-
公开(公告)号：CN116578750A
公开(公告)日：2023-08-11
申请号：CN202310630004.7
申请日：2023-05-30
Applicant: 南京邮电大学
IPC: G06F16/901 , G06F16/906 , G06F18/24 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于社会平衡理论的符号图增强学习方法，包括确定符号图和邻接矩阵；构建符号图增强模型；重复执行迭代步骤直至达到预设的重复次数，在每次迭代步骤执行后，计算符号图增强模型的损失函数，根据损失使用随机梯度下降方法更新符号图增强模型的模型参数；迭代步骤包括：通过编码器对符号图及其邻接矩阵进行编码，生成符号图中各节点平衡和不平衡的嵌入表示；将嵌入表示输入MLG分类器，获取链接预测结果；通过解码器对嵌入表示进行解码，获取符号图的概率矩阵；基于概率矩阵对符号图进行插值处理、采样处理以及融合处理，生成新邻接矩阵；本发明针对符号图进行图增强，并在增强中加入社会平衡理论进行去噪，能够提高链接预测效果。
-
公开(公告)号：CN110321803B
公开(公告)日：2022-08-30
申请号：CN201910499090.6
申请日：2019-06-10
Applicant: 南京邮电大学
IPC: G06V20/58 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种基于SRCNN的交通标志识别方法，包括以下步骤：步骤一：对输入的交通标志图像进行图像预处理：将输入的交通标志图像的像素与处理分界点像素进行比较，对于像素小于处理分界点像素的图像，利用基于SRCNN的超分辨率重建算法将输入图像重建为处理分界点像素的图像；对于像素不小于处理分界点像素的图像，利用双线性插值算法缩小为处理分界点像素的图像；步骤二：对Lenet‑5卷积神经网络进行训练，得到Lenet‑5卷积神经网络模型；步骤三：将步骤一预处理后的交通标志图像输入步骤二得到的Lenet‑5神经网络模型进行识别，得到交通标志图像类别。本发明具有能提高低分辨率图像识别准确率且计算量小的优点。
-
公开(公告)号：CN111339921A
公开(公告)日：2020-06-26
申请号：CN202010113357.6
申请日：2020-02-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于轻量级卷积神经网络的病虫害检测无人机及检测方法，首先利用无人机在农场上空进行巡航，并通过搭载的相机采集农作物图像；并对农作物图像进行预处理分割为像素较小的图像；然后，采用轻量级卷积神经网络对图像进行分析，实时判断农作物是否患有某种病症或出现虫害现象；如果判断农作物存在病虫害现象，则无人机停留此区域上空，自适应调节高度，计算目标区域面积，返回实时坐标至控制中心，若判断没有出现病虫害现象，则继续巡查。本发明能对目标植株进行定位，利用撒药无人机进行定点定量喷洒，节约了人力成本系统成本，减少了农药用量，并且可以在出现病虫害态势之时将其发现，防止其蔓延造成更大损失，具有极高的应用价值。
-
公开(公告)号：CN111222562A
公开(公告)日：2020-06-02
申请号：CN202010002235.X
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明提供了一种空间自注意力机制及目标检测方法，对特征图F进行自适应平均池化得到特征图F′；对特征图F′进行两次降维映射，得到f(F′)与g(F′)并按行展开，得到矩阵M和矩阵N；将矩阵M和矩阵N进行相乘，得到矩阵Z；对矩阵Z通过行卷积得到特征图Y；再使用sigmoid激活并进行拓展，得到特征图Q；对特征图Q进行反自适应平均池化，得到最终空间每个像素的权重，将所述权重与特征图F进行点乘，以获得最终特征图R作为下一个卷积层的输入。本发明基于空间自注意力机制，能够更好地提高目标检测方法的精度，本发明简单高效，且计算量较低，可应用到任意卷积网络的前向过程中，为特征图提供全局信息指导，提高卷积网络的表达能力。
-
公开(公告)号：CN109522954A
公开(公告)日：2019-03-26
申请号：CN201811357907.8
申请日：2018-11-14
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 一种异构信息网络链接预测装置，所述装置包括：设定单元，适于设定待预测异构网络中节点对之间的元路径、元路径的最大长度和每种元路径类型设置对应的类型标签；构建单元，适于基于元路径提取节点对之间的异构拓扑特征，构建样本向量，组成样本集；所述样本集包括训练集和测试集；分类学习单元，适于基于所述样本集中的训练集和测试集进行多标记分类学习，得到对应的多标记分类器；预测单元，适于采用训练得到的多标记分类器对待预测异构网络中节点之间的未知关系进行预测。上述的方案，可以提高异构信息网络链接预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110175325B
