-
公开(公告)号：CN119628883A
公开(公告)日：2025-03-14
申请号：CN202411669263.1
申请日：2024-11-21
Applicant: 南京大学
Abstract: 本发明公开了用于数据跨网传输的加密系统及方法，包括基础信息获取模块和加密信息输出模块，本发明涉及数据跨网传输加密技术领域，解决了原始的加密方式过于单一，导致了在数据传输的过程中存在数据被盗的风险，其加密安全度并不高的技术问题，本发明通过针对传输网络进行安全值分析，通过将安全值进行判断从而来分析数据在传输的时候是否存在安全风险，针对存在风险的情况通过对传输数据的重复数据进行提取和处理，并根据重复数据容量的奇偶性来进行不同方式的加密，针对不存在风险的情况通过对传输数据容量的奇偶性进行分析，并根据不同的容量值性质来进行对传输数据进行不同的分割处理同时对其进行加密，够提高数据传输过程中的安全性。
-
公开(公告)号：CN115235431B
公开(公告)日：2024-05-14
申请号：CN202210546616.3
申请日：2022-05-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于光谱分层的浅海水深反演方法及系统，一种基于光谱分层的浅海水深反演方法包括以下步骤：S1、基于计算机数字图像处理技术对预设的遥感影像数据集进行预处理；S2、基于多光谱测深性能和影像分割的无参数光谱分层策略，获取遥感影像波段分量；S3、通过获取的所述遥感影像波段分量建立基于光谱分层的浅海水深反演算法。本发明提出一种基于光谱分层的浅海水深反演方法，解决了传统水深反演算法没有顾及不同光谱的测深极限与适用范围的问题，为浅海水深反演提供了一种更高精度的方法。
-
公开(公告)号：CN112115598B
公开(公告)日：2024-05-14
申请号：CN202010941034.6
申请日：2020-09-09
Applicant: 南京大学
IPC: G06F30/20 , G06F30/25 , G06F111/10 , G06F113/08
Abstract: 本发明涉及一种面向海上漂移轨迹预测的数据与模型耦合分析方法，步骤包括：实测漂移轨迹数据收集与海洋环境数据准备、漂移轨迹预测数值模拟实验、不同海洋环境数据集时空分析、多维度漂移轨迹预测精度评价、精度评价结果统计分析、基于预测轨迹与实测轨迹的FSLE分析、多因素敏感度分析和环境数据与预测模型在区域的适用性评估。本发明提升了漂移轨迹预测中环境数据与物理模型耦合分析评价能力，有助于推动不同模式数据在漂移轨迹预测领域的应用并指导进一步区域数据精化工作。本发明提出了分析评价方法可以较为全面的验证相关预测模式在区域的真实表现，有助于提升轨迹预测的整体可靠性。
-
公开(公告)号：CN115221766B
公开(公告)日：2024-05-07
申请号：CN202210671133.6
申请日：2022-06-15
Applicant: 南京大学
IPC: G06F30/25 , G06F16/951 , G06F16/9537
Abstract: 本发明公开了一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；通过对引力模型及辐射模型进行耦合，完成引力‑辐射模型的构建；采用引力‑辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与人口流动统计结果进行对比，完成引力‑辐射模型的精度验证。本发明能够有效提升跨境人口流动模拟的精度。
-
-
Patent Agency Ranking
公开(公告)号：CN114926727A
公开(公告)日：2022-08-19
申请号：CN202210391456.X
申请日：2022-04-14
Applicant: 南京大学
Abstract: 本发明公开了一种基于神经网络与集成学习的水下地形提取方法，该方法包括以下步骤：采用数字图像处理技术并结合目视解译辅助的方式，对遥感影像数据集进行预处理，并将预处理后的遥感影像和训练样本作为输入数据集；构建基于BP神经网络算法的子学习器，对BP神经网络算法进行训练，并利用训练好的神经网络模型对若干水深反演结果进行生成；基于最小离群度方法确定集成策略；将整个研究区的水深反演结果集进行集成，并对集成后的水下地形图进行精度评估。实现高精度浅海水下地形；通过神经网络与集成学习算法的结合，解决了传统BP神经网络算法在水深反演过程中的鲁棒性较差问题，进一步提升了水深反演精度和可靠性。
