-
公开(公告)号：CN112100317A
公开(公告)日：2020-12-18
申请号：CN202011017875.4
申请日：2020-09-24
Applicant: 南京邮电大学
IPC: G06F16/31 , G06F40/279 , G06F40/30
Abstract: 本发明公开一种基于主题语义感知的特征关键词提取方法，具体包括如下过程：首先，利用关键词与文档主题之间的语义相关度的量化方法，计算关键词集合中每一个关键词的信息增益得分，并计算文档中每一个关键词的主题频率‑逆主题频率(TF‑ITF)得分；然后，选取信息增益得分最大的前κ个关键词，构成信息增益特征关键词集合；并分别针对每个文档，选取该文档中主题相关度得分最大的前λ个关键词，进而构成全局主题信息特征关键词集合；最终，对全局信息增益特征关键词集合和全局主题信息特征关键词集合进行合并，生成最终的特征关键词集合。本发明综合考虑关键词之间以及关键词和文档之间的主题语义关系，实现表征文档主题语义信息的特征关键词提取。
-
公开(公告)号：CN111932141A
公开(公告)日：2020-11-13
申请号：CN202010848015.9
申请日：2020-08-21
Applicant: 南京邮电大学
Abstract: 本发明是一种面向机场载客的出租车司机载客决策方法，该决策方法包括如下步骤：S1：构建基于司机载客决策的二级评价指标体系，对指标参数进行定义，并获取原始数据；S2：对某时段内出入机场附近的出租车数据进行预处理；S3：计算某时段内可能乘坐出租车的乘客数量；S4：求出乘客数量关于其子指标的解析方程；S5：采用模糊综合评判法对二级决策评价指标体系进行打分，得到司机对当前在机场载客效益的预估值；S6：将不同选择方案的预估值进行对比，选择最佳收益方案。本发明通过全面的分析和建模模拟了机场出租车司机的决策环境和过程，能够最大化地降低司机因等待乘客、交通堵塞等引起的利益损失。
-
公开(公告)号：CN1870132A
公开(公告)日：2006-11-29
申请号：CN200610085594.6
申请日：2006-06-26
Applicant: 南京邮电大学
Abstract: 基于低密度奇偶校验码的数字音频水印方法涉及一种用于数字媒体版权保护与认证的数字音频水印方案，该方法是将低密度奇偶校验码这种新型通信信道编码技术引入信息隐藏技术中，与随机水印嵌入技术相互结合，产生具有良好地防止信道干扰性能的数字水印；该方法由水印的低密度奇偶校验码和数字调制、随机扩频序列嵌入种子产生、自适应去直流统计均值调制水印嵌入、水印盲提取步骤组成，即：嵌入的水印是通过口令“k”作随机种子，产生一个与水印序列等长的扩频序列b(k)；生成一个列重为3的奇偶校验矩阵，把输入序列经过低密度奇偶校验码，得到码字是“0，1”的新的受保护水印码序列。
-
公开(公告)号：CN114969761B
公开(公告)日：2024-11-15
申请号：CN202210689100.4
申请日：2022-06-17
Applicant: 南京邮电大学
IPC: G06F21/57 , G06F21/55 , G06F21/56 , G06N3/0442 , G06N3/088
Abstract: 本发明是一种基于LDA主题特征的日志异常检测方法。该方法包含模型训练和异常检测两个阶段。在模型训练阶段，利用日志解析器将系统日志解析为日志模板集合和日志三元组集合，日志模板集合用以训练LDA模型，得到日志模板主题分类模型；利用LDA‑CM模型将日志三元组转换为进程日志模板主题，进而利用滑动窗口机制构造训练样本，最后将训练样本输入LSTM模型，训练生成日志异常检测模型。在异常检测阶段，将待检测的进程日志转换为对应的模板主题序列，然后输入LSTM‑ADM模型，实现针对进程日志的异常检测，本发明能够更加准确的学习日志间的语义关系特征以及更有效地通过非结构化的日志记录检测出进程或系统的异常行为。
-
公开(公告)号：CN112100317B
公开(公告)日：2022-10-14
申请号：CN202011017875.4
申请日：2020-09-24
Applicant: 南京邮电大学
IPC: G06F16/31 , G06F40/279 , G06F40/30
Abstract: 本发明公开一种基于主题语义感知的特征关键词提取方法，具体包括如下过程：首先，利用关键词与文档主题之间的语义相关度的量化方法，计算关键词集合中每一个关键词的信息增益得分，并计算文档中每一个关键词的主题频率‑逆主题频率(TF‑ITF)得分；然后，选取信息增益得分最大的前κ个关键词，构成信息增益特征关键词集合；并分别针对每个文档，选取该文档中主题相关度得分最大的前λ个关键词，进而构成全局主题信息特征关键词集合；最终，对全局信息增益特征关键词集合和全局主题信息特征关键词集合进行合并，生成最终的特征关键词集合。本发明综合考虑关键词之间以及关键词和文档之间的主题语义关系，实现表征文档主题语义信息的特征关键词提取。
