-
公开(公告)号：CN102694855A
公开(公告)日：2012-09-26
申请号：CN201210158517.4
申请日：2012-05-21
Applicant: 南京信息工程大学
CPC classification number: Y02D70/10
Abstract: 本发明公开了基于北斗卫星的气象灾害预警信息发布系统及方法。所述预警信息发布系统包括预警信息发布平台、北斗短报文通信发布端、短报文处理模块、监控模块、区域识别模块、北斗预警信息发布模块、北斗专用接收终端，具有体积小，功耗低，实时性高的优点。预警信息发布方法中：短报文处理模块对北斗短报文预处理得到的待发布的预警信息；监控模块监控北斗专用接收终端位置信息；北斗预警信息发布模块根据位置信息发布预警信息。本发明对子数据包的自适应分组预处理提高了预警信息传输的灵活性，动态编码避免了编码树因为符号编码的改变而不满足最小加权路径长度条件的缺陷；利用补包流程和包查询流程增加了业务预警信息数据传输的差错检测功能。
-
公开(公告)号：CN101826926A
公开(公告)日：2010-09-08
申请号：CN201010135535.1
申请日：2010-03-30
Applicant: 南京信息工程大学
IPC: H04H40/90
Abstract: 本发明公开了一种DAB灾害信息预警接收机地址码自动获取识别方法，包括如下步骤：对DAB灾害信息预警接收机可能工作的区域划分为n×m个等大小的矩形区域；用向量[n，m]分别表示每个矩形区域的地址码；通过卫星定位系统将灾害可能发生区域的地址码信息加载到灾害预警信息数据帧中并发送；DAB灾害信息预警接收机接收后通过解码获得所处区域的区域地址码；DAB灾害信息预警接收机通过比较自身的区域地址码和预警信息数据帧加载的地址码自动选择接收或放弃预警信息。本发明通过北斗卫星定位信息自动计算并预设DAB灾害信息预警接收机地址码可以省去使用人员手工设置地址码的过程，也使信息的接收更加准确、有效。
-
公开(公告)号：CN101800874A
公开(公告)日：2010-08-11
申请号：CN201010102384.X
申请日：2010-01-28
Applicant: 南京信息工程大学
Inventor： 陈苏婷
Abstract: 本发明公布了一种压缩视频存取方法及存取系统，本发明方法由存储器实现，存储器分为第一存储区和第二存储区，第一存储区用于存储帧基本信息，第二存储区用于存储图像详细信息；所述第一存储区分为等长若干子块，子块数量应当大于存储的帧数，每个子块用于存放帧号、缩略图、压缩编码长度和地址，每个子块长度应当足够存放帧号、缩略图、压缩编码长度和地址。本发明系统包括CCD摄像机，图像采集压缩模块和图像存储模块。本发明方便地实现视频数据存取。
-
公开(公告)号：CN119129706A
公开(公告)日：2024-12-13
申请号：CN202411134963.0
申请日：2024-08-19
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于GRU神经网络和差分隐私联邦学习的气象监测方法，包括：采集本地的气象数据生成气象时序数据序列；根据客户端自身异质性选择合适的模型结构，进行基于GRU神经网络的本地气象监测模型训练，通过LPDP‑FedProx联邦学习算法对本地模型进行参数更新；中央服务器获取客户端的模型参数后根据全局模型加权平均聚合算法进行模型的聚合和更新；客户端接收更新后的全局模型参数进行下一轮的本地训练，直至得到最佳的监测模型。本发明将个性化的差分隐私算法与FedProx联邦学习算法结合，提出了LPDP‑FedProx联邦学习算法，构建了一种能够有效处理异构数据的联邦学习框架，有效保护本地数据的隐私，提高联邦学习的安全性。
-
公开(公告)号：CN118568470B
公开(公告)日：2024-10-29
申请号：CN202411049712.2
申请日：2024-08-01
Applicant: 南京信息工程大学
IPC: G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自适应边生成的车辆轨迹预测方法、系统及设备，涉及车辆轨迹预测技术领域。本发明包括：接收车辆轨迹区域内的交通参与者的轨迹数据、车辆轨迹区域周边的周边交通参与者的轨迹数据以及所述车辆轨迹区域内的环境特征数据，并对交通参与者的轨迹数据、周边交通参与者的轨迹数据以及环境特征数据进行矢量化处理，获得交通参与者的轨迹矢量化数据、周边交通参与者的轨迹矢量化数据以及环境特征矢量化数据；以环境特征矢量化数据，作为静态节点数据。本发明的技术方案在降低算法的复杂度，提升模型的运算速度的同时，可以保证优秀的预测精确度。
-
Patent Agency Ranking
公开(公告)号：CN118298222A
公开(公告)日：2024-07-05
申请号：CN202410383908.9
申请日：2024-04-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/52 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G01W1/10
