-
公开(公告)号：CN119150001B
公开(公告)日：2025-03-28
申请号：CN202411662239.5
申请日：2024-11-20
Applicant: 南京邮电大学
IPC: G06F18/213 , G06F18/25 , G06F18/27 , G06Q50/26
Abstract: 本发明公开了一种气候变化和人类活动对流域植被影响的量化方法，包括从多个数据源获取研究区域的数据，进行时空一致性处理，并计算饱和水汽压差；对处理后的数据进行特征的提取，并构建高维特征张量；基于所述高维特征张量构建时空图，应用图谱嵌入技术降维并动态建模，分析流域植被时空动态特征；采用因果网络和回归分解方法分离并量化气候和人类活动对植被的直接影响；进行综合评估，并进行不确定性分析。本发明显著提高了对复杂生态系统动态的理解能力，为流域生态系统管理提供了强有力的科学支撑，能够提供更加精确、可靠和全面的决策支持。
-
公开(公告)号：CN118692258A
公开(公告)日：2024-09-24
申请号：CN202410924850.4
申请日：2024-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多模态数据融合的车辆占位智能告警管理系统及方法，属于计算机科学和人工智能技术领域，该系统包括数据存储模块、车辆识别检测模块、和占位问题警示模块，其中，所述车辆检测模块、占位警示模块与数据存储模块相互关联。所述方法具体包括如下步骤：构建车辆信息数据库，建立车辆图像识别模型，构建音频识别模型；建立多模态车辆纠纷信息匹配模型。通过图像、文本、音频方面来判断在停车过程中会出现的占用私人车位、乱停乱放问题，降低人工成本，提高停车效率问题。解决在停车过程中混乱产生的噪音导致扰民，产生的邻里关系问题以及陌生车辆随意停车造成拥堵问题。
-
公开(公告)号：CN103678432B
公开(公告)日：2016-11-16
申请号：CN201310116907.X
申请日：2013-04-07
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明基于网页主体特征和中介真值的网页主体识别和提取方法是一种Web信息抽取过程中进行主体识别的解决方案。主要用于解决主体识别存在的通用性不强、准确度有待提高的问题，属于Web信息处理领域。本发明的特征：通过考察网页结点树中每个结点的子树数、平均子树分支数、可显示字符数和子树分支数极差等属性，从多角度判别每个结点是主体结点的真值程度，再综合各个角度的评判结果识别出网页的主体结点，从而具有较高的网页主体识别准确度；而且本发明能够针对每个网页自动设定中介真值程度计算所需要各个属性的界值，多角度判别和自动设定界值一起使本发明通用性强，适用于各种类型网页的主体识别和提取。
-
公开(公告)号：CN119150001A
公开(公告)日：2024-12-17
申请号：CN202411662239.5
申请日：2024-11-20
Applicant: 南京邮电大学
IPC: G06F18/213 , G06F18/25 , G06F18/27 , G06Q50/26
Abstract: 本发明公开了一种气候变化和人类活动对流域植被影响的量化方法，包括从多个数据源获取研究区域的数据，进行时空一致性处理，并计算饱和水汽压差；对处理后的数据进行特征的提取，并构建高维特征张量；基于所述高维特征张量构建时空图，应用图谱嵌入技术降维并动态建模，分析流域植被时空动态特征；采用因果网络和回归分解方法分离并量化气候和人类活动对植被的直接影响；进行综合评估，并进行不确定性分析。本发明显著提高了对复杂生态系统动态的理解能力，为流域生态系统管理提供了强有力的科学支撑，能够提供更加精确、可靠和全面的决策支持。
-
公开(公告)号：CN118036829B
公开(公告)日：2024-06-11
申请号：CN202410430900.3
申请日：2024-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了用于数字化城市治理的智能洪涝预警应对方法及系统，包括用于采集洪涝灾害事件的数据并预处理，形成洪涝灾害多模态数据的数据采集和存储模块；用于调取洪涝灾害多模态数据，构建并采用多模态网络模块进行处理，获得灾害信息传播时空动态图的洪涝灾害信息提取模块；用于读取并分析灾害信息传播时空动态图，获取洪涝灾害的至少两个维度的信息质量数据，并计算信息质量指数的信息质量分析模块；用于判断信息质量指数是否超出阈值并据当前场景给出建议方案的决策模块。本发明提高了洪涝灾害预警和应对的速度，同时大大降低了系统资源的使用，便于部署在边缘终端。
-
