-
公开(公告)号：CN108509980B
公开(公告)日：2022-07-01
申请号：CN201810188900.1
申请日：2018-03-08
Applicant: 南京邮电大学
IPC: G06V10/772 , G06V10/764 , G06K9/62 , G01F23/04
Abstract: 本发明公开了一种基于字典学习的水位监测方法，包括以下步骤：步骤1，在待测量河流区域固定一根测量标杆，通过摄像头实时采集该测量标杆与水面附近区域的图像；步骤2，采集若干幅图像作为训练图像，将每幅图像分为C类，对每类的图像块采用滑动窗采集训练数据，并打上对应的类别标签；步骤3，采用字典学习的方法对训练数据进行训练，得到字典D；步骤4，利用字典D对摄像头采集到的图像进行实时分类，得到图像的类别标签向量，从而获得水位值。本发明只需要安装传统的标杆即可实现，克服了传统水位测量方案中水平面位置难以准确识别的问题，具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN108710886B
公开(公告)日：2022-04-15
申请号：CN201810418937.9
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于SIFT算法的重复图像匹配方法，包括：运用SIFT算法提取待匹配图像的匹配点及其位置信息；对匹配特征点进行投影变换；检测投影变换后的匹配点位置信息相似度和投影变换的幅值大小；以匹配点位置信息相似度最大和投影变换的幅值最小为目标，运用最小二乘法求解投影变换参数；计算在此投影变换参数下的匹配点位置信息相似度，通过与阈值的比较判断图像匹配情况。本发明结合SIFT算法提取匹配特征点，通过投影变换的引入消除了拍摄角度的细微变化对结果的影响，运用最小二乘方法找到使得匹配点位置信息相似度最大和投影变换的幅值最小的参数，对重复图像检测具有重要的意义。
-
公开(公告)号：CN108684043B
公开(公告)日：2021-09-28
申请号：CN201810461226.X
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04W12/122 , H04W12/67
Abstract: 本发明公开了一种基于最小风险的深度神经网络的异常用户检测方法，首先对异常用户的数据进行预处理，得到异常用户和正常用户数据量一致的数据；其次利用Mini‑batch梯度下降方法对深度神经网络进行训练并结合NOMA通信系统中不同异常用户的危害程度高低，构建基于最小风险的决策表；最后将决策表设定的不同决策对应的损失函数引入深度神经网络，构建基于最小风险的神经网络异常用户检测方法。本发明通过深度神经网络对高维数据强大的表示和分析能力，解决基于大数据的NOMA系统异常用户检测问题、将最小风险代价引入到深度神经网络训练中，解决了NOMA系统中各类异常用户的危害程度的差异性问题，有望为异常用户检测提供新的思路和理论创新。
-
公开(公告)号：CN108737057B
公开(公告)日：2021-09-17
申请号：CN201810391479.4
申请日：2018-04-27
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于深度学习的多载波认知非正交多址接入技术（Non‑Orthogonal Multiple Access,NOMA）资源分配方法，包括以下步骤：（1）多载波认知NOMA系统的场景模型建立；（2）用户调度和资源分配策略的数学描述；（3）基于联合分配的深度神经网络和深度学习算法设计。本发明在建立基于多载波认知NOMA的下行系统后，创新地提出符合该场景的频谱共享策略，并合理建立优化目标和约束条件的数学表达式，实现了基于深度学习的多载波认知NOMA用户调度和资源分配策略，满足了用户多方面传输需求的同时，更好地实现了多载波认知NOMA下行系统的低功耗资源分配。
-
公开(公告)号：CN109977224A
公开(公告)日：2019-07-05
申请号：CN201910178534.6
申请日：2019-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于卷积神经网络和词向量相结合的新闻分类方法，首先将训练文本利用skip‑gram模型训练成分布式词向量表示，然后再将文本矩阵输入卷积神经网络分类器进行训练，模型训练好后就可以得出待测新闻文本的类别。本发明中采用的卷积神经网络不需要提前单独提取文本特征，可以通过整个网络独立完成，本发明操作步骤简便且具有更高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109936857A
