-
公开(公告)号：CN109582794A
公开(公告)日：2019-04-05
申请号：CN201811440171.0
申请日：2018-11-29
Applicant: 南京信息工程大学
CPC classification number: G06F17/2775
Abstract: 本发明公开了一种基于深度学习的长文分类方法，通过对文本进行预处理然后生成词向量进行随机提取，将得到的数据集输入到卷积神经网络加长短期记忆网络的模型结构中反复训练到训练次数，不断降低损失函数，最后得到训练好的深度学习模型。本方法通过随机提取有效句子和搭建卷积神经网络加长短期记忆网络的模型结构，能够全面提取长文的特征，保证分类的正确率，又可以加快训练速度，提高分类的效率。本方法能快速和准确地取得分类结果，特别对于超过7000字的长篇文本，并且文本内容很相近、类别细致复杂的文章，取得的效果更加明显。
-
公开(公告)号：CN108170736A
公开(公告)日：2018-06-15
申请号：CN201711350432.5
申请日：2017-12-15
Applicant: 南瑞集团有限公司 , 国家电网公司 , 南京信息工程大学 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于循环注意力机制的文档快速扫描定性方法，获取训练数据集，在预处理阶段，将整个文档转换为词向量矩阵，词向量矩阵通过含有循环注意力机制的文档检测模型，包括卷积神经网络模块、最大池化模块、循环神经网络模块，利用回报函数得出回报值reward，训练循环神经网络，优化模型参数，测试模型准确率。本发明的方法基于注意力机制，引入了强化学习的训练方法，适应性更强，并且不需要对全文进行检索，而是通过处理文档中的局部信息，智能快速的预测出文档中特定的位置，在有限的次数内，快速扫描探索找出最能够代表文档特征的句子，即分类概率最大的句子，这些句子能够最大化的表示该文档的类型。
-
公开(公告)号：CN104287697B
公开(公告)日：2017-02-15
申请号：CN201410539404.8
申请日：2014-10-13
Applicant: 南京信息工程大学
IPC: A61B5/01
Abstract: 本发明公开了一种非接触式红外体温计，包括非接触式红外温度传感器、温差热电堆放大电路、温度补偿及放大电路、AD转换电路、主控电路、显示电路以及报警电路，非接触式红外温度传感器分别与温差热电堆放大电路以及温度补偿及放大电路相连，温差热电堆放大电路以及温度补偿及放大电路相连分别连接到AD转换电路，AD转换电路与主控电路相连，主控电路与显示电路以及报警电路相连。本发明红外体温计解决了传统体温计必须接触测量的问题，并以较短的响应时间、较高的测量精度和准确度可以满足人们的对新式测温方式的需求。而且，它不易受到环境等因素的干扰，性能稳定，读数方便，可以达到实时监测的目的，适合老人、儿童及病人监护使用。
-
公开(公告)号：CN104182511A
公开(公告)日：2014-12-03
申请号：CN201410413719.8
申请日：2014-08-20
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 针对现有的WFCM算法在聚类时没有考虑样本硬划分实际情况且对样本分布不均衡情况数据聚类效果不好，FCS算法没有考虑硬划分边界点的情况以及忽略样本特征参数对各类聚类影响的问题，本发明公开了一种簇特征加权的模糊紧致散布聚类方法,通过对样本隶属度、特征权重进行调整，遵循了样本硬划分的实际情况，并充分考虑样本特征参数对各类聚类的影响，尽可能使得样本类内紧致、类间分散，解决了位于硬划分边界的样本隶属度问题，在样本分布不均衡情况下对于噪声数据和异常数据实现了更有效的划分。本方法聚类性能良好，收敛速度快、迭代效率高。聚类性能良好，迭代效率高，适于应用在工业控制中样本分布不均衡、实时性、准确率要求高的场合。
-
公开(公告)号：CN104008197A
公开(公告)日：2014-08-27
申请号：CN201410265975.7
申请日：2014-06-13
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 针对现有的WFCM算法在聚类时没有考虑样本硬划分实际情况，FCS算法没有考虑硬划分边界点的情况以及忽略样本特征参数对聚类影响的问题，本发明公开了一种特征加权的模糊紧致散布聚类方法。本发明通过对样本隶属度、特征权重进行调整，遵循了样本硬划分的实际情况，并充分考虑样本特征参数对样本划分的影响，尽可能使得样本类内紧致、类间分散，解决了位于硬划分边界的样本隶属度问题，对于噪声数据和异常数据实现了更有效的划分。聚类性能良好，收敛速度快、迭代效率高。实验证明，本算法聚类性能良好，收敛速度快、迭代效率高。与现有方法相比，本发明聚类准确率高，耗时明显减少，适于应用在工业控制中实时性要求高的场合。
