-
公开(公告)号：CN108734050A
公开(公告)日：2018-11-02
申请号：CN201710238731.3
申请日：2017-04-13
Applicant: 南京财经大学 , 南京攀登信息技术有限公司
CPC classification number: G06K9/00744 , G06K9/40 , G06T5/002 , G06T2207/10016 , G06T2207/30232
Abstract: 本发明公开了一种监控视频中运动目标检测及有效帧提取方法，首先按帧读取网络摄像机拍摄的视频；在读取视频的第一帧时初始化高斯模型的参数，建立混合高斯背景模型，并将第一帧进行二值化处理后作为参考二值图片；在读取后续每一帧时，将当前帧与背景模型相减得到只包含前景的二值图片，同时更新高斯模型参数；用帧间差分的思想处理每一帧的前景二值图片，将每一帧的前景二值图片与参考二值图片相减得到差分二值图片，并根据差分二值图片中的像素分布判断当前帧中是否存在运动目标，并决定是否保存当前帧、是否更新参考二值图片。该方法能较好地克服光照变化、背景中的扰动、摄像机抖动等因素的干扰，从监控视频中提取存在运动的目标的有效帧。
-
公开(公告)号：CN104009786A
公开(公告)日：2014-08-27
申请号：CN201310060919.5
申请日：2013-02-27
Applicant: 南京攀登信息技术有限公司 , 南京财经大学
Abstract: 本发明属于物联网技术领域，具体地说是一种基于无线传感网络的粮仓信息中转器。本发明包括微处理器控制模块、Zigbee无线收发模块、RFID射频模块、传感器模块、控制模块和通信模块。微处理器控制模块是整个仪器的控制中心；Zigbee无线收发模块用于接收和发送信息到远程监控中心；RFID射频模块用于记录粮食的进出情况；传感器模块用于采集粮仓内的温湿度和光照信息；控制模块由光耦模块和继电器模块组成；通信模块在安装调试和扩展通信时使用。该仪器能够有效地实现粮仓内环境参数的采集以及粮食进出情况的记录，并可以将得到的所有信息无线传递到远程监控中心，从而极大地提高生产效率，促进粮仓的智能化管理水平。
-
公开(公告)号：CN103903023A
公开(公告)日：2014-07-02
申请号：CN201210585760.4
申请日：2012-12-31
Applicant: 南京财经大学 , 南京攀登信息技术有限公司
IPC: G06K17/00
Abstract: 本发明公开了一种用于猪肉质量安全溯源的信息转换设备，包括RFID耳标信息读取中心、信息处理中心、挂式标签信息写入中心。RFID耳标信息读取中心主要实现读取RFID耳标上的信息的功能；信息处理中心主要实现对通过手持式耳标信息读取器读取到的RFID耳标上的信息进行处理并传输到挂式标签信息写入器和同时对上述两个仪器进行供电的功能；挂式标签信息写入中心主要实现挂式标签信息提取的功能。该设备能够有效的实现从存储有生猪饲养全过程的所有相关信息的RFID耳标到生猪被屠宰加工过程中的挂式标签的转换。
-
公开(公告)号：CN102629347A
公开(公告)日：2012-08-08
申请号：CN201210060482.0
申请日：2012-03-09
Applicant: 南京财经大学 , 南京攀登信息技术有限公司
Abstract: 本发明公开了一种粮食地面参照信息的信息源使用方法，该方法通过对一组上传的地面参照信息进行综合比对，通过基于冗余度与可信度的自动评价建立信息源可信度数据库，得到信息源评价；同时对于新加入的信息源，自动对其进行检查，建立其技术评分和可信度数据库；并通过实际信息，用反馈完善法完善可信度数据库；在数据库基础上，通过基于匹配与历史信息查询的自动评价方法完善信息源可信度数据，本发明可以对粮食地面信息进行准确评价。
-
公开(公告)号：CN103377189A
公开(公告)日：2013-10-30
申请号：CN201210105456.5
申请日：2012-04-12
Applicant: 南京财经大学 , 南京攀登信息技术有限公司
Abstract: 本发明基于现有通用智能手机终端，收集粮食生产中的地面参照信息，并用于遥感数据分析。利用数据挖掘技术，通过用户反馈结果的系统分析，评价获取结果的正确性，并建立相应的用户信息收集数据库，以描述用户所擅长的收集内容，从而实现相应的任务推荐，并提高所获取信息的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114421499B
公开(公告)日：2024-08-30
申请号：CN202210107628.6
申请日：2022-01-28
Applicant: 南京财经大学
