家知识而导致的评价结果不确定性高、可信度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.056 seconds)