-
Patent Agency Ranking
公开(公告)号：CN103905053A
公开(公告)日：2014-07-02
申请号：CN201410127396.6
申请日：2014-03-31
Applicant: 南京信息工程大学
IPC: H03M7/30
Abstract: 本发明公开了一种压缩感知下基于固定子空间的稀疏信号分离方法，包括输入重构信号，估算权重，代理残差，计算并合并支撑集，重构信号，剪切前K个信号，更新残差，输出权重，重构信号。本发明所述方式在信号的压缩观测域直接进行信号处理，即在压缩观测域直接进行源信号与稀疏信号分离，由于压缩信号的长度远远小于源信号的长度，且在步骤二权重w估计和步骤三对残差u进行更新时，消除掉稀疏信号中的噪声，因此本发明大大减小了运算量，提高了重构精度。
-
公开(公告)号：CN108564548B
公开(公告)日：2022-06-24
申请号：CN201810353017.3
申请日：2018-04-19
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明提供了一种自适应的非整数步长分数阶微分图像纹理增强方法。所述自适应的非整数步长分数阶微分图像纹理增强方法包括如下步骤：一、根据需要将待处理的数字图像分成多个子图像，对每一所述子图像求解灰度共生矩阵，并获得每一所述子图像的图像纹理性质；二、根据每一所述子图像的纹理性质确定所述分数阶微分图像纹理增强算法的步长值采用分数阶微分图像纹理增强算法对每一所述子图像进行增强处理。本发明的有益效果是：所述自适应的非整数步长分数阶微分图像纹理增强方法根据图像局部区域的纹理复杂度确定步长的非整数分数阶微分实现图像增强。
-
公开(公告)号：CN109726682A
公开(公告)日：2019-05-07
申请号：CN201811634891.0
申请日：2018-12-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向弱标签传感器数据的人体动作识别方法，步骤：利用传感器采集人体行为活动数据构成训练数据集，进行数据规范化处理，并添加对应的标签；将训练数据样本输入人体动作识别模型中，该模型包括卷积神经网络模块、循环神经网络模块和强化学习模块；针对含单次活动的弱标签传感器数据和含多次活动的弱标签传感器数据分别设计回报函数，并计算相应的reward值；对人体动作识别模型进行训练和优化；获取测试数据集，输入人体动作识别模型，测试模型的分类准确度。本发明通过每次处理弱标签传感器数据中的局部信息，在有限次数内快速地识别出特定的活动并且定位出活动发生的位置。
-
公开(公告)号：CN105389833B
公开(公告)日：2018-11-27
申请号：CN201510993106.0
申请日：2015-12-24
Applicant: 南京信息工程大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于在线迭代子空间学习的目标跟踪方法，首先进行目标图像的校准后，随后采用子空间集合在线迭代更新的方法更新子空间。本发明提供的目标跟踪方法，对于监控视频每一帧图像中待跟踪的目标，在完成目标图像的校准后，只需以在线方式更新子空间，跟踪过程中所维持的子空间集合所占用的存储空间远远小于经典目标跟踪方法所维持的“字典”所占用的内存空间，减少了对内存的需求量，提升了目标跟踪方法的效率。在目标被部分遮挡或受到光照变化影响时，依然能有效跟踪目标；即便遇到跟踪的目标对象发生了较大的姿势变化、受到严重的污染、光照明暗强烈变化时，本方法仍旧能较好地跟踪目标，具有较强的鲁棒性。
-
公开(公告)号：CN108564548A
公开(公告)日：2018-09-21
申请号：CN201810353017.3
申请日：2018-04-19
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明提供了一种自适应的非整数步长分数阶微分图像纹理增强方法。所述自适应的非整数步长分数阶微分图像纹理增强方法包括如下步骤：一、根据需要将待处理的数字图像分成多个子图像，对每一所述子图像求解灰度共生矩阵，并获得每一所述子图像的图像纹理性质；二、根据每一所述子图像的纹理性质确定所述分数阶微分图像纹理增强算法的步长值采用分数阶微分图像纹理增强算法对每一所述子图像进行增强处理。本发明的有益效果是：所述自适应的非整数步长分数阶微分图像纹理增强方法根据图像局部区域的纹理复杂度确定步长的非整数分数阶微分实现图像增强。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.039 seconds)
