公开(公告)号：CN105678418A

公开(公告)日：2016-06-15

申请号：CN201610009554.7

申请日：2016-01-07

Applicant: 南京邮电大学 ,  南京邮电大学盐城大数据研究院有限公司

Inventor： 徐小龙 ,  戎汉中 ,  李涛 ,  李荣志 ,  陈帅霖 ,  吴晓华 ,  张曼

IPC: G06Q10/04 ,  G06Q50/04

CPC classification number: Y02P90/30 ,  G06Q10/04 ,  G06Q50/04

Abstract: 本发明公开了一种面向产品制造的组合优化方法，该方法在面向产品制造环境下，实现“质量-成本”控制的组合优化方法，在控制制造成本不超过目标成本的前提下，保证产品的质量达到最优，并且进一步提高了产品的多样性。本发明采用混沌初始化和混沌扰乱策略，并采用具有个性化的适应度函数来评价产品组合方案的优劣。本发明将组合的项目分类，使组合数降低，这样完全枚举所有的产品组合方案成为可能，使得搜索效率提高。本发明提供个性化接口，可以根据用户的个性化要求，产生性价比最优的个性化组合方案。本发明在搜索最优产品组合方案的过程中采用混沌搜索，充分遍历所有可能的最佳产品组合方案，保证了产品组合方案的多样性。

公开(公告)号：CN106127802B

公开(公告)日：2018-08-28

申请号：CN201610431744.8

申请日：2016-06-16

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 张磊 ,  孙知信 ,  陈帅霖

IPC: G06T7/246

Abstract: 本发明公开了一种运动目标轨迹追踪方法，首先获取实时监控视频信息，对其进行预处理，然后每帧图片划分成S*S个区域通过深度学习的CNNs进行检测，并获得检测出目标的目标类型和目标坐标；接着通过距离匹配获取各个目标的轨迹信息，通过timeout移除离开追踪区域目标的坐标轨迹链表；最后利用各个目标的坐标轨迹链表提取出其运动特征后输出坐标轨迹链表和运动特征。本发明不需要人工设计需要检测目标的特征，仅仅需要通过机器训练，就能够很好的目标检测识别能力。

公开(公告)号：CN106127802A

公开(公告)日：2016-11-16

申请号：CN201610431744.8

申请日：2016-06-16

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 张磊 ,  孙知信 ,  陈帅霖

IPC: G06T7/20

CPC classification number: G06T2207/10016

Abstract: 本发明公开了一种运动目标轨迹追踪方法，首先获取实时监控视频信息，对其进行预处理，然后每帧图片划分成S*S个区域通过深度学习的CNNs进行检测，并获得检测出目标的目标类型和目标坐标；接着通过距离匹配获取各个目标的轨迹信息，通过timeout移除离开追踪区域目标的坐标轨迹链表；最后利用各个目标的坐标轨迹链表提取出其运动特征后输出坐标轨迹链表和运动特征。本发明不需要人工设计需要检测目标的特征，仅仅需要通过机器训练，就能够很好的目标检测识别能力。