-
公开(公告)号：CN110420955A
公开(公告)日：2019-11-08
申请号：CN201910813117.4
申请日：2019-08-30
Applicant: 南通大学
Abstract: 本发明公开了一种光伏清扫机器人与光伏组件对齐的自动定位装置及方法，本发明所涉及到的装置和方法可用于光伏组件的清扫机器人系统中，可使清扫机器人不受光伏组件的安装高度、角度及误差的影响，实现清扫机器人与各排光伏组件的准确定位；实现单台清扫机器人对多排光伏组件的自动清扫；实现对不同安装角度的光伏组件进行自动清扫；实现对不同安装高度的组件进行自动清扫。
-
公开(公告)号：CN110161860A
公开(公告)日：2019-08-23
申请号：CN201910454210.0
申请日：2019-05-28
Applicant: 南通大学
Abstract: 本发明提供了一种光伏组件智能清扫策略的方法及控制系统，该控制系统包括服务器系统与Web系统两个部分；清扫策略的方法包括以下步骤：步骤一，服务器系统通过数据接口从外部系统中获取数据并判断是否符合光伏组件检测开始条件；步骤二，发电量预测；步骤三，损失发电量计算：步骤四，清扫成本分析；步骤五，获得优化清扫时间控制指令，或无需建设清扫装置运维建议；本发明的有益效果为：本发明的一种光伏组件智能清扫策略结合地理环境、天气因素等，对光伏组件由于积灰导致的发电量损失值进行量化分析，可有效解决目前光伏电站缺少相应智能清扫策略的问题，提高光伏组件清扫效率、降低清扫成本、提升光伏电站经济性。
-
公开(公告)号：CN110120867A
公开(公告)日：2019-08-13
申请号：CN201910354395.8
申请日：2019-04-29
Applicant: 南通大学
Abstract: 本发明提供了一种基于量子可逆线路的AES硬件加密系统的实现方法，属于信息安全领域技术领域。其技术方案为：一种基于量子可逆线路的AES硬件加密系统，包括量子可逆线路加解密模块、量子秘钥扩展模块以及多接口选择模块；实现方法包括以下步骤：实现量子可逆线路加解密模块的硬件化设置，完成量子秘钥扩展模块的硬件化设置，采用电子电路设置多接口选择模块。本发明的有益效果为：将基于量子可逆线路的加解密模块与量子秘钥扩展模块根据算法规则相结合，构造出基于量子可逆线路的加密系统，加密的复杂度是传统方法的(2n-1)！倍，提高加密效果与抗攻击能力，另外多接口选择模块能与各种接口的设备连接，完成对各种形式信息的加解密操作。
-
公开(公告)号：CN107909218A
公开(公告)日：2018-04-13
申请号：CN201711275085.4
申请日：2017-12-06
Applicant: 南通大学
Abstract: 本发明提出一种短期光伏发电量预测方法，包括步骤(s1)，多层次特征分析确定需要的天气特征信息；步骤(s2)，根据已确定的天气特征信息，形成基本特征库；步骤(s3)，利用建立好的特征库，采用机器学习方法，进行发电量预测模型分析；步骤(s4)，建立更新的特征库；步骤(s5)，利用预报中获得的天气特征以及处理得到的新特征，输入发电量预测模型，进行发电量预测。本发明所述的短期光伏发电量预测方法具有可以根据光伏发电量地区的互联网实时天气预报行光伏短期发电量预测，预测值的可靠性得到了保障，且预测值可用于光伏电站运维，能够更好的判断电站是否需进行故障诊断的优点。
-
公开(公告)号：CN107633093A
公开(公告)日：2018-01-26
申请号：CN201710934931.2
申请日：2017-10-10
Applicant: 南通大学
Abstract: 本发明公开了一种供电决策知识图谱的构建方法，具体步骤包括：1)构建事物数据库DBT；2)挖掘强关联规则；3)构建供电决策知识图谱。通过上述方式，本发明一种供电决策知识图谱的构建及其查询方法，该方法为供电决策人员提供更直观的决策参考，从而不断提高供电市场占有率，以满足供电企业的对客户快速精准服务的需要。
-
Patent Agency Ranking
公开(公告)号：CN104462853A
公开(公告)日：2015-03-25
申请号：CN201410837453.X
申请日：2014-12-29
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开一种用于电子病历特征提取的种群精英分布云协同均衡方法。该方法首先在分布式云计算MapReduce框架下将大规模电子病历分割到不同的进化子种群中,提取各子种群最优解Psolui；然后设计一种有限理性区域下N种群精英均衡优势策略，构建分布式协同化动态精英演化区域Ω，使参与电子病历特征提取的各子种群精英在各自平均权重概率下均能达到Nash均衡下优势区域Ζ；最后各子种群精英采用并行操作 机制在各自电子病区优势子区域中协同提取特征子集Fi，从而稳定取得电子病历全局均衡特征集。本发明能较好处理大规模电子病历数据属性间多维度复杂内联关系，提高大规模电子病历特征并行提取效率。
