-
公开(公告)号：CN108600972A
公开(公告)日：2018-09-28
申请号：CN201810388738.8
申请日：2018-04-26
Applicant: 南通大学
Abstract: 本发明公开了一种手机短信属地分析与可视化方法，包括1）遍历短信收件箱，号码过滤、提取手机属地及相关信息保存到本地数据库；2）按不同时间段，统计不同属地的短信数量；3）绘制地图，以不同颜色填充地图上的各区域，且填充色的深浅，表示该区域短信数量的多少；4）点击特定区域，查看该属地短信列表及短信详情。本发明解决了在特定时间段内按属地的手机短信分类统计，并且可视化显示在地图上的问题。该问题解决的同时，给出了按时间段，按属地的手机短信查询。
-
公开(公告)号：CN103617119B
公开(公告)日：2016-05-11
申请号：CN201310643493.6
申请日：2013-12-03
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于语句交互覆盖的回归测试用例选择方法，包括如下步骤：(1)对待测程序进行插桩，在插桩后的程序上执行用于测试被测程序的已有测试用例集中的每个测试用例，记录每个测试用例的语句覆盖信息并构造出测试用例-语句覆盖矩阵，确定需覆盖的语句集R；(2)基于测试用例-语句覆盖矩阵生成可覆盖的语句间交互集I；(3)根据可覆盖的语句间交互集I、需覆盖的语句集R和已有测试用例集，按照选择策略执行测试用例集压缩方法，并最终生成压缩后的测试用例集。该方法具有选择出的测试用例数量较小，同时又不会显著降低原有测试用例集的缺陷检测能力等优点。从而可显著降低回归测试成本，并进一步提高回归测试的效率。
-
公开(公告)号：CN103617119A
公开(公告)日：2014-03-05
申请号：CN201310643493.6
申请日：2013-12-03
Applicant: 南通大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于语句交互覆盖的回归测试用例选择方法，包括如下步骤：(1)对待测程序进行插桩，在插桩后的程序上执行用于测试被测程序的已有测试用例集中的每个测试用例，记录每个测试用例的语句覆盖信息并构造出测试用例-语句覆盖矩阵，确定需覆盖的语句集R；(2)基于测试用例-语句覆盖矩阵生成可覆盖的语句间交互集I；(3)根据可覆盖的语句间交互集I、需覆盖的语句集R和已有测试用例集，按照选择策略执行测试用例集压缩方法，并最终生成压缩后的测试用例集。该方法具有选择出的测试用例数量较小，同时又不会显著降低原有测试用例集的缺陷检测能力等优点。从而可显著降低回归测试成本，并进一步提高回归测试的效率。
-
公开(公告)号：CN103475662A
公开(公告)日：2013-12-25
申请号：CN201310419078.2
申请日：2013-09-13
Applicant: 南通大学
IPC: H04L29/06
Abstract: 本发明公开了一种网络入侵防御的可拓求解方法，包括（1）预处理通过收集到的数据报文和网络拓扑信息，得到构造基元的数据，然后构造基元；（2）对基元进行可拓变换，扩大已知条件，减少问题的矛盾性；（3）建立问题合适的关联函数，进行结点状态的可拓识别和防御。本发明用包括相关数据的各种基元对问题进行抽象；通过对物元的可拓处理，扩大已知条件，降低问题求解的矛盾性；确定具有公共左端点，且最优点在左端点的关联函数为问题域的关联函数；用此关联函数进行多特征融合的攻击识别、攻击预警；并针对蠕虫，给出了防御步骤。
-
公开(公告)号：CN113990409B
公开(公告)日：2024-09-24
申请号：CN202111232532.4
申请日：2021-10-22
Applicant: 南通大学
IPC: G16C20/30 , G16C20/70 , G06F18/213 , G06F18/23213 , G06F18/27
Abstract: 本发明提供了一种基于混合特征选择的辛烷值损失预测方法，属于石油化工技术领域。解决了现有的辛烷值损失测定方法成本高、耗时大的问题。其技术方案为：该预测方法包括如下步骤：S1:获取从催化裂化汽油精制装置采集的样本原始数据；S2:将数据样本进行预处理；S3:使用k‑means聚类算法初步筛选变量：S4:使用皮尔逊相关系数检验变量的线性关系，并用距离相关系数检验变量的非线性关系,将与其它变量相关性较高的变量剔除：S5:根据决策树计算的各变量重要性，得到建模的最终变量；S6:根据辛烷值损失和筛选的变量，建立多元线性回归模型并进行训练。本发明的有益效果为：可以使建模的主要变量具有代表性和独立性。
-
Patent Agency Ranking
公开(公告)号：CN118097464A
公开(公告)日：2024-05-28
申请号：CN202410192856.7
申请日：2024-02-21
Applicant: 南通大学
