-
公开(公告)号：CN109766455B
公开(公告)日：2021-09-24
申请号：CN201811358982.6
申请日：2018-11-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种有鉴别的全相似性保留哈希跨模态检索方法，包括：由图像文本对组成样本构成数据集，并将数据集按照分成特征向量训练集和测试集后做规整和均一化处理；提取双模态数据，构造有鉴别的全相似性保留哈希的目标函数；迭代法求解目标函数，比较求解值与设定阈值的大小；使用预设公式计算哈希码；利用图像特征投影矩阵和文本特征投影矩阵对训练集进行投影变换，获得图像文本语义特征矩阵，再次计算哈希码；计算测试集中每个图像哈希码与训练集中所有文本哈希码之间的汉明距离和测试集每个文本哈希码与训练集中所有图像哈希码之间的汉明距离升序排序和并对计算结果进行精度计算，完成跨模态检索；本发明提升了跨模态检索的精度。
-
公开(公告)号：CN112257915A
公开(公告)日：2021-01-22
申请号：CN202011116042.3
申请日：2020-10-19
Applicant: 南京南邮信息产业技术研究院有限公司 , 南京邮电大学
Abstract: 本发明公开了基于胶囊网络的医院门诊人流量预测方法，首先从从医院挂号系统和门诊系统提取历史数据，然后进行数据转化、模型训练和调优，得到平均相对误差MRE满足规定指标要求的胶囊网络模型，再根据提取的某一时刻各科室的实时人流量，预测未来一段时间的各科室人流量，以达到基于医院挂号系统和门诊系统提供的挂号量与人流量，精确预测未来一段时间各科室人流量，从而节约摄像机投资，利于医院合理利用资源、患者自主决定就医时段、提高就医体验的技术目的。
-
公开(公告)号：CN111198820A
公开(公告)日：2020-05-26
申请号：CN202010001850.9
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于共享隐层自编码器的跨项目软件缺陷预测方法，首先，对数据集进行预处理并划分训练集和测试集；其次，采用具有共享机制的自编码器进行特征提取，分别提取出训练集和测试集的深度特征；最后，引入焦点损失函数，训练分类器。本发明解决了跨项目软件缺陷预测中的特征分布差异问题以及首次提出了基于焦点损失共享隐层自编码器技术，使得不同的数据分布变得更加相似，利用焦点损失学习技术，给不同类别的样本分配不同的权重来解决类不平衡，同时在容易分类的样本和难分类的样本上给予不同的权重来使得分类器能够更好的学习难以分类的样本。
-
公开(公告)号：CN109766455A
公开(公告)日：2019-05-17
申请号：CN201811358982.6
申请日：2018-11-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种有鉴别的全相似性保留哈希跨模态检索方法，包括：由图像文本对组成样本构成数据集，并将数据集按照分成特征向量训练集和测试集后做规整和均一化处理；提取双模态数据，构造有鉴别的全相似性保留哈希的目标函数；迭代法求解目标函数，比较求解值与设定阈值的大小；使用预设公式计算哈希码；利用图像特征投影矩阵和文本特征投影矩阵对训练集进行投影变换，获得图像文本语义特征矩阵，再次计算哈希码；计算测试集中每个图像哈希码与训练集中所有文本哈希码之间的汉明距离 和测试集每个文本哈希码与训练集中所有图像哈希码之间的汉明距离 升序排序 和 并对计算结果进行精度计算，完成跨模态检索；本发明提升了跨模态检索的精度。
-
公开(公告)号：CN108399421A
公开(公告)日：2018-08-14
申请号：CN201810095061.9
申请日：2018-01-31
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于词嵌入的深度零样本分类方法，在学习阶段未出现的类别，依然可以在预测阶段被识别。本发明提出了基于词嵌入和深度特征提取的零样本图像学习模型，该方法通过强大的深度神经网络学习一个图像特征和语义特征联合嵌入的子空间，利用词向量的语义能力，达到图像的零样本学习目的。本发明不仅提出了深度学习方法与零样本学习结合的模型，同时还针对其结合部分嵌入空间做了大量改进，为图像零样本，亦或者其他模态的零样本学习提供参考和指导，克服传统零样本学习中样本属性定义不明确、人工特征提取等等缺点。本发明广泛用于端到端的类别预测任务中，特别适合训练样本不足甚至是缺少某一类训练样本的类别预测任务。
-
Patent Agency Ranking
