-
公开(公告)号：CN102355670A
公开(公告)日：2012-02-15
申请号：CN201110212005.7
申请日：2011-07-27
Applicant: 浙江工业大学
Abstract: 一种多信道无线mesh网络信道分配方法，包括以下步骤：1)根据概率模型建立带权重的双向网络连接图，根据链路权重依次计算节点的链路干扰度和节点干扰度，从而根据节点干扰度在可用信道集合中选择使节点干扰度最小的信道作为节点固定接口的信道；2)建立通信周期，将其分为广播时隙和普通数据时隙，在广播时隙内发送和接收广播消息，在普通数据时隙内发送普通数据包，并且普通数据时隙进一步分为数据子时隙，不同的子时隙可以使用不同的信道，从而与不同的节点通信。本发明充分利用了多个非重叠信道，有效降低了网络干扰，提高了网络吞吐量和端到端时延等网络性能。
-
公开(公告)号：CN102104538A
公开(公告)日：2011-06-22
申请号：CN201010578542.9
申请日：2010-12-08
Applicant: 浙江工业大学
Abstract: 一种映射参数动态自适应的无线流媒体传输控制方法包括以下步骤：1)经过应用层视频流编码，在网络传输层中，按视频帧重要性添加初始化优先级标识，在MAC层中，节点根据各数据帧的最终优先级标识，分别映射至各优先级；2)根据实时网络负载分布和各优先级队列拥塞情况，按各视频帧特征动态计算其映射至各优先级的映射概率；3)根据实时网络条件，对关键帧采用双向映射机制；对其他增强层数据帧采用双重向下映射机制；4)MAC层根据当前网络状况和视频帧映射结果，将信息反馈至应用层和传输层。本发明有效提高网络吞吐量、实时视频传输时延较小、提高视频流传输质量。
-
公开(公告)号：CN112435186B
公开(公告)日：2024-04-26
申请号：CN202011315342.4
申请日：2020-11-20
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于双规则矩阵方向场的指纹图像增强方法，它包括以下步骤：先通过计算图像均值和方差判断点是否在指纹上，获得前景和背景；再设计双规则矩阵，通过双规则矩阵获取指纹方向场特征，并计算方向特征公式来判断前景区像素点是否位于脊线上，若在脊线上，则设置为黑色，否则为白色；再根据各个像素点其邻域去除指纹图形中的毛刺和空洞；最后进行形态学操作，获得最终指纹图像，从而实现指纹的图像增强。本发明实现了基于方向场的指纹图像增强方法，通过提出双正方形法确定方向场特征区域和方向特征公式实现指纹图像增强。
-
公开(公告)号：CN117539274A
公开(公告)日：2024-02-09
申请号：CN202311431264.8
申请日：2023-10-31
Applicant: 浙江工业大学
IPC: G05D1/46
Abstract: 本发明涉及一种基于边图注意力机制的强化学习多无人机任务规划方法，建立三维空间多无人机任务分配混合整数线性数学模型，建立马尔科夫决策过程；设计基于边图注意力机制的深度强化学习模型后对深度强化学习模型以分层强化的方式进行训练，以训练后的模型对多无人机进行任务规划。本发明在大规模任务数上，相比普通的进化算法和没有加入边特征的深度强化学习方法能得到较好的收敛结果，并且规模越大对比效果越明显，同时计算时间更短；训练好的不同模型在不同任务数环境下均能取得较好的效果，其泛化能力强。
-
公开(公告)号：CN117290006A
公开(公告)日：2023-12-26
申请号：CN202311039984.X
申请日：2023-08-17
Applicant: 浙江工业大学
IPC: G06F9/445
Abstract: 本发明涉及面向VEC的依赖性任务卸载和服务缓存联合优化方法，将车辆的任务分割为若干子任务，根据每个子任务的平均计算开销和平均通信开销以及任务的最大截止时间确定各子任务的卸载优先级，构建任务节点；依据任务节点对应的卸载优先级顺序和任务执行约束条件为每个车辆制定任务卸载效用最大的卸载决策，并根据服务流行度为执行任务的MEC服务器制定服务缓存策略。本发明能实现更低的任务响应时延和更低的车辆能量消耗，有效降低车辆任务的响应时延和提高车辆边缘计算网络的运行效率，有向无环图更加贴近现实生活，二阶段启发式算法为各子任务执行卸载决策，算法运行有效性更有保障。
-
Patent Agency Ranking
公开(公告)号：CN115457049A
公开(公告)日：2022-12-09
申请号：CN202211018870.2
申请日：2022-08-24