Abstract: 本发明公开了一种基于多尺度注意力和卷积融合的短临降水预测方法，包括：1、设计基于Transformer的多尺度架构，该架构包括气象数据和地理信息两种输入数据，为它们各自设计了嵌入层；2、使用自适应位置编码代替传统的固定位置编码，提高了模型的泛化能力；3、通过融合注意力层能够在模型中有效地综合气象数据和地理信息之间的特征信息，自动地学习不同数据之间关联性，从而更好地利用气象数据和地理信息之间的关系，提高预测性能；4、多头注意力层能够并行地学习多组注意力权重，从不同的角度关注输入序列的不同部分；5、引入卷积神经网络，有助于更好地捕捉局部时空关系，使得模型能够更有效地理解复杂的时空模式。
-
公开(公告)号：CN117351318A
公开(公告)日：2024-01-05
申请号：CN202311410608.7
申请日：2023-10-26
Applicant: 南京信息工程大学
IPC: G06V10/80 , G06Q10/04 , G06V10/25 , G06V10/26 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06Q50/40 , G08G1/01
Abstract: 本发明公开了一种基于交通算网的多源多要素融合方法，包括步骤如下：S1，收集交通场景数据，包括非结构化数据和结构化数据；S2，对于非结构化数据，采用非结构数据融合感知模块进行特征提取；同时，对于结构化数据采用基于Peep‑couple LSTM的编解码方式进行特征提取；通过在解码器端添加注意力机制，融合结构化数据和非结构化数据，生成所需要的特定交通场景融合特征；S3，将交通场景融合特征送入交通算网平台中，进行策略规划和系统调度。本发明能实现交通算网生成恰当的决策，优化交通流动、提高路网利用率、减少交通拥堵和闲置，并改善交通安全。
-
公开(公告)号：CN111368896B
公开(公告)日：2023-07-18
申请号：CN202010128528.2
申请日：2020-02-28
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于密集残差三维卷积神经网络的高光谱遥感图像分类方法，以原始高光谱数据作为网络输入，采用三维卷积提取高光谱遥感图像的三维空谱特征，三维卷积可以直接对高光谱图像进行处理，不需要进行降维等预处理操作，更充分地提取高光谱图像的空谱特征。利用密集残差网络加深网络层数，学习更深层次的光谱和空间特征，随着网络深度的增加，残差网络可以有效减少梯度消失的问题，并且该结构可以更有效地利用特征并增强卷积层之间的特征传递；通过早停的方法来缩减训练时间，通过Soft‑max分类器进行分类预测，得到初始分类结果；提出多标签条件随机场优化算法，对分类的结果进行优化。本发明提升运算效率，提高了遥感图像分类的准确度。
-
公开(公告)号：CN112149547B
公开(公告)日：2023-06-02
申请号：CN202010979542.3
申请日：2020-09-17
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/74 , G06V10/80 , G06N3/0464
Abstract: 本发明提出了一种基于图像金字塔引导和像素对匹配的遥感影像水体识别方法。通过图像尺度金字塔输入保证图像浅层特征被保留和传递，然后结合不同层次卷积神经网络输出特征，得到图像特征金字塔，通过双线性插值将各层输出的特征图恢复到原图大小，基于单像素点构建融合浅层纹理特征与深层语义信息的多尺度特征向量，随后送入全连接层以获得初始预测结果。对于全连接层输出，首先，基于扩张卷积引入扩张率来衡量目标像素与限定区域内一组像素的相似性，通过构建基于匹配度的相似性损失函数，再结合基于语义分割的相似性损失函数构建网络整体损失函数，训练神经网络，完成水体识别模型的构建，从而在输入目标遥感影像时，精准完成水体识别。
-
公开(公告)号：CN115205166A
公开(公告)日：2022-10-18
申请号：CN202211126415.4
申请日：2022-09-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于环境光与传输图并行估计网络的水下图像恢复方法，涉及水下图像复原技术领域，在水下物理成像模型的基础上，并行神经网络由传输图估计网络（T‑net）和环境光估计网络（A‑net）两个部分组成，传输图估计网络（T‑net）采用多尺度密集残差的结构来估计传输图，环境光估计网络（A‑net）采用特征金字塔网络来估计环境光，传输图估计网络（T‑net）中加入了自注意力机制以关注全局信息对局部细节的影响，还用于补偿信息损失，特别是边缘信息，而多尺度估计有助于合并来自不同尺度的局部图像细节，在环境光估计网络（A‑net）中加入扩张卷积以增大感受野，更容易地关注到全局地信息。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.072 seconds)
