-
公开(公告)号：CN114719759A
公开(公告)日：2022-07-08
申请号：CN202210339031.4
申请日：2022-04-01
Applicant: 南昌大学
Abstract: 本发明公开了一种基于SLAM算法和图像实例分割技术的物体表面周长和面积测量方法，具体为：使用带有单目相机和惯性测量元件(InertialMeasurementUnit，IMU)的手机，利用SLAM技术对被测量物体进行尺度测量，计算出相机拍摄的照片被测物体附近像素点的代表的实际尺度；使用深度学习的卷积神经网络技术，分割待测照片，遮盖住原图像中不相关内容，得到主体图像之后再进行二值化处理，选定需要测量的物体主体；计算该二值图的主体包含的像素个数和检测主体的边缘像素点个数，结合每个像素代表的长度数值，换算出该物体的表面周长和面积。本发明实现了仅通过手机就能迅速、准确地得到相机视野中物体的单个面边缘周长、这个面投影到平面的面积和弯曲线形物体长度。
-
公开(公告)号：CN113723762A
公开(公告)日：2021-11-30
申请号：CN202110884464.3
申请日：2021-08-03
Applicant: 南昌大学
Abstract: 本发明涉及旅游设备技术领域，具体是基于5G通讯网络的旅游移动代游设备，包括代游设备主机、游客随身配带设备和配套软件平台，其中代游设备主机包括：中央处理模块、5G通讯模块、视频模块、音频模块、蓝牙通讯模块、移动底盘(小型履带式底盘或全向轮式底盘)、远程移动控制模块、自动跟随模块、防碰撞模块、地理位置模块、液晶显示屏和电源模块等。游客随身配带设备由蓝牙通讯模块、耳机、麦克风、定位标签、电源等组成。配套运营软件平台包括设备运营平台和设备远程控制客户端系统等组成本发明解决了现有技术中远程游客可操控性和体验性不强，无法实现现场游客和远端游客陪同旅游等问题。
-
公开(公告)号：CN109818775B
公开(公告)日：2021-09-28
申请号：CN201811538729.9
申请日：2018-12-14
Applicant: 南昌大学
Abstract: 本发明提供了基于自适应微分进化算法优化小波神经网络的短期网络流量预测方法，包括以下步骤：步骤1：数据预处理，将数据集拆分成训练样本和测试样本；步骤2：初始化小波神经网络WNN结构及自适应微分进化算法ADE种群大小NP、最大进化代数G、初始变异概率F0、交叉因子CR的参数；本发明在小波神经网络修正参数的步骤中增加动量项；同时采用自适应微分进化算法(ADE)生成小波神经网络初始连接权值、小波系数及动量项系数，通过优化调整WNN参数初始化的策略，建立了基于自适应微分进化算法优化小波神经网络(ADE‑WNN)的模型，经过优化改进的小波神经网络模型，收敛速度更快，预测精度也更高且具有很好的稳定性，可以有效地预测未来短期的网络流量数据。
-
公开(公告)号：CN120017430A
公开(公告)日：2025-05-16
申请号：CN202510503132.4
申请日：2025-04-22
Applicant: 南昌大学
IPC: H04L9/40 , G06F18/213 , G06F18/25 , G06F18/2431 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/0442 , G06N3/094 , G06F123/02
Abstract: 本申请公开了一种基于数据平衡与特征协同的入侵检测方法及系统，属于网络安全技术领域，包括：在DCGAN生成器内的反卷积层后添加SKnet层进行改进；将随机噪声向量输入至改进的DCGAN生成器中，获取平衡数据集；对初始SRGAN生成器进行改进；将平衡数据集输入至改进后的SRGAN生成器中进行深度特征提取，获取深度特征；将平衡数据集输入至预设的LSTM网络模型中进行时序特征提取，获取时序特征；基于深度特征和时序特征获取融合特征图；基于融合特征图获取入侵分类结果。本发明解决了网络攻击类别数据不平衡的问题，并构建了入侵检测模型，提高了模型性能。
-
公开(公告)号：CN114719759B
公开(公告)日：2023-01-03
申请号：CN202210339031.4
申请日：2022-04-01
Applicant: 南昌大学
Abstract: 本发明公开了一种基于SLAM算法和图像实例分割技术的物体表面周长和面积测量方法，具体为：使用带有单目相机和惯性测量元件(InertialMeasurementUnit，IMU)的手机，利用SLAM技术对被测量物体进行尺度测量，计算出相机拍摄的照片被测物体附近像素点的代表的实际尺度；使用深度学习的卷积神经网络技术，分割待测照片，遮盖住原图像中不相关内容，得到主体图像之后再进行二值化处理，选定需要测量的物体主体；计算该二值图的主体包含的像素个数和检测主体的边缘像素点个数，结合每个像素代表的长度数值，换算出该物体的表面周长和面积。本发明实现了仅通过手机就能迅速、准确地得到相机视野中物体的单个面边缘周长、这个面投影到平面的面积和弯曲线形物体长度。
-
Patent Agency Ranking
公开(公告)号：CN114494673A
