-
公开(公告)号：CN103796016A
公开(公告)日：2014-05-14
申请号：CN201210417714.3
申请日：2012-10-29
Applicant: 南京信息工程大学
IPC: H04N19/134
Abstract: 本发明提出了基于平均码率控制的DMB气象预警信息信源编码算法。针对发布气象预警信息对信息的实时性要求很高的特点，本发明以X264视频编码为基础,通过对视频压缩模块中的平均码率控制进行设计，提出了基于改进型二次调整的平均码率控制算法，该算法采用了基于灰度直方图的平均绝对误差修正因子和平均比特调整因子来共同调整平均码率，经过该算法编码后的视频数据的码率能稳定在224kbps上，为后期DMB预处理系统的恒定码率输出提供良好的条件，极大地改善了X264原有平均码率控制算法对平均码率控制不准确的问题。本算法压缩后的音视频合成气象预警信息数据量大大减少，且解码质量良好,有利于DMB系统的后续处理。
-
公开(公告)号：CN101787824B
公开(公告)日：2013-04-03
申请号：CN201010102264.X
申请日：2010-01-28
Applicant: 南京信息工程大学
Inventor： 陈苏婷
Abstract: 本发明提供了一种智能防盗锁系统。该智能防盗锁系统包括处理器，以及与处理器相连接的摄像模块、虹膜模块、指纹模块、输入模块、门开关模块、门铃模块和通信模块。该系统还进一步包括与通信模块连接的通信终端。本发明的智能防盗锁，通过通信模块，实时把开锁匹配信息及其摄像模块采集的开锁人信息传输到设定通信终端，从而可以了解门的状态信息、拜访人等，从而能够确定是正常拜访还是小偷，提高了门的安全性。
-
公开(公告)号：CN101826885A
公开(公告)日：2010-09-08
申请号：CN201010158090.9
申请日：2010-04-28
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种双通道灾害预警信息接收系统及其接收方法。本发明的系统包括手机信息预处理模块、DAB接收机信息预处理模块、适配器、手机、DAB接收机，预警信息接收方法通过卫星DAB接收和GPRS短信接收两种方式：对于城市地区，通过手机GPRS短信接收，利用移动通信网，根据地址区域归属地信息，自动识别预警区域，实现手机终端对预警信息的选择，实时、准确接收；对于农村地区，根据北斗卫星的区域参数信息，DAB接收终端自动识别预警区域地址码，实现边远地区的预警信息接收。本发明通过双通道接收模式，可最大程度的保证全国各范围内对各级各类各部门预警信息的实时、准确接收，保障广大人民群众的生命财产安全。
-
公开(公告)号：CN119646481A
公开(公告)日：2025-03-18
申请号：CN202411697459.1
申请日：2024-11-25
Applicant: 南京信息工程大学
IPC: G06F18/213 , G06F18/15 , G06F18/23 , G06F18/24 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开了基于动态丢弃的图神经网络的随机丢弃方法及系统，涉及人工智能技术领域，包括以下步骤：接收待处理代表图，将待处理代表图进行节点特征提取，得到节点领接矩阵，对节点领接矩阵进行归一化，得到归一化矩阵；基于归一化矩阵提取得出特征向量矩阵和特征值对角阵，基于特征向量矩阵和特征值对角阵计算得出消息传递矩阵；将消息传递矩阵输入至预先建立的基于动态丢弃的图神经网络模型内，对消息传递矩阵进行信息丢弃，输出得到丢弃后的消息传递矩阵，其中，所述预先建立的基于动态丢弃的图神经网络模型基于停止随机丢弃规则训练。
-
公开(公告)号：CN118982078A
公开(公告)日：2024-11-19
申请号：CN202410989337.3
申请日：2024-07-23
Applicant: 南京信息工程大学
IPC: G06N20/00 , H04L67/1095
Abstract: 本发明提供了一种基于知识蒸馏的联邦学习方法，包括：采用数据分布统计平均筛选出相关性强的客户端，相关性强的客户端利用本地数据集训练本地模型，将数据分布特征和模型参数上传服务器端，由服务器端聚合并更新全局模型；采用无数据知识蒸馏的方法学习全局模型中的本地数据分布，并训练数据生成器，客户端通过数据生成器生成虚拟数据分布；采用数据分布统计平均筛选出相关性强的客户端，相关性强的客户端利用全局模型参数训练并更新本地模型，其余客户端利用虚拟数据分布增强本地数据分布后使用全局模型参数训练并更新其本地模型，再由服务器端进行聚合，迭代至全局模型收敛。本发明通过知识蒸馏与联邦学习相结合，优化了联邦学习的通信开销，解决了联邦数据异构的问题。
