-
公开(公告)号：CN109712402B
公开(公告)日：2021-11-12
申请号：CN201910110832.1
申请日：2019-02-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于元路径拥塞模式挖掘的移动对象行驶时间预测方法，包括以下步骤：采集固定时间间隔的多个GPS数据作为训练样本，并将所述GPS数据通过地图匹配算法匹配到路网上，得到与GPS数据对应的路径轨迹；将匹配后的路径轨迹分割成元路径存储到路径字典中，挖掘每条元路径各个时间的拥塞状态，并根据不同元路径间的关联性，提取拥塞特征向量；将提取的拥塞特征向量加入特征矩阵中，并采用K‑Means聚类算法填补所述特征矩阵中的空缺值，得到预测模型；输入需要预测行驶时间的路径轨迹，实现行驶时间的预测。本发明提取局部道路的拥塞特征，从更细的粒度捕捉拥塞变化规律，并针对稀疏轨迹数据，提出采用k均值聚类算法，为预测提供精准支撑。
-
公开(公告)号：CN115149961B
公开(公告)日：2024-06-21
申请号：CN202210778393.3
申请日：2022-06-30
Applicant: 南京邮电大学
IPC: H03M7/30
Abstract: 本发明是一种基于速度偏差和道路语义的在线路网轨迹数据压缩方法，包括步骤1：连续GPS采样点匹配到路网上，得到连续GPS采样点对应的路径轨迹；步骤2：采用窗口速度偏差策略，在线分割出路径轨迹对应的各个道路子区域的空间分量和速度分量；步骤3：对空间分量和速度分量分别进行二进制位串编码，空间分量表征该段路径轨迹对应的路段序列，速度分量表征该段路径轨迹对应的平均速度。本发明根据速度偏差在线压缩路网轨迹点，压缩数据保留了交通状态，每个压缩单元对应同一道路的若干连续路段，能准确表征轨迹对应的道路子区域，空间分量和速度分量分别表征，既能提高压缩效率，又能在无需额外计算的情况下直接支持通行速度查询。
-
公开(公告)号：CN112201340B
公开(公告)日：2022-08-26
申请号：CN202010678145.2
申请日：2020-07-15
Applicant: 南京邮电大学
IPC: G16H50/20 , G06V10/764 , G06V10/84
Abstract: 本发明公开了一种基于贝叶斯网络过滤的心电图病症确定方法，属于心电图病症诊断领域。该发明在已训练好的基分类器的基础上，采用两层结构确定最终病症标签：第一层构建投票器对基分类器的结果进行筛选，产生锚点病症集和候选病症集；第二层采用基于BDe评分的爬山法构建贝叶斯网络，贝叶斯网络对锚点病症集和候选病症集进行过滤，确定最终预测病症集。该方法特点:(1)充分利用了病症标签间的依赖关系，提高了模型的泛化能力；(2)通过两层过滤处理能够纠正基分类器的预测结果，提高模型预测的准确度；(3)由于构建贝叶斯网络使用的因果关系是一种强关联性，因此模型具有稳定性的特点，不会因为数据分布不同而表现出太大差异。
-
公开(公告)号：CN114159069A
公开(公告)日：2022-03-11
申请号：CN202111524168.9
申请日：2021-12-14
Applicant: 南京邮电大学
Abstract: 本发明公开了医学和计算机科学技术领域的基于空间注意力的生成对抗网络心拍信号生成系统及方法，包括：获取噪声信号；将噪声信号输入生成模型进行转置卷积后，输出模拟心拍信号；所述生成模型为经过判别模型对抗训练后的生成模型，所述判别模型对抗训练包括：获取随机噪声信号和真实心拍信号；将随机噪声信号输入所述生成模型，得到模拟心拍信号样本；将真实心拍信号和模拟心拍信号样本作为训练样本，对所述判别模型进行训练更新；固定更新后的判别模型，对所述生成模型进行训练更新，得到经过判别模型对抗训练后的生成模型。本发明通过判别模型对生成模型进行对抗训练，使得生成模型输出逼近真实心拍信号的模拟心拍信号。
-
公开(公告)号：CN112465051A
公开(公告)日：2021-03-09
申请号：CN202011416046.3
申请日：2020-12-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于最优特征空间相似性挖掘标签相关性的心电信号分类方法，属于心电病症智能诊断领域。该发明在已训练好的单个标签分类器的基础上，提出利用最优特征空间相似性算法修正关联规则挖掘出的标签相关性，根据修正的标签相关性确定最终的预测标签；具体步骤：1、利用分类器的分类结果得到主标签和候选副标签集；2、采用关联规则挖掘出标签相关性，并利用本文提出的最优特征空间相似性算法对标签相关性进行修正，通过修正后的标签相关性对候选副标签集进行过滤，确定最终的预测标签。本发明通过计算不同标签间的最优特征空间相似性来修正标签间关系，得到更准确的标签相关性，提高了心电信号分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN109712402A
公开(公告)日：2019-05-03
申请号：CN201910110832.1
