公开(公告)号：CN118740428A

公开(公告)日：2024-10-01

申请号：CN202410748223.X

申请日：2024-06-11

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  冯向南 ,  张登银 ,  陈何 ,  陶艺瑶 ,  张娣

IPC: H04L9/40 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/0442 ,  H04L41/16

Abstract: 本发明涉及一种基于Transformer的综合特征网络流量分类方法，本发明的综合特征网络流量分类方法，同时考虑了流量数据的统计特征、全局特征、局部特征和时序特征，充分利用了不同特征的优势，能够有效提升网络流量分类的全面性和精确性。基于深度学习的方法需要统一流量大小，这将导致有关网络流量整体结构的信息丢失。将基于自编码器提取的统计特征、基于卷积神经网络提取的局部特征、基于Transformer提取的全局特征和基于门控循环单元提取的时序特征进行特征融合，生成综合流量特征，使得特征集更加全面，从而提高分类器的性能。在分类模块中，结合使用瓶颈模块和残差连接，在保持模型性能的同时，减少计算和存储的需求，使得模型更加适合处理大规模的一维数据。

公开(公告)号：CN117119395A

公开(公告)日：2023-11-24

申请号：CN202311095273.4

申请日：2023-08-29

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  林奇锋 ,  闫焕文 ,  陈何 ,  冯向南 ,  杨智翔 ,  晏熙雯 ,  张登银

IPC: H04W4/33 ,  H04W4/02 ,  H04B7/06 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于CycleGAN的联邦生成对抗网络用于室内定位指纹库的数据增强的方法，包括：通过WiFi、蓝牙设备采集少量不同位置的信道状态信息(RSSI、CSI)数据，并将其转化为灰度图，并加入位置标签转化成的灰度图形成初始指纹，构建成初始指纹库输入到CycleGAN网络中，通过联邦学习的分布式模式训练模型使得网络学习到不同位置之间RSSI数据与CSI数据的映射关系；基于已有坐标作为输入通过本方法提出的网络得到新的指纹信息以对指纹库进行数据增强。本方法的应用能够提升室内定位的准确性和可靠性，克服不同室内位置数据量不足的问题，以丰富指纹库取得更好的定位效果，保护了用户的位置隐私，为室内定位技术的发展提供了新的解决方案。

公开(公告)号：CN119152390A

公开(公告)日：2024-12-17

申请号：CN202411118064.1

申请日：2024-08-15

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  陈何 ,  冯向南 ,  张娣 ,  陶艺瑶 ,  缪乐鹏 ,  杨煜伟 ,  张登银

IPC: G06V20/17 ,  G06V10/25 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82

Abstract: 本发明公开了一种基于改进YOLOv8的无人机航拍小目标检测方法，涉及目标检测领域，该方法包括：获取无人机航拍图像数据集，并对获取到的数据集进行预处理；构建基于改进YOLOv8的无人机航拍小目标检测模型，改进方法包括：设计SR‑Conv模块替换原有主干网络的标准卷积模块、添加小目标检测层、引入BiFPN改进颈部网络、引入归一化加权距离(NWD)损失函数优化原有的损失函数；利用训练集对改进的YOLOv8无人机航拍小目标检测模型进行训练；将待检测图像输入到训练好的目标检测模型中，得到目标检测结果；系统、设备及介质用于实现该方法；本发明可以更好地针对无人机航拍小目标检测任务，提高无人机航拍小目标检测的精度，具有广泛的适用性。

公开(公告)号：CN116304705A

公开(公告)日：2023-06-23

申请号：CN202310278870.4

申请日：2023-03-21

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  刘振娟 ,  张登银 ,  刘鑫 ,  冯向南 ,  蔡宇欣 ,  肖睿

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/15 ,  G06F18/241 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开一种基于有条件扩散模型的流量数据集生成方法及装置，所述方法包括：采集带有标签的流量数据集；对原始流量数据集进行预处理得到灰度图；以灰度图作为输入，进行扩散模型的正向过程训练；当扩散模型收敛后，得到一个训练好的噪声预测器，用于扩散模型的逆向过程；利用高斯噪声生成与目标灰度图同大小的噪声图像，作为含噪图的初始值，进行逆向过程训练；循环迭代训练逆向过程，最后得到目标灰度图；将生成的灰度图转换成相应的数值矩阵，完成流量数据的生成。本发明避免了采用欠抽样可能造成丢失部分关键性特征、过抽样可能使分类器产生过拟合的缺点，相比GAN可以取得更好的图片生成效果，避免原始生成对抗模型中，训练不稳定的缺点。