-
公开(公告)号：CN118506407B
公开(公告)日：2024-09-13
申请号：CN202410950010.5
申请日：2024-07-16
Applicant: 南京信息工程大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了基于随机颜色丢弃和注意力的轻量行人重识别方法及系统，涉及行人重识别技术领域，接收图像数据，对图像数据进行预处理，得到预处理图像数据；将预处理图像数据输入至预先建立的嵌入有级联自注意力模块的OSNet内，提取特征，得到图像特征；将图像特征通过全连接层进行分类，将图像特征映射到相应的类别标签上，得到分类后的图像特征；使用分类后的图像特征计算带有标签平滑的身份损失，通过反向传播更新梯度对预先建立的轻量行人重识别网络模型进行优化训练，得到优化后的轻量行人重识别网络模型；获取行人重识别数据集的测试集，将行人重识别数据集的测试集输入至优化后的轻量行人重识别网络模型内，得到轻量行人重识别结果。
-
公开(公告)号：CN113923593B
公开(公告)日：2023-10-27
申请号：CN202111184595.7
申请日：2021-10-12
Applicant: 南京信息工程大学
IPC: H04W4/02 , H04W24/02 , H04W28/086 , H04W36/18
Abstract: 本发明公开了一种按需分布式边缘节点移动管理方法，其特征在于：步骤一：根据终端状态选择是否配置合适的用户面锚点，以保证在终端移动过程中建立稳定会话；步骤二：基于控制的形式和转发分离的架构，判断控制面是否分布来调整方案；步骤三：从需求多样性出发，选择单个会话移动性管理颗粒度；步骤四：采用基于VMME的适应性负载均衡优化方法，执行网络AP负载均衡。本发明可以在现有IPv6协议的基础上，提高移动性管理的性能，降低锚点维护成本的开销，减小数据传输过程中的迂回路径，可实现移动性管控功能的边缘化分布和传输路径的集中决策，保证移动通讯过程中的连续性。
-
公开(公告)号：CN116149828B
公开(公告)日：2023-07-18
申请号：CN202310419404.3
申请日：2023-04-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了云计算环境技术领域的一种基于动态可调整子截止日期的云工作流调度方法，包括：先进行工作流任务信息解析，进行子截止日期设置；判断子截止日期设置任务是否准备完成，当子截止日期设置任务完成后进行虚拟机选择，然后进行任务执行，当子截止日期设置任务未准备完成则进入任务池内；任务执行开始后判断是否执行完成，执行完成后进行信息反馈，然后更新任务信息，任务未执行完成则再次进行虚拟机选择，然后进行任务执行。本发明极大限度的将工作流的整体真实完成时间调整到截止日期，增加任务的可执行时间，更大程度上的选择低性能的机器；实现子截止日期的动态调整，降低在虚拟机选择阶段对其性能的需求，减少租赁花费。
-
公开(公告)号：CN116149828A
公开(公告)日：2023-05-23
申请号：CN202310419404.3
申请日：2023-04-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了云计算环境技术领域的一种基于动态可调整子截止日期的云工作流调度方法，包括：先进行工作流任务信息解析，进行子截止日期设置；判断子截止日期设置任务是否准备完成，当子截止日期设置任务完成后进行虚拟机选择，然后进行任务执行，当子截止日期设置任务未准备完成则进入任务池内；任务执行开始后判断是否执行完成，执行完成后进行信息反馈，然后更新任务信息，任务未执行完成则再次进行虚拟机选择，然后进行任务执行。本发明极大限度的将工作流的整体真实完成时间调整到截止日期，增加任务的可执行时间，更大程度上的选择低性能的机器；实现子截止日期的动态调整，降低在虚拟机选择阶段对其性能的需求，减少租赁花费。
-
公开(公告)号：CN114936081A
公开(公告)日：2022-08-23
申请号：CN202210605074.2
申请日：2022-05-30
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于WOA算法的雾计算应用程序任务调度方法，所述任务调度方法包括以下步骤：步骤1，对任务进行排序，步骤2，对虚拟机进行排序，步骤3，对任务与虚拟机进行分组，步骤4，寻找粗略的调度方案，步骤5，应用WOA算法寻找每个组的精确调度方案，步骤6，合并每组的调度方案生成最后的调度方案。本发明任务调度方法以降低雾计算数据中心能耗和任务总执行时间为目标，采用对任务以及虚拟机分组的调度方式，降低复杂问题的维度，利用WOA算法收敛速度快的优点减少了求解每组精确解的时间，合并每个组的方案生成最终的调度方案，从而达到降低数据中心能耗和任务总执行时间的目的。
-
Patent Agency Ranking
公开(公告)号：CN114913498A
公开(公告)日：2022-08-16
申请号：CN202210594510.0
申请日：2022-05-27
Applicant: 南京信息工程大学
IPC: G06V20/56 , G06V10/80 , G06V10/774 , G06V10/34 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自动驾驶和计算机视觉领域，公开了一种基于关键点估计的并行多尺度特征聚合车道检测方法车道线检测方法，包括以下步骤：1)获取车道线图像数据集，用于训练车道线检测模型；2)对车道线图像数据集进行数据预处理，统一缩放图像尺寸并进行归一化；3)构建基于关键点估计的并行多尺度特征聚合车道线检测模型；4)将车道线图像数据集馈送到检测模型中进行训练；5)将待测试图像或视频输入到已训练收敛的检测模型中，模型进行车道线检测并输出图像或视频的车道线检测信息。本发明在兼顾车道线检测精度和检测速度的同时，也能够适应任意结构和任意数量的道路场景，具有较高的鲁棒性和实用性。
-
公开(公告)号：CN113923104B
公开(公告)日：2022-03-11
申请号：CN202111479699.0
申请日：2021-12-07
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/0677 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。
-
公开(公告)号：CN113923104A
公开(公告)日：2022-01-11
申请号：CN202111479699.0
申请日：2021-12-07
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/0677 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。
-
公开(公告)号：CN111048117A
公开(公告)日：2020-04-21
申请号：CN201911232409.5
申请日：2019-12-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于目标适应子空间学习的跨库语音情感识别方法。首先，分别提取源数据库和目标数据库中语音样本的特征；其次，采用提取到的特征训练目标适应子空间学习模型，该模型的目标在于寻找一个投影空间使得目标数据库中的语音样本能够被源数据库中的语音样本表示，同时通过学习投影矩阵来预测目标数据库中语音样本的情感种类并减小源域与目标域之间的特征分布差异；最后，对训练好的模型进行测试并得到最终的语音情感识别结果。本发明提出的目标适应子空间学习模型可以有效减小不同数据库之间的特征分布差异。
-
公开(公告)号：CN108428231A
公开(公告)日：2018-08-21
申请号：CN201810223488.2
申请日：2018-03-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机森林的多参数零件表面粗糙度学习方法，首先，采集散斑图像的训练样本集和测试样本，采用巴特沃斯滤波器对图像进行预处理，对散斑图像进行特征研究，实现了多特征提取，找出特征与粗糙度间的单调性，并构建基于随机森林的强分类器；然后，引入互信息量学习特征权重，并结合相关性系数和随机森林学习参数建立粗糙度学习函数；最后，利用学习好的粗糙度函数对测试样本进行粗糙度测量。该方法建立了一种同时学习工艺类型与粗糙度值的新模型，突破了现有方法中对不同工艺零件需建立多个测量粗糙度值模型的局限性，为粗糙度测量提供了新思路，并通过实验验证了新算法的有效性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.037 seconds)