-
公开(公告)号：CN112395998A
公开(公告)日：2021-02-23
申请号：CN202011306320.1
申请日：2020-11-19
Applicant: 南京大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/587
Abstract: 本发明涉及一种使用深度学习的跑道检测对全球开放数据库中机场空间位置的验证方法，包含以下步骤：第一步、机场数据融合——融合OAC、GNO和GNS+GNIS三种全球机场位置数据集以获取更完整的数据集；第二步、深度学习模型训练——训练两种深度学习模型；第三步、机场影像验证——将以上两个已训练的模型结合，验证融合数据集影像中所有机场的位置点。本发明提出的验证方法在测试数据集上表现良好，准确率为95.8%，召回率为95.8%。当结果得分阈值设置为0.65时，全球共29259个机场点位通过验证。同时，对验证结果做了人工抽样校验，本发明对样本的验证精度达到了91%，且速度是人工的15倍。结果显示，本发明可以快速、可靠的辅助验证全球机场空间位置，并为其他遥感目标空间位置验证提供了流程思路。
-
公开(公告)号：CN110009054B
公开(公告)日：2021-01-29
申请号：CN201910294565.8
申请日：2019-04-12
Applicant: 南京大学
Abstract: 本发明公开了一种利用几何与强度特征的分层次机载LiDAR点云分类方法，属于遥感科学技术领域。本发明步骤为：首先通过机载LiDAR获取地表的三维几何信息和强度信息，并根据几何信息和强度信息为每个LiDAR点构建几何特征与强度特征；再利用随机森林分类器处理几何特征，得到监督分类结果；从监督分类结果中提取地面地物，并利用高斯混合模型处理地面地物点的强度特征，得到非监督分类结果；而后利用启发规则对监督分类结果与非监督分类结果进行融合，获得最终分类结果。本发明克服了现有技术中，易变的强度信息所引起的机载LiDAR点云监督分类器不稳定、难迁移的不足，可以分层次利用机载LiDAR点云的几何信息和强度信息，得到较好的机载LiDAR点云分类结果。
-
公开(公告)号：CN112182714A
公开(公告)日：2021-01-05
申请号：CN202011074914.4
申请日：2020-10-09
Applicant: 南京大学
Abstract: 本发明涉及一种顾及飞行员视线和天气条件的建筑太阳能潜力计算方法，步骤包括：建筑物模型屋顶及立面点云采样、建筑物遮挡分析、天空视域分析、太阳辐照度计算、利用实测数据进行天气校正、根据飞行员视点进行通视分析、统计可利用区域实际天气情况下太阳能潜力。本发明在计算建筑物太阳能潜力的过程中，加入实际天气情况的影响，综合考虑跑道周围安装光伏板对飞行员视线的影响，使太阳能潜力计算结果更加贴近实际情况。
-
公开(公告)号：CN112115598A
公开(公告)日：2020-12-22
申请号：CN202010941034.6
申请日：2020-09-09
Applicant: 南京大学
IPC: G06F30/20 , G06F30/25 , G06F111/10 , G06F113/08
Abstract: 本发明涉及一种面向海上漂移轨迹预测的数据与模型耦合分析方法，步骤包括：实测漂移轨迹数据收集与海洋环境数据准备、漂移轨迹预测数值模拟实验、不同海洋环境数据集时空分析、多维度漂移轨迹预测精度评价、精度评价结果统计分析、基于预测轨迹与实测轨迹的FSLE分析、多因素敏感度分析和环境数据与预测模型在区域的适用性评估。本发明提升了漂移轨迹预测中环境数据与物理模型耦合分析评价能力，有助于推动不同模式数据在漂移轨迹预测领域的应用并指导进一步区域数据精化工作。本发明提出了分析评价方法可以较为全面的验证相关预测模式在区域的真实表现，有助于提升轨迹预测的整体可靠性。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.115 seconds)