-
Patent Agency Ranking
公开(公告)号：CN111951542B
公开(公告)日：2022-09-27
申请号：CN202010847664.7
申请日：2020-08-21
Applicant: 南京邮电大学
Abstract: 本发明是一种面向机场出租车上客区服务效率优化的上客点数量规划方法，所述方法包括如下步骤：S1：对模型的内部概念进行定义；S2：建立机场出租车载客排队模型双目标函数；S3：将双目标函数转化为单目标函数；S4：建立机场出租车载客排队模型约束条件；S5：基于粒子群算法进行模型求解，得到最佳上车点数量。本发明解决了机场上客区出租车司机和乘客的双方滞留情况，使机场陆侧交通系统布局规划更加科学、合理、高效。
-
公开(公告)号：CN114969761A
公开(公告)日：2022-08-30
申请号：CN202210689100.4
申请日：2022-06-17
Applicant: 南京邮电大学
Abstract: 本发明是一种基于LDA主题特征的日志异常检测方法。该方法包含模型训练和异常检测两个阶段。在模型训练阶段，利用日志解析器将系统日志解析为日志模板集合和日志三元组集合，日志模板集合用以训练LDA模型，得到日志模板主题分类模型；利用LDA‑CM模型将日志三元组转换为进程日志模板主题，进而利用滑动窗口机制构造训练样本，最后将训练样本输入LSTM模型，训练生成日志异常检测模型。在异常检测阶段，将待检测的进程日志转换为对应的模板主题序列，然后输入LSTM‑ADM模型，实现针对进程日志的异常检测，本发明能够更加准确的学习日志间的语义关系特征以及更有效地通过非结构化的日志记录检测出进程或系统的异常行为。
-
公开(公告)号：CN114490818A
公开(公告)日：2022-05-13
申请号：CN202210092565.1
申请日：2022-01-26
Applicant: 南京邮电大学
IPC: G06F16/2458 , G06F16/26
Abstract: 本发明提供了一种面向移动对象的多源传染事件发掘方法。首先将初始传染源对象按照多源传染事件三元组Eobj＝(Sobj,obj,ts)的形式加入挖掘结果集合R，同时将obj加入传染源集合S。步骤为：选择轨迹数据时间点集合T中的第一个时间点t，并清空临时传染源集合St；对移动对象集合O中的每一个尚未被感染的对象oi进行分析，更新oi在t时刻的候选传染源集合C[i][t]。并根据C[i][t]的状态，判断是否发生多源传染事件；若发生，则求取传染源集合Soi，并构造新的多源传染事件(Soi,oi,t)加入R，同时将oi加入临时St；将St加入S；选择下一个时间点进行处理，直到T中的时间点都被处理完，R即为确定的多源传染模式挖掘结果。本发明采用滑动窗口机制，能够挖掘更多潜在的传染事件。
-
公开(公告)号：CN113378922A
公开(公告)日：2021-09-10
申请号：CN202110644375.1
申请日：2021-06-09
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于GeoHash的地理坐标点密度聚类方法，该发明首先利用GeoHash将每个坐标点p进行处理，获取其GeoHash编码，并根据编码将坐标点p加入对应实块的坐标点集合，形成实块集合B；然后，利用块的邻接关系，对B进行处理，生成连通实块区域集合Ω；最后，对于Ω中每个连通实块区域中的坐标点，执行密度聚类算法，得到对应的簇集；所有生成的簇集的并集即为全局密度聚类的结果簇集。本发明采用了分治法的思想，易于实现，使得密度聚类的时间效率显著提高，并且能够保证结果的正确性。
-
公开(公告)号：CN112084238A
公开(公告)日：2020-12-15
申请号：CN202010950084.0
申请日：2020-09-10
Applicant: 南京邮电大学
IPC: G06F16/2458 , G06F21/56
Abstract: 本发明提供一种基于轨迹数据的传染模式挖掘方法，该方法：对W中的每一个传染事件e的被传染对象e.object进行传染模式挖掘分析，并根据其结果对Candidate进行更新，完成更新操作后，将Candidate中发生时间最早的传染事件加入W，同时加入Result，然后进入下一轮循环处理，直至Candidate为空，最终Result即为确定的传染模式挖掘的结果，本发明体现了深度优先的思想，易于实现，能够准确挖掘传染对象以及传染路径。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.027 seconds)