Applicant: 浙江工业大学
IPC: G06T7/11 , G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于多注意力机制的可变形卷积肺部CT图像分割方法，涉及深度学习领域，本发明首先对数据集进行数据预处理和数据增广，然后构建网络模型，网络模型包括主干网络、边缘注意力模块、自适应可形变卷积模块和双重注意力融合模块。图像进入网络模型，先经过主干网络进行编码，然后通过边缘注意力模块，抑制没有空间相关性的区域边缘特征信息，提高目标区域边缘特征的权重比。再通过自适应可形变卷积模块学习卷积参数和坐标偏移从而自适应感受野。最后通过双重注意力融合模块融合EAM模块和ADC模块所提取的丰富特征，利用上层特征生成的特征图来增强下层特征，再将增强的下层特征与上层特征集成之后输出分割的图像。
-
公开(公告)号：CN115456890A
公开(公告)日：2022-12-09
申请号：CN202211011789.1
申请日：2022-08-23
Applicant: 浙江工业大学
Abstract: 基于多尺度双域判别器的GAN医学CT图像去噪方法，具体步骤如下：步骤1)创建医学CT图像模型；步骤2)构建去噪网络生成器部分；步骤3)构建去噪网络判别器部分；步骤4)数据集预处理；步骤5)训练去噪网络并更新参数；本发明具有以下优点：1)提出了使用GAN网络的对抗性损失对医学CT图像去噪，增强去噪图像的结构和纹理细节，同时防止去噪图像发生过度平滑的问题；2)对GAN网络的判别器进行改进，使用包含多尺度特征提取模的判别器块代替原有的判别器，增强判别器辨别真假的能力；3)在已有图像域判别器的基础上，新增图像梯度域的判别器，增强去噪网络有效减轻条纹伪影和获取图像边缘信息的能力。
-
公开(公告)号：CN114710820A
公开(公告)日：2022-07-05
申请号：CN202210163613.1
申请日：2022-02-23
Applicant: 浙江工业大学
IPC: H04W40/20
Abstract: 本发明涉及一种适用于纳米网络的流引导机会路由方法，纳米网络内分布设置若干纳米网关节点和若干纳米节点；以每个纳米节点不间断获取周围其他纳米节点的相对位置，进而获得此纳米节点在不同时刻的移动状态，并基于纳米网关节点的周期性发送的探测数据包，获得所有纳米节点的索引值index，用于选择最优纳米节点作为传递数据的候选节点。本发明高效、可靠，可以使得在纳米网络中移动的纳米节点高效快速地转发数据包到目的纳米网关节点，减少能量的消耗，减少数据传输时延，充分利用纳米节点在纳米网络环境中的移动性作为选择候选节点的衡量标准，利用节点的局部移动性提高纳米网关节点、纳米节点之间数据包转发的效率，提高能量利用率。
-
公开(公告)号：CN114219719A
公开(公告)日：2022-03-22
申请号：CN202111254289.6
申请日：2021-10-27
Applicant: 浙江工业大学
Abstract: 基于双重注意力和多尺度特征的CNN医学CT图像去噪算法，具体步骤如下：步骤1)创建医学CT图像模型；步骤2)构建噪声先验信息提取网络；步骤3)构建去噪网络；步骤4)数据集预处理；步骤5)训练去噪网络并更新参数；本发明具有以下优点：1)提出了使用双重注意力机制融入噪声先验网络对医学CT图像去噪，增强了对于噪声的提取效果。2)在去噪网络中使用多尺度的上下文模块，增强了网络对于图像的细节纹理保留效果。
-
公开(公告)号：CN110322437B
公开(公告)日：2021-10-15
申请号：CN201910535049.X
申请日：2019-06-20
Applicant: 浙江工业大学
Abstract: 本发明涉及一种基于自动编码器和BP神经网络的织物缺陷检测方法，在正常图像样本中加入预设比例的经疵和纬疵图像样本，创建自动编码器训练集后输入自动编码器模型，得到重构图像后分别与正常、经疵和纬疵图像样本作差，预处理作差图；创建BP神经网络模型，以处理得到的数据集作为训练集，得到BP神经网络模型，输入待测样本图像，将待测样本图像与重构图像作差，预处理后得到待测作差图像，输入BP神经网络检测并输出织物缺陷种类。本发明可以高效、准确进行织物缺陷检测，识别率高，满足工厂生产车间织物的检测要求；将被广泛应用、发展非常成熟、对图像处理非常高效的深度神经网络模型应用于织物缺陷检测中，提高织物的生产效率。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.033 seconds)