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于改进YOLOv7的无人机航拍图像目标检测方法。本发明包括以下步骤：S1、对VisDrone2019数据集进行预处理，将VisDrone2019数据集格式转化为YOLO格式；S2、搭建YOLOv7网络模型，改进YOLOv7的网络框架和损失函数；S3、对改进的YOLOv7模型进行训练；S4、使用测试集对改进的模型进行测试。本发明添加小目标检测层，将原本三尺度检测升级为四尺度检测，设置更小的锚框以应对多尺度目标的变化，提高小目标的检测精度；在Backbone特征提取网络中嵌入Triplet Attenion模块，利用高效的注意力机制充分融合各种特征信息，提升在密集场景中小目标的准确度；采用WIoUv1损失函数替换CIoU损失函数，更好的平衡不同目标尺度的损失，强调对小目标的定位预测，提高小目标的检测精度。
-
公开(公告)号：CN117811829A
公开(公告)日：2024-04-02
申请号：CN202410040695.X
申请日：2024-01-11
Applicant: 南通大学
IPC: H04L9/40 , G06F21/55 , G06F18/2135 , G06F18/214 , G06F18/2433 , G06F18/2411 , G06F18/243 , G06N3/0455 , G06N20/10 , G06N20/20
Abstract: 本发明涉及计算机数据安全监控技术领域，具体涉及一种基于大数据的计算机数据安全监控方法。本发明目的是提供一种基于大数据的计算机数据安全监控方法，通过建立的异常模型数据库，实时对从未出现过的异常特征进行记录，并通过机械训练的方式将新的异常特征和相应的处理措施进行捆绑存储在异常模型数据库存中，实时提高对异常情况的处理能力，能够接受新的异常情况。本发明通过建立异常模型数据库能够对所有的异常情况进行记录，同时对异常特征进行独特标记，引入了深度学习技术，通过训练大型神经网络模型，独特的异常标记进行识别，最后将新的异常特征与相对应的应对措施进行捆绑，存储在异常模型数据库，提高了对复杂异常模式的识别能力。
-
公开(公告)号：CN115602161A
公开(公告)日：2023-01-13
申请号：CN202211295191.X
申请日：2022-10-21
Applicant: 南通大学(CN)
IPC: G10L15/197 , G10L15/16 , G10L15/06 , G10L15/00 , G10L15/26 , G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06F18/2411 , G06N20/10
Abstract: 本发明属于语音及文本处理领域，具体涉及一种中文语音增强识别及文本纠错矫正方法，包括：对待识别音频进行预处理，通过声纹模型进行特征提取并建立初始粗糙方言鉴别模型；建立初始网络模型对初始粗糙方言鉴别模型进行训练得到方言鉴别模型；基于N‑gram语言模型确定纠错候选分词集合；通过Bigram2元语言模型和N‑gram语言模型进行纠错矫正后输出文本。本发明对待识别音频进行预处理，减少语音识别干扰因素，采用GMM‑SVM模型提高了识别性能，采用GMM‑UBM模型和LSTM模型的组合模型建立初始网络模型拥有更快更好的训练拟合效果，通过N‑gram语言模型和Bigram2元语言模型进行文本处理纠错有效降低了错误率，优化了待识别音频转换成文本信息的结果。
-
公开(公告)号：CN115273180A
公开(公告)日：2022-11-01
申请号：CN202210773448.1
申请日：2022-07-01
Applicant: 南通大学
IPC: G06V40/16 , G06V40/10 , G06V40/18 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N20/00
Abstract: 本发明涉及机器学习视觉技术领域，尤其涉及一种基于随机森林的线上考试监考方法，包括以下步骤：S1：在获得视频帧的图片后，利用改进的MTCNN方法进行人脸检测，特征提取和人脸对齐；S2：基于面部特征点计算头部姿态；S3：基于随机森林，融合头部姿态和面部特征进行视线估计；S4：对作弊行为进行判断。本发明使用基于迁移学习的人脸检测方法可以在人脸存在较大角度偏转以及暗光条件下很好的检测到人脸，在佩戴眼镜的情况下也可以准确获取到特征点信息。本发明只需借助网络摄像头，从而降低对设备的需求，有助于推进线上考试的发展；能够实时检测考生作弊情况，减少作弊行为发生的概率。
-
公开(公告)号：CN115271510A
公开(公告)日：2022-11-01
申请号：CN202210955763.6
申请日：2022-08-10
Applicant: 南通大学
Abstract: 本发明涉及智能计算技术领域，尤其涉及一种基于改进的拓扑排序的培养方案教学计划编制方法，具体步骤如下：S1：根据培养方案中的课程信息，得到反映课程之间关系的有向图G；S2：在拓扑排序中增设阶数对有向图G进行拓扑排序，得到拓扑序列S1；S3：对拓扑序列S1按阶数进行排序，得到序列S2；S4：量化课程设置条件；S5：按课程设置条件，将序列S2分割成若干个子序列，将课程落实到每学期中。本发明能够使教学计划制定自动化，一方面提高教学计划编制的工作效率，另一方面提高教学计划的科学性和合理性，并且可以方便教学评估、专业认证中教学计划方面的数据分析。本发明可以用于高校人才培养方案的教学计划编制，所以实用性强，使用面广。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.046 seconds)