公开(公告)日：2022-05-13
申请号：CN202210073639.7
申请日：2022-01-21
Applicant: 南昌大学
IPC: G06V10/141 , G06V40/16 , G06T7/194 , G06T7/13 , G06N3/04
Abstract: 本发明提供了一种基于数字图像处理和深度学习的标准证件照的生成方法，方法旨在缓解当前证件照采集流程复杂、设备投入多、工作量大等问题，方法包括：首先在拍照现场布置补光灯、身份证读卡器和桌椅；然后开启移动客户端，通过身份证读卡器获取身份数据并激活客户端拍照，客户端将身份证数据和照片发送到图像处理服务器；图像处理服务器对身份证图像和现场照片进行对比，验证用户身份，并对现场拍摄的照片进行一系列的图像处理操作，包括使用深度学习模型进行人像提取，最终生成符合标准的证件照；该发明现场布置简单，业务流程清晰明了，自动化和智能化水平高。
-
公开(公告)号：CN109818775A
公开(公告)日：2019-05-28
申请号：CN201811538729.9
申请日：2018-12-14
Applicant: 南昌大学
Abstract: 本发明提供了基于自适应微分进化算法优化小波神经网络的短期网络流量预测方法，包括以下步骤：步骤1：数据预处理，将数据集拆分成训练样本和测试样本；步骤2：初始化小波神经网络WNN结构及自适应微分进化算法ADE种群大小NP、最大进化代数G、初始变异概率F0、交叉因子CR的参数；本发明在小波神经网络修正参数的步骤中增加动量项；同时采用自适应微分进化算法(ADE)生成小波神经网络初始连接权值、小波系数及动量项系数，通过优化调整WNN参数初始化的策略，建立了基于自适应微分进化算法优化小波神经网络(ADE-WNN)的模型，经过优化改进的小波神经网络模型，收敛速度更快，预测精度也更高且具有很好的稳定性，可以有效地预测未来短期的网络流量数据。
-
公开(公告)号：CN118158116A
公开(公告)日：2024-06-07
申请号：CN202410584760.5
申请日：2024-05-13
Applicant: 南昌大学
IPC: H04L41/147 , H04L41/16 , H04L41/14 , H04L41/142
Abstract: 本申请涉及网络运行指标预测技术领域，公开了一种基于Transformer时序预测模型的网络运行指标预测方法及系统，该方法包括：对原始时间序列数据进行预处理和多项时序分解，多项时序分解包括趋势项时序分解和周期项时序分解，以得到网络运行的多项时序数据；将多项时序数据输入嵌入层以得到可嵌入特征序列；将可嵌入特征序列输入引入了多头稀疏自注意力的编码器中以捕捉序列的全局信息和局部特征；将编码器输出特征和补充掩码序列输入解码器以得到预测网络运行指标。该方法能够解决现有的Transformer时序预测模型在长非平稳序列预测退化明显、对局部特征和周期特征提取不充分，使得无法满足复杂的非平稳时序预测需求的问题。
-
公开(公告)号：CN119583114A
公开(公告)日：2025-03-07
申请号：CN202411613726.2
申请日：2024-11-13
Applicant: 南昌大学
IPC: H04L9/40
Abstract: 本发明提供了一种动态多端口敲门的网络服务访问方法及系统，该方法包括：当用户访问敲门网络端口，按照预设敲门规则上传敲门数据包；对敲门数据包进行第一校验，若第一检验通过，则根据预设认证端口算法计算出敲门认证端口；用户根据预设认证端口算法计算出敲门认证端口，并尝试访问敲门认证端口，若访问成功，则按预设敲门认证规则向端口发送敲门认证数据包；对敲门认证数据包进行第二校验和信息认证，若二次检验和信息认证通过，则根据预设网络服务映射端口算法计算出网络服务端口；用户计算出端口号，并尝试访问系统的网络服务端口，若访问成功，则根据端口号访问网络服务。本发明能够提升服务的安全性，可避免针对性网络流量攻击。
-
公开(公告)号：CN118158116B
公开(公告)日：2024-09-13
申请号：CN202410584760.5
申请日：2024-05-13
Applicant: 南昌大学
IPC: H04L41/147 , H04L41/16 , H04L41/14 , H04L41/142
Abstract: 本申请涉及网络运行指标预测技术领域，公开了一种基于Transformer时序预测模型的网络运行指标预测方法及系统，该方法包括：对原始时间序列数据进行预处理和多项时序分解，多项时序分解包括趋势项时序分解和周期项时序分解，以得到网络运行的多项时序数据；将多项时序数据输入嵌入层以得到可嵌入特征序列；将可嵌入特征序列输入引入了多头稀疏自注意力的编码器中以捕捉序列的全局信息和局部特征；将编码器输出特征和补充掩码序列输入解码器以得到预测网络运行指标。该方法能够解决现有的Transformer时序预测模型在长非平稳序列预测退化明显、对局部特征和周期特征提取不充分，使得无法满足复杂的非平稳时序预测需求的问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