公开(公告)日：2023-07-11
申请号：CN201910343337.5
申请日：2019-04-26
Applicant: 南京邮电大学
IPC: G06F40/242 , G06F16/9532 , G06F40/30 , G06F40/284 , G06Q30/0601
Abstract: 本发明提出了数据分析领域内的一种基于词向量和句法特征的评论分析方法，包括：获取电商网站商品页面评论数据；将获取的目标数据集进行预处理；提取Hownet和NTU提供的褒贬词集组成基础情感词典；将所得到的经过预处理的数据集合通过Word2Vec工具进行词向量训练；使用语义相似度矩阵建立概率转移矩阵；将获取的商品评论文本，进行基于核心句规则的处理；将所得到的去除冗余的文本进行预处理；对所得依存关系对通过词性提取 评价搭配对；将所得评价搭配对结合情感词典，对评价对象进行褒贬值计算、优劣排序，最终通过可视化交互界面实现，实现对商品评论数据进行准确、实时、自动、便利的处理与分析，可用于电商平台中。
-
公开(公告)号：CN110910218B
公开(公告)日：2022-08-26
申请号：CN201911146484.X
申请日：2019-11-21
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于深度学习的多行为迁移推荐方法，首先，获取用户的多种隐式反馈数据集并进行处理；构建一个基网络Gb和多个行为网络G(k)，并利用网络表示学习方法学习用户和物品节点在各个网络中的低维嵌入表示；然后，基于用户的多个隐式行为反馈对用户偏好建模的影响不同，使用注意力机制自动学习各个行为的权重，得到用户和物品的融合低维嵌入表示；最后，将用户和物品的低维嵌入向量自然拼接后送入全连接嵌入层，采用基于深度神经网络的偏好学习方法，并反馈到具有隐藏层的前馈神经网络中，在输出层学习用户对物品的偏好。本发明能够更好地捕获用户的偏好并实现个性化推荐，且具有推荐准确率高、泛化能力强，易于实现等优点。
-
公开(公告)号：CN114494783A
公开(公告)日：2022-05-13
申请号：CN202210102394.6
申请日：2022-01-27
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于动态图神经网络的预训练方法，从时间，结构及语义三个角度学习节点表示，包括如下步骤：根据实际需求和系统性能，确定采样子图大小，使用时间敏感采样算法对大规模动态图数据进行子图采样得到子图；针对子图，使用时间敏感的边遮盖算法及节点特征遮盖算法对子图进行遮盖处理，得到处理后的新子图；使用动态图生成算法结合GNN模型对子图的遮盖边及遮盖节点特征预测，保存最优参数，结束预训练过程；加载最优参数，根据不同下游任务对预测的图数据进行微调，得到最终结果。本方法可以处理大规模的动态图数据，并且相比与其他预训练方法，本发明的方法表达能力更强，学到的节点表示更精准，可以更好的在各种下游任务中应用。
-
公开(公告)号：CN110276356A
公开(公告)日：2019-09-24
申请号：CN201910524945.6
申请日：2019-06-18
Applicant: 南京邮电大学
Abstract: 一种基于R-CNN架构的眼底微动脉瘤目标检测模型，实现对眼底微动脉瘤病灶的检测与识别，所述方法包括：对眼底图像进行预处理；对预处理图像进行血管分割；对预处理图像经局部自适应阈值分割、去除血管以及面积筛选三个步骤得到真正的微动脉瘤候选区域；采用数据增强扩充训练样本数量；采用迁移学习的方法，使用预训练的VGG16网络对样本进行特征提取，并在特征提取网络之后添加微动脉瘤分类器进行联合训练；上述的方案，为糖尿病视网膜图像眼底微动脉瘤目标检测提供了一种新的方法。
-
公开(公告)号：CN110188287A
公开(公告)日：2019-08-30
申请号：CN201910349879.3
申请日：2019-04-28
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F17/14 , G06F17/15 , G06K9/66
Abstract: 本发明提供了一种光谱协同滤波推荐系统及其建立方法。所述光谱协同滤波推荐系统的建立方法主要包括以下步骤：S1：获取用户和项目的数据集合；S2：对数据集合进行预处理，得到二部图；S3：对二部图进行部分属性加权，再通过图傅里叶变换得到新二部图；S4：将光谱卷积滤波器放置在所述新二部图上，以得到新图形信号；S5：采用多项式逼近方法来改进光谱卷积滤波器，得到最终光谱卷积运算；S6：采用近似卷积运算，建立推荐系统。通过光谱图理论，将用户和项目之间的连接信息转换到光谱域中，建立多层卷积运算的推荐系统，缓解一般推荐系统中的冷启动问题，提高了推荐系统的准确性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.02 seconds)