Abstract: 本发明公开了一种多区域负荷频率系统的攻击重构与弹性控制方法，其中，S1：建立无网络攻击下多区域电力系统的负荷频率控制数学模型；S2：建立DoS攻击和FDI攻击的数学模型；S3：构造状态观测器、攻击观测器的数学模型，联合估计系统状态和FDI攻击，考虑两者的影响，构造具有攻击补偿的控制器；S4：考虑DoS攻击和FDI攻击的影响，建立混合攻击下多区域电力系统负荷频率控制数学模型；S5：设计满足H∞性能指标的多区域电力系统负荷频率控制系统的控制器设计准则，得到具有攻击补偿功能的控制器增益矩阵K、状态观测器增益矩阵G和攻击观测器增益矩阵L。本发明所述的控制方法在DoS和FDI混合攻击下，保证了多区域电力系统的频率稳定、安全及可靠运行。
-
公开(公告)号：CN118410840A
公开(公告)日：2024-07-30
申请号：CN202410516751.2
申请日：2024-04-28
IPC: G06N3/0495 , G06N3/045 , G06N3/098 , H04L67/10 , H04L69/04
Abstract: 本发明公开了一种联邦学习客户端通信压缩方法、客户端装置及联邦学习系统，方法包括：在当前迭代轮次下，从服务器接收最新模型wi，通过多次训练完成局部训练，得到模型wi′；使用wi与上一次参与训练保存的模型w0的差值，和当前参与训练的迭代轮次ti与上次参与训练时的迭代轮次t0的差值，求比值获得全局更新梯度预估值#imgabs0#根据wi′与wi的差值，获得模型的训练梯度gi；使用#imgabs1#和gi求得梯度的贡献度Wi；基于当前迭代轮数的梯度的贡献度大小，完成梯度矩阵稀疏化，将稀疏化后的梯度上传至服务器。本发明考虑用户偏移程度，能够在减少通信代价的同时，缓解数据非独立同分布对于模型收敛的稳定性和最终性能的影响。
-
公开(公告)号：CN113592379B
公开(公告)日：2024-05-14
申请号：CN202110710054.7
申请日：2021-06-25
Applicant: 南京财经大学 , 云境商务智能研究院南京有限公司
IPC: G06Q10/083 , G06F18/214 , G06F18/2411
Abstract: 本发明公开了一种散粮集装箱物流运输环境异常检测的关键特征识别方法，首先构建异常识别的数据样本集、关键特征排序集，初始化特征集合指标集；然后构建训练样本集，训练线性分类模型SVM‑train，计算排序系数；接着找出获取排序系数最大的特征，并从特征集合指标集中消除该特征，更新特征集合指标集和关键特征排序集，直至特征集合指标集为空集；本发明提供的关键特征识别方法使用递归特征消除方法每次迭代删除得分最高的权值系数对应的特征，使线性SVM模型在剩余特征子集上训练得到的间隔最大化，能够快速识别散粮集装箱物流运输环境状态相关的“关键特征”，并得到所有特征对散粮集装箱物流运输环境状态影响的排名。
-
公开(公告)号：CN116824604A
公开(公告)日：2023-09-29
申请号：CN202311100459.4
申请日：2023-08-30
Applicant: 江苏苏宁银行股份有限公司 , 南京财经大学
IPC: G06V30/19 , G06V30/146 , G06F16/16
Abstract: 本发明提供一种基于图像处理的金融数据管理方法及系统，调取预设识别图层叠加在目标票据上方，根据对齐策略和定位线将预设识别图层与目标票据对齐，并基于识别目标区提取对应各维度标签的第一文本信息；调取与维度标签对应的文本效验策略对第一文本信息进行效验；根据一类归类模型生成与各第二维度标签对应的一类总节点以及一级文件夹，并基于第二维度标签的归类区间生成多个一类子节点以及二级文件夹，根据一类总节点和一类子节点生成与第二维度标签对应的一类管理树；对用户的融合需求信息进行解析得到融合维度信息，按照顺序对融合维度信息依次排序得到顺位维度序号，基于融合策略和顺位维度序号对一类管理树进行融合处理，得到二类管理树。
-
公开(公告)号：CN110929888B
公开(公告)日：2023-05-05
申请号：CN201911077982.3
申请日：2019-11-06
Applicant: 南京财经大学
IPC: G06N20/10 , G06F18/2411 , G06F18/214 , G06Q10/04 , G06Q50/02
Abstract: 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度高斯核支持向量机，能够对其中的核函数参数随机化赋值，提升了支持向量机参数选择的效率。通过在粮食作物大豆病害标准数据集Soybean上的实验表明，与传统单尺度高斯核函数的支持向量机相比，该方法不仅能够提升大豆病害数据预测的精度，学习模型参数选取的时间仅需传统SVM高斯核方法的不到1％的时间。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.06 seconds)