Patent Agency Ranking
公开(公告)号：CN117391221A
公开(公告)日：2024-01-12
申请号：CN202311687644.8
申请日：2023-12-11
Applicant: 南京邮电大学
IPC: G06N20/20 , G06N20/10 , G06F18/27 , G06F18/2413 , G06F18/2411 , G06F18/22 , G06F18/243
Abstract: 本发明公开了一种基于机器学习的NDVI预测集成优化方法及系统，包括获取研究区域的研究数据并筛选和预处理，形成输入变量数据集；所述研究数据至少包括NDVI数据集和气候变量数据集；选取至少一种类型的NDVI预测模型，构建包括至少两种NDVI预测模型在内的NDVI预测模型集合；构建NDVI预测集成优化模型，包括目标函数、权重矩阵和约束条件；采用预配置的算法求解NDVI预测集成优化模型，确定最优权重，计算和评价预测精度，并输出预测结果。针对单个机器学习模型易出现欠拟合或过拟合问题，构建基于线性加权的NDVI预测集成模型，并通过增强精英保留的遗传算法确定各模型的权重，降低模型不确定性的不利影响。
-
公开(公告)号：CN106709933B
公开(公告)日：2020-04-07
申请号：CN201611011646.5
申请日：2016-11-17
Applicant: 南京邮电大学
IPC: G06T7/207
Abstract: 本发明公开了一种基于非监督学习的运动估计的方法，该方法解决了基于监督学习的深度卷积神经网络在进行运动估计训练时对数据的高要求问题，尤其是需要对大量训练数据进行真值标注的问题。该方法使用非监督学习的方法对卷积神经网络进行训练，采用该方法进行训练降低了对于训练数据中真值的要求，建立了一种非一般性结构的深度卷积神经网络。此外，采用一种从粗糙到精细的计算模型使完成训练的网络模型能针对运动幅度较大的运动区域进行计算。
-
公开(公告)号：CN106709933A
公开(公告)日：2017-05-24
申请号：CN201611011646.5
申请日：2016-11-17
Applicant: 南京邮电大学
IPC: G06T7/207
Abstract: 本发明公开了一种基于非监督学习的运动估计的方法，该方法解决了基于监督学习的深度卷积神经网络在进行运动估计训练时对数据的高要求问题，尤其是需要对大量训练数据进行真值标注的问题。该方法使用非监督学习的方法对卷积神经网络进行训练，采用该方法进行训练降低了对于训练数据中真值的要求，建立了一种非一般性结构的深度卷积神经网络。此外，采用一种从粗糙到精细的计算模型使完成训练的网络模型能针对运动幅度较大的运动区域进行计算。
-
公开(公告)号：CN103678432A
公开(公告)日：2014-03-26
申请号：CN201310116907.X
申请日：2013-04-07
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30896
Abstract: 本发明基于网页主体特征和中介真值的网页主体识别和提取方法是一种Web信息抽取过程中进行主体识别的解决方案。主要用于解决主体识别存在的通用性不强、准确度有待提高的问题，属于Web信息处理领域。本发明的特征：通过考察网页结点树中每个结点的子树数、平均子树分支数、可显示字符数和子树分支数极差等属性，从多角度判别每个结点是主体结点的真值程度，再综合各个角度的评判结果识别出网页的主体结点，从而具有较高的网页主体识别准确度；而且本发明能够针对每个网页自动设定中介真值程度计算所需要各个属性的界值，多角度判别和自动设定界值一起使本发明通用性强，适用于各种类型网页的主体识别和提取。
-
公开(公告)号：CN103345528B
公开(公告)日：2016-08-24
申请号：CN201310312018.0
申请日：2013-07-24
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明提供一种基于关联分析和KNN的文本分类方法，用于解决基于传统KNN的文本分类方法存在的效率和准确率有待进一步提高的问题；本发明是一种策略性方法考虑到被测文档与近邻文档向量的特征属性会重合较多，本发明提出一种基于关联分析和KNN的文本分类方法该方法基于对各个类别文本进行关联分析的结果，快速确定未知类别文本合适的近邻数k，并在已知类别的文本中选取k个近邻，进而根据近邻类别确定未知文本的类别，改进了基于传统KNN的文本分类方法k值难以确定及时间复杂度高的不足，提高了文本分类的效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