公开(公告)日：2019-06-25
申请号：CN201910051747.2
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无线感知度智能识别方法，所述识别方法包括以下步骤：采集待测区域的无线感知度指标数据；将所述指标数据输入至自编码器神经网络中，对所述指标数据进行降维操作；对于降维后的指标数据进行聚类分析，计算其与预确定的两个有效簇中心点的距离；根据距离计算结果，将被测区域归到距离较近的一类，输出被测区域无线感知度识别结果，本发明能够根据一组待测数据有效地预测出其感知度正常与否，提高了运营商的维护效率，有利于在用户投诉之前发现问题并及时解决，提高了用户体验。
-
公开(公告)号：CN108737057A
公开(公告)日：2018-11-02
申请号：CN201810391479.4
申请日：2018-04-27
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于深度学习的多载波认知非正交多址接入技术（Non-Orthogonal Multiple Access,NOMA）资源分配方法，包括以下步骤：（1）多载波认知NOMA系统的场景模型建立；（2）用户调度和资源分配策略的数学描述；（3）基于联合分配的深度神经网络和深度学习算法设计。本发明在建立基于多载波认知NOMA的下行系统后，创新地提出符合该场景的频谱共享策略，并合理建立优化目标和约束条件的数学表达式，实现了基于深度学习的多载波认知NOMA用户调度和资源分配策略，满足了用户多方面传输需求的同时，更好地实现了多载波认知NOMA下行系统的低功耗资源分配。
-
公开(公告)号：CN107833203A
公开(公告)日：2018-03-23
申请号：CN201710975172.4
申请日：2017-10-19
Applicant: 南京邮电大学
CPC classification number: G06T7/0004 , G06T7/13 , G06T7/136 , G06T2207/30181 , G06T2207/30208
Abstract: 本发明公开一种基于图像处理的水平面识别及水位实时测量方法，其以检测水平面为目标，首先采用图像处理技术中的图像垂直边缘检测技术，检测出水位测量标尺，紧接着使用图像水平边缘检测技术检测出水面，根据水平面的像素值及标杆的实际长宽信息，计算获得实时的水深数据。本发明能够准确地判断出水位线的位置并测量出实时的水深，解决了传统方案中存在的水平面检测困难、易受自然环境影响、测量精度不高等问题，在水资源管理过程中具有应用价值。通过正确检测插入水体的标尺确定水位高度，解决了传统的基于图像处理方法中由于天气，光线等原因造成的水平面辨识困难、操作不便、测量误差较大等问题。
-
公开(公告)号：CN107131925A
公开(公告)日：2017-09-05
申请号：CN201710292929.X
申请日：2017-04-28
Applicant: 南京邮电大学
CPC classification number: G01F23/04 , G06K9/00664
Abstract: 本发明公开了一种基于图像处理的水位实时监测方法，将计算机视觉中的图像处理技术与传统标杆测量水深的方式相结合，解决了传统方法中需人为查看标杆上的刻度、操作不便、误差较大、标杆刻度易磨损等诸多问题。发明中采用图像处理中的对象检测和直线检测技术将获取的图像简化成数学模型，计算出模型中线段长度之间的比例，根据标杆上预留参考长度，求得标杆露出水面的高度，由此可得实时水深。解决了传统的方案中存在的诸多问题，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN119172805A
公开(公告)日：2024-12-20
申请号：CN202411338979.3
申请日：2024-09-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种移动车辆的多无人机最佳边缘服务方法及系统，所述方法包括在研究范围内，存在多个搭载移动边缘计算MEC的无人机为移动车辆提供边缘计算服务，同时还存在一个基站为无人机提供额外计算服务。每个移动车辆只携带一项任务，通过优先级判决任务类型：常规、紧急。某项常规任务在其最初无人机覆盖内完成任务卸载以及计算，若在初始无人机内未完成任务计算，随车辆行驶区域更改，任务于无人机之间二次卸载。在携带紧急任务的车辆出现时，该初始无人机内所有常规任务二次卸载至基站BS完成后续计算，该初始无人机跟随携带紧急任务的车辆完成任务计算后返回原位置。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.088 seconds)