-
公开(公告)号：CN103838972A
公开(公告)日：2014-06-04
申请号：CN201410090633.6
申请日：2014-03-13
Applicant: 南通大学
Abstract: 本发明公开了一种用于MRI病历属性约简的量子协同博弈实现方法，首先初始化进化种群，将MRI病历属性通过竞争协同自适应划分到不同的进化子种群中，并在各进化子种群中进行各自优秀种群精英选取；其次在MRI属性约简时将信任裕度报酬机制引入到种群精英量子协同博弈模型中，构建种群精英信任裕度效用矩阵；再次各种群精英在每个划分的MRI病历属性子集中通过量子协同博弈策略求得各自最优约简子集，从而稳定取得Nash均衡下MRI病历全局最优属性约简集；最后进行MRI属性约简性能评估，判断其属性约简精度是否满足要求。本发明能较好地克服MRI病历中存在着噪音和灰度不均匀性，具有较高的MRI病历属性约简效率、准确性和稳定性。
-
公开(公告)号：CN119904845A
公开(公告)日：2025-04-29
申请号：CN202411806509.5
申请日：2024-12-10
Applicant: 南通大学
IPC: G06V20/59 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/776
Abstract: 本发明提供了一种轻量级的驾驶员分心行为检测方法，属于计算机视觉技术领域。解决了分心驾驶检测算法模型结构复杂，参数量大，以及模型轻量化与检测精度之间的不平衡技术问题。其技术方案为：包括以下步骤：S1：采集分心驾驶行为数据图片，构建分心驾驶行为数据集；S2：以YOLOv8n模型为基础构建轻量级的分心驾驶检测网络ASU‑YOLO；S3：使用制作的分心驾驶行为数据集对构建的ASU‑YOLO网络模型进行训练，得到轻量级的分心驾驶检测模型；S4：通过训练好的模型对分心驾驶行为进行检测。本发明的有益效果为：本发明在减少算法的参数量与计算量的同时提高模型的检测精度，实现模型的轻量化，满足实时检测的需求。
-
公开(公告)号：CN115115892B
公开(公告)日：2024-09-20
申请号：CN202210855415.1
申请日：2022-07-20
Applicant: 南通大学
IPC: G06V10/764 , G06N3/0464 , G06N3/0895 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于生成模型与判别分类模型的图像半监督分类方法，包括以下步骤：S1、构建SVM判别分类模型，利用1000个有标签数据对模型进行训练；S2、构建生成模型，利用生成模型推测出未标签数据，得到伪标签数据；S3、将步骤S2获得的伪标签数据和步骤S1中获得的有标签数据重新训练SVM判别分类模型；S4、测试重新训练SVM判别分类模型的准确率，重复步骤S2‑S3，直至模型的准确率达到设定目标。本发明结合生成式神经网络模型与SVM判别分类模型对数字图像进行准确半监督分类，能够准确高效地对手写数字图像进行半监督分类，即利用少量标记数据便可以获得较优的分类准确率。
-
公开(公告)号：CN115035302B
公开(公告)日：2024-09-20
申请号：CN202210787416.7
申请日：2022-07-05
Applicant: 南通大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于深度半监督模型的图像细粒度分类方法，包括以下步骤：S1、获取原始图片，提取原始图片图像特征，组成全局特征矩阵；S2、对原始图片进行超像素分割，计算得出成特征分配映射；S3、将全局特征矩阵和特征分配映射进行非线性特征编码，得到超像素局部区域特征；S4、检测每个部分的发生概率，利用对齐概率分布得到超像素区域发生概率正则化项；S5、创建半监督神经网络，根据超像素区域发生概率正则化项和损伤函数训练半监督神经网络；S6、用训练好的半监督神经网络进行图像细粒度分类。本发明能够准确高效地对手写数字和医学细胞图像进行细粒度分类，兼具更优的图像细粒度分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.025 seconds)
