公开(公告)号：CN109977226A

公开(公告)日：2019-07-05

申请号：CN201910193637.X

申请日：2019-03-14

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  朱弘扬 ,  汪云霄 ,  马海斌 ,  廖许德

IPC: G06F16/35 ,  G06N3/04

Abstract: 本发明公布了一种基于卷积神经网络的高精度文本分类方法和系统。方法包括：读取数据集进行分词和停用词处理，将处理后的语料库送入统计共现矩阵，训练出词向量，进而保存向量矩阵，最后把矩阵向量集导入卷积神经网络进行分类处理得到预测结果。包括五个步骤：步骤一，将源数据集预处理成为统一格式，再进行分词处理。步骤二，将数据集送入训练glove模型，保存模型；步骤三，将语句以词向量的矩阵形式保存为数据集；步骤四，将数据导入文本分类CNN模型训练；步骤五，用训练好的模型对数据进行分类并与标准进行比对，输出准确度高达99％。

公开(公告)号：CN109885682A

公开(公告)日：2019-06-14

申请号：CN201910071963.3

申请日：2019-01-25

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  张昀 ,  徐前川 ,  何伟

IPC: G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种基于FCBF的自定义特征维数文本特征选择算法，包括步骤：步骤一，初始化；步骤二，利用FCBF算法对特征词集合中的特征词进行进一步的筛选，得到初始特征词集合；步骤三，若初始特征词集合的维度小于设定的维度时，选择特征词与类别的相关性值排名靠前的特征去补足初始特征词集合直至其维度等于设定的特征维度；若初始特征词集合的维度刚好大于或等于设定的特征维度时，则初始特征词集合中即可获取到自定义特征维数的特征词。本发明对FCBF原始算法相关性计算公式进行改进，能够更加准确的选择文本特征，改进算法能够得到自定义的特征维度。

公开(公告)号：CN103916344B

公开(公告)日：2017-03-08

申请号：CN201410082022.7

申请日：2014-03-07

Applicant: 南京邮电大学

Inventor： 张昀 ,  于舒娟 ,  于大为 ,  张振洲 ,  宦如松 ,  刘欢 ,  胡蓉

IPC: H04L25/03 ,  H04L1/00 ,  G06N3/00

Abstract: 本发明公开了无线传感网虚拟多输入多输出系统信号盲检测方法，所述方法利用无线传感器网传感器高密度分布的特点，在无线传感器网进行分簇处理的基础上，构造了一种虚拟MIMO系统盲检测模型，引入hopfield神经网络，采用多用户的Hopfield盲检测算法，实现无线传感网的接收端对簇间的簇首信号盲检测；然后将单用户的Hopfield盲检测算法，用于簇内各传感器节点信号盲检测。本发明方法在低信噪比，短数据的环境下，成功实现了盲检测，性能较好，为无线传感网提供了一种高速、低复杂度的信号盲检测方法。

公开(公告)号：CN106100789A

公开(公告)日：2016-11-09

申请号：CN201610414115.4

申请日：2016-06-13

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  梁颖 ,  吴光银 ,  张昀 ,  徐荣青 ,  杨恒新 ,  屈科 ,  谢娜

IPC: H04L1/00 ,  H04L25/03

CPC classification number: H04L1/0038 ,  H04L25/03305 ,  H04L25/0391 ,  H04L2025/03426

Abstract: 本发明提出了基于分簇的多层MIMO无线传感器网络盲检测方法。所述方法包括两层MIMO，第一层为Sink节点负责的至少两个区域的智能传感器节点构成的MIMO，通过基于二阶统计量的盲检测实现了分层WSN中多区域MIMO信道中的信号恢复；第二层为Sink节点间的多跳构成的MIMO，结合基于混沌初始化的正反馈Hopfield神经网络CPFHNN盲检测算法，并引入信号空间删除法和连续信号干扰法来分离多发送天线的数据，进行Sink节点间的MIMO信道的信号检测，本发明方法提高了簇内传输系统的通信效率和可靠性，有效的减少了无线传感器网络的能耗。

公开(公告)号：CN104079379A

公开(公告)日：2014-10-01

申请号：CN201410311276.1

申请日：2014-07-01

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  张昀 ,  宋啸良

IPC: H04L1/00

Abstract: 本发明提出了一种基于自适应相位旋转角量子蚁群的信号盲检测方法，所述方法将量子计算理论和进化计算理论融合进蚁群算法中，使每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特，首先根据基于信息素强度和可见度构造的选择概率，选择蚂蚁的前进目标，然后采用量子旋转门更新蚂蚁携带的量子比特，完成蚂蚁的移动；采用量子非门实现蚂蚁所在位置的变异，增加位置的多样性；将量子比特的两个概率幅都看作蚂蚁当前的位置信息，在蚂蚁数目相同时，可使搜索空间加倍。本发明信号盲检测方法的蚁群算法，能较好地解决蚁群算法在求解时易于陷入局部最优的问题，能够有效避免早熟现象，收敛速度更快，相同信噪比条件下信号盲检测的误码率更低。

公开(公告)号：CN103888391A

公开(公告)日：2014-06-25

申请号：CN201410082143.1

申请日：2014-03-07

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  张昀 ,  宦如松 ,  张振洲 ,  刘欢 ,  胡蓉 ,  于大为 ,  李瑞翔 ,  夏祎

IPC: H04L25/03

Abstract: 本发明提出了基于双Sigmoid混沌神经网络的信号盲检测方法，所述方法利用混沌神经网络和第二个激活函数构成了一个双Sigmoid混沌神经网络；每次迭代时，首先进入混沌神经网络，然后再进入第二个激活函数。本发明方法由于混沌神经网络具有可以避免陷于局部最小的优点，提高了盲检测性能，提高了网络运营速度抗噪性能优于传统的Hopfield信号盲检测算法。

公开(公告)号：CN103152133A

公开(公告)日：2013-06-12

申请号：CN201310059495.0

申请日：2013-02-26

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  张昀 ,  冯迪

IPC: H04L1/00 ,  H04L25/03

Abstract: 本发明提出了一种基于迟滞全反馈神经网络的信号盲检测方法，所述方法前后两次循环所用的迟滞激活函数正好构成一个迟滞环，既保证了网络的稳定性又使得网络表现出较好的灵活性，在全反馈神经网络中使用该方法有效避开了伪平衡点的吸引域，提高了盲检测性能；无论是在同步更新模式还是在异步更新模式下，本发明基于迟滞全反馈神经网络的信号盲检测方法的误码性能都优于传统的Hopfield信号盲检测算法。