公开(公告)号：CN118098288B
公开(公告)日：2024-06-28
申请号：CN202410506018.2
申请日：2024-04-25
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L25/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于自学习标签校正的弱监督语音抑郁症检测方法，属于抑郁症检测技术领域；方法为：收集抑郁症检测数据；建抑郁症检测模型，得到每个样本的预测抑郁概率分布；制定标签校正策略，对训练集数据进行标签校正；采用损失函数对抑郁症检测模型进行训练，得到最终的抑郁症检测模型。本发明通过制定不同的标签校正策略，有效识别并校正训练集的错误标签，减轻数据集中不准确标记对自动抑郁检测模型性能的影响；同时，采用深度学习的方法构建抑郁症检测模型，获取语音信号中更深层次的时空信息，从全局角度更全面地检测音频中的抑郁信号，损失函数在优化网络参数的同时尽可能保留准确的标签，增强了对抑郁症检测的准确性。
-
公开(公告)号：CN118097517A
公开(公告)日：2024-05-28
申请号：CN202410465339.2
申请日：2024-04-18
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于双流时空编码器的自监督视频异常检测方法，属于视频异常检测技术领域。该方法包括预处理模块、视频流网络、光流网络以及横向链接。该方法引入光流来为模型提供额外的视觉线索，同时结合原始视频，从而设计了一个双流编码器来从视频中提取复杂的时空信息；其次，双流编码器采用针对不同模态数据的定制网络架构，分别为视频流网络和光流网络，实现了对视频中高级视觉特征更全面的提取；最后，通过设计横向连接来促进双流通道之间的信息交互，以弥补了深度网络中的信息遗漏问题。该方法通过以上几点提高了视频异常检测的性能。
-
公开(公告)号：CN118038561A
公开(公告)日：2024-05-14
申请号：CN202410449199.X
申请日：2024-04-15
Applicant: 南京邮电大学
Abstract: 一种基于时空循环架构的3D人体姿态估计方法，通过分别设计三个图卷积网络来处理这些图数据，最终得到一个融合的特征，充分学习关节之间的空间相关性，同时在一定程度上解决了关节的自遮挡问题；采用了一种全局局部的交替机制，通过结合在建模全局信息方面表现出色的自注意力机制和能够控制注意力机制关注范围的滑动窗口机制，以引导网络在较短的时间内关注局部细节，在较长的时间内关注全局信息，因此本方法成功避免了较长序列的干扰，使改进后的自注意力能够交替关注全局和局部信息，更加全面地捕捉时间特征，并在一定程度上解决关节的深度模糊问题。经过实验，与将自注意力机制引入3D人体姿态估计领域的方法PoseFormer比较，本方法更加准确。
-
公开(公告)号：CN117150564A
公开(公告)日：2023-12-01
申请号：CN202311406918.1
申请日：2023-10-27
Applicant: 南京邮电大学
Abstract: 本发明属于区块链实际应用技术领域，公开了一种基于区块链的医药物流数据溯源方法，对医药供应链数据加密保存并建立密文索引，保证数据存储安全；构造Merkle山脉数据结构快速验证数据的所有权，以提高数据溯源效率；将解密所需的密钥和索引等秘密进行秘密拆分，并通过智能合约将秘密分额进行分发及秘密复原，以保证数据的共享安全。
-
公开(公告)号：CN108446711B
公开(公告)日：2022-04-22
申请号：CN201810101265.9
申请日：2018-02-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于迁移学习的软件缺陷预测方法，该方法利用降维迁移学习的思想，综合考虑不同项目数据样本之间概率分布以及条件概率分布，在源项目和目标项目之间建立一个新的特征表示，在一个新的空间中最小化二者之间的差异，训练出一个新的分类器，进而实现迁移学习。算法首先采用了一种不同分布之间的距离度量方式，最大均方差异来量化源数据和目标数据之间的分布差异和条件分布差异，通过最小化这种度量来获得一个模型，通过这个模型映射过后的训练数据和测试数据几乎具有相同的概率分布和条件概率分布；然后就可以采用传统的机器学习算法对测试数据进行分类。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.024 seconds)