申请日：2019-02-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于元路径拥塞模式挖掘的移动对象行驶时间预测方法，包括以下步骤：采集固定时间间隔的多个GPS数据作为训练样本，并将所述GPS数据通过地图匹配算法匹配到路网上，得到与GPS数据对应的路径轨迹；将匹配后的路径轨迹分割成元路径存储到路径字典中，挖掘每条元路径各个时间的拥塞状态，并根据不同元路径间的关联性，提取拥塞特征向量；将提取的拥塞特征向量加入特征矩阵中，并采用K-Means聚类算法填补所述特征矩阵中的空缺值，得到预测模型；输入需要预测行驶时间的路径轨迹，实现行驶时间的预测。本发明提取局部道路的拥塞特征，从更细的粒度捕捉拥塞变化规律，并针对稀疏轨迹数据，提出采用k均值聚类算法，为预测提供精准支撑。
-
公开(公告)号：CN108765940A
公开(公告)日：2018-11-06
申请号：CN201810521398.1
申请日：2018-05-28
Applicant: 南京邮电大学
CPC classification number: G08G1/0104 , G06K9/6218 , G06K9/6297 , G06Q10/04 , G06Q50/26 , G08G1/052 , G08G1/065
Abstract: 本发明公开了一种基于高阶马尔科夫模型的道路拥塞发现方法，分为两步：概率转移矩阵计算和拥塞状态预测，在概率转移矩阵计算时，利用近邻传播聚类得到合适路段状态分类，然后计算出不同时间间隔的路段状态的转移概率矩阵；在拥塞状态预测时，根据移动对象所在路段状态和邻近路段结合转移概率矩阵，预测拥塞状态。本发明通过近邻传播聚类算法预先求出转移概率矩阵，然后存储到数据库中，当需要使用模型预测的时候直接从数据库中读取概率矩阵，将转移概率的矩阵预先求出并存储，预测时候直接查询即可，大大提高了实时预测的速度，使用近邻传播聚类可以提高分类准确性，进而提高概率转移矩阵的正确性。
-
公开(公告)号：CN103634403B
公开(公告)日：2016-08-31
申请号：CN201310654465.4
申请日：2013-12-06
Applicant: 南京邮电大学
Abstract: 本发明属于移动对象数据管理技术领域，公开了一种城市路网上基于相似运动聚簇的移动对象位置汇报和索引方法。路网上移动对象（如车辆）触发位置汇报后，通过免费的802.11无线通信(如Wifi)收集周围移动对象的位置和速度，然后经付费的GPRS或GSM，将汇总信息报告给数据库服务器。数据库服务器采用相似运动TPR树（Similar?movement Time Parametered R?tree,STPR）索引聚簇对象的运动，该树有两个特点：（1）每个叶子节点索引位置临近、方向相同、速度相近的移动对象；（2）索引节点的维护，即增、删、改，以批处理方式完成。这种位置汇报和索引方法不仅可以大幅度减少监控位置的付费通信代价，而且可以显著降低索引维护的磁盘I/O，满足城市中对海量移动对象的实时跟踪需求。
-
公开(公告)号：CN114159069B
公开(公告)日：2024-07-12
申请号：CN202111524168.9
申请日：2021-12-14
Applicant: 南京邮电大学
IPC: A61B5/318 , A61B5/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了医学和计算机科学技术领域的基于空间注意力的生成对抗网络心拍信号生成系统及方法，包括：获取噪声信号；将噪声信号输入生成模型进行转置卷积后，输出模拟心拍信号；所述生成模型为经过判别模型对抗训练后的生成模型，所述判别模型对抗训练包括：获取随机噪声信号和真实心拍信号；将随机噪声信号输入所述生成模型，得到模拟心拍信号样本；将真实心拍信号和模拟心拍信号样本作为训练样本，对所述判别模型进行训练更新；固定更新后的判别模型，对所述生成模型进行训练更新，得到经过判别模型对抗训练后的生成模型。本发明通过判别模型对生成模型进行对抗训练，使得生成模型输出逼近真实心拍信号的模拟心拍信号。
-
公开(公告)号：CN117194434A
公开(公告)日：2023-12-08
申请号：CN202311235731.X
申请日：2023-09-22
Applicant: 南京邮电大学
IPC: G06F16/22 , G06F16/29 , G06F16/9537
Abstract: 本发明提供一种有向路网上基于同质区域划分的学习型轨迹索引和查询方法，通过为每个有向路段分别设置后续数组，记录通行量比值；从路网中心有向路段开始深度优先搜索，确定有向路段的唯一序号；有向路段先按照长度划分为若干个类，再按照车道数划分为若干个一阶同质区域类，在每个一阶同质区域类内的所有有向路段，划分为若干个二阶同质区域类，在每个二阶同质区域类内，确定轨迹点在二阶同质区域类内的序号；为每个二阶同质区域类，训练得到三维空间的分段线性模型作为轨迹点存放位置预测器；进行轨迹查询，返回原始查询结果集；该方法能够保证每个二阶同质区域类内的轨迹数据均匀分布，能够提高查询性能和预测精度，能够提高索引查询效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.018 seconds)