-
Patent Agency Ranking
公开(公告)号：CN118568470A
公开(公告)日：2024-08-30
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。
-
公开(公告)号：CN117690098B
公开(公告)日：2024-04-30
申请号：CN202410140684.9
申请日：2024-02-01
Applicant: 南京信息工程大学
IPC: G06V20/54 , G06V10/77 , G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于动态图卷积的开放驾驶场景下多标签识别方法，通过构建叠加动态图卷积网络捕捉每幅图像的内容感知类别，叠加动态图卷积网络包括词向量解耦模块、映射对齐模块和叠加动态图卷积模块；步骤如下：S1，词向量解耦模块以类别嵌入后生成的词向量语义为指导，学习特定类别的特征表示，得到特征向量集合；S2，映射对齐模块通过分析图像中的隐含区域关系来生成特征数据，获取一组感知向量来表征某种特定类别；S3，将特征向量集合和感知向量进行拼接、融合后的特征数据送入叠加动态图卷积模块，再进行特征传播，最后进行多标签分类。本发明能动态捕获每个图像内容感知类别关系，并兼顾模型训练的迭代速度和稳定性。
-
公开(公告)号：CN116455383A
公开(公告)日：2023-07-18
申请号：CN202310417110.7
申请日：2023-04-19
Applicant: 南京信息工程大学
IPC: H03K19/0175 , H03K19/003
Abstract: 本发明提供了一种数字隔离器双输出编解码系统及方法，涉及数字信号传输技术领域，该系统包括：编码电路模块，用于对输入信号的边沿进行检测脉冲编码，把输入信号的边沿信息转化成脉冲信号；三层片上变压器，用于对所述脉冲信号进行隔离耦合传输；抗干扰电路模块，用于检测和屏蔽由接地引入的干扰脉冲信号；解码电路模块，用于对进行隔离耦合后的脉冲信号进行解码。应用本发明可以在实现数字隔离器的功能的同时，实现高速信号传输，解决了现有技术中脉冲个数调制的双脉冲间距以及双脉冲和单脉冲留出的间距极大地限制传输速率的提升，解码电路较为复杂，对于脉冲之间的干扰信号造成解码的误码问题无法解决，且降低了电路的可靠性的问题。
-
公开(公告)号：CN111368882B
公开(公告)日：2023-04-18
申请号：CN202010103827.0
申请日：2020-02-20
Applicant: 南京信息工程大学
IPC: G06V10/74 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于简化独立成分分析和局部相似性的立体匹配方法，用于图像处理技术领域，该方法对DispNetC网络进行改进，首先提出了简化独立成分分析(ICA)代价聚合，引入匹配代价卷金字塔，简化ICA算法的预处理过程，同时定义简化ICA损失函数；其次，引入区域损失函数，结合单像素点损失函数，定义局部相似性损失函数，以完善视差图的空间结构；最后，简化ICA损失函数和局部相似性损失函数相结合，训练网络进行视差图预测，弥补视差图的边缘信息。本发明在保证视差图预测速度的同时，提高了视差图边缘以及细节部分的预测准确率，减少了在预测过程中对单像素点的依赖程度。
-
公开(公告)号：CN108428231B
公开(公告)日：2022-04-26
申请号：CN201810223488.2
申请日：2018-03-19
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/45 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于随机森林的多参数零件表面粗糙度学习方法，首先，采集散斑图像的训练样本集和测试样本，采用巴特沃斯滤波器对图像进行预处理，对散斑图像进行特征研究，实现了多特征提取，找出特征与粗糙度间的单调性，并构建基于随机森林的强分类器；然后，引入互信息量学习特征权重，并结合相关性系数和随机森林学习参数建立粗糙度学习函数；最后，利用学习好的粗糙度函数对测试样本进行粗糙度测量。该方法建立了一种同时学习工艺类型与粗糙度值的新模型，突破了现有方法中对不同工艺零件需建立多个测量粗糙度值模型的局限性，为粗糙度测量提供了新思路，并通过实验验证了新算法的有效性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.046 seconds)
