一种基于深度学习的心音智能诊断系统及方法

    公开(公告)号:CN107529645B

    公开(公告)日:2019-09-10

    申请号:CN201710515210.8

    申请日:2017-06-29

    Abstract: 本发明请求保护一种基于深度学习的心音智能诊断系统及方法,涉及生物信号处理、模式识别、大数据、深度学习领域。包括:1)用户通过心音采集设备或智能可穿戴式设备对心音音频数据进行采集;2)数据通过网络传输到云端服务器,进行心音音频数据的存储、建档;3)在云端服务器上采用基于逻辑回归‑隐半马尔科夫模型的心音分割算法对心音数据进行分割,并用一维卷积神经网络对分割后的心音数据进行自动特征提取和分类;4)诊断结果通过网络反馈给用户的同时存储在云端,以提供给相关机构和指定医院作为用户的临床病史参考;5)由专业医生确诊后的用户心音数据可作为训练数据扩充进云端服务器中的心音数据库中,不断提升心音诊断系统的诊断能力。

    一种基于密度峰值聚类的网络异常流量监测系统

    公开(公告)号:CN105376260B

    公开(公告)日:2018-12-28

    申请号:CN201510958055.8

    申请日:2015-12-18

    Abstract: 本发明请求保护一种基于密度峰值聚类的网络异常流量监测系统,包括:特征选择模块:通过关键字源IP地址在单位时间一分钟内聚合而选择新特征空间模块;子空间映射模块:将高维特征空间映射到多个低维空间上形成多个新特征空间数据;异常权重赋值模块:基于密度和距离的距离权重赋值方法,计算出每个子空间中的每个数据点的异常权重;异常权值整合:计算出的所有子空间中的异常权值进行整合,得到原空间数据点的最终异常权值;异常权值阈值确定模块:将最终异常权值逆序排序后,取斜率突变处为检测阈值;异常流量检测模块:所有异常权值大于阈值的网络流量检测为异常流量,小于为正常流量。本发明能适应多样的网络环境,并提高检测精度和准确率。

    一种基于知识图谱的关系链接方法

    公开(公告)号:CN107480125A

    公开(公告)日:2017-12-15

    申请号:CN201710543849.7

    申请日:2017-07-05

    Abstract: 本发明请求保护一种基于知识图谱的关系链接方法,首先,从知识图谱中利用SparQL查询语句找到包含某关系的三元组 列表集,并从非结构化的文本中匹配关系文本;使用LSWMD算法得到关系文本的相似性矩阵,再利用密度峰值聚类算法对关系文本进行聚类,得到关系文本类簇;基于关系文本类簇,抽取类簇中所有词语的位置,并利用贝塔分布进行拟合,得到关系文本类簇的词语分布模式;对于开放领域非结构化文本中未确定关系的候选关系文本,利用词语分布模式构建向量,并利用GBDT分类器进行识别,进而与知识图谱中的关系进行链接。本发明有效解决了将自然语言与知识图谱链接不充分的问题,能够帮助计算机更好的理解自然语言。

    一种基于离散正交多项式变换的多聚焦图像融合方法

    公开(公告)号:CN105931209A

    公开(公告)日:2016-09-07

    申请号:CN201610213236.2

    申请日:2016-04-07

    CPC classification number: G06T5/50 G06T2207/20021 G06T2207/20221

    Abstract: 本发明请求保护一种基于离散正交多项式变换的多聚焦图像融合方法,本发明首先对需要融合的多幅图像进行分块处理,得到m个n×n的块。其次,分别对每一个块进行离散正交多项式变换,得到对应的变换系数,利用空间频率SF与离散正交多项式变换系数之间的关系得到每一个块的空间频率大小。然后,比较多幅图像对应的每一块的空间频率大小,根据空间频率最大的融合规则融合多幅图像。最后,将融合后的图像进行一致性验证,得到融合后的图像。相较于传统的多聚焦图像融合方法,该方法首创性的用到了离散多项式变换域,并将图像的空间频率与离散多项式变换系数建立了联系,节省了融合的时间,并有效的提高了图像的融合效果。

    一种基于云模型和图割相结合的医学图像分割方法

    公开(公告)号:CN105389821A

    公开(公告)日:2016-03-09

    申请号:CN201510808682.3

    申请日:2015-11-20

    CPC classification number: G06T2207/20116

    Abstract: 本发明请求保护一种基于云模型和图割相结合的医学图像分割方法。该方法首先对图像进行平滑处理,去除噪点;接着利用逆向云变换分别计算出图像前景和背景的云特征值,利用X条件云发生器计算出每个像素对于前景和背景的隶属度;并计算出数据项和光滑项;然后建立能量函数构造相应网络图并用最大流/最小割算法实现医学图像分割;最后判定分割结果是否满足迭代条件,若满足则输出结果,反之,则重新计算当前分割结果前景和背景的云特征值。本发明通过云模型与图割算法的结合,不但保留了图割方法优良的多特征约束融合能力和全局最优性,还引入云模型的模糊性和随机性,以及二者之间关联的不确定性,可以有效地提高医学图像分割的精度。

    缩微交通环境下的锥形标识别方法

    公开(公告)号:CN102722695B

    公开(公告)日:2015-03-25

    申请号:CN201210146416.5

    申请日:2012-05-11

    Abstract: 本发明实施例提供了一种缩微交通环境下锥形标识别方法,建立以缩微智能车为原点的地面坐标系,对获取的图像信号进行分析处理从而识别锥形标,即逐个像素扫描,识别图像中的红色像素,将相邻红色像素进行标记形成图像中的红色区域;寻找能框住该红色区域的最小矩形,形成红色矩形块,对红色矩形块编号,并记录其左上角点和右上角点坐标;对编号的两两红色矩形块进行锥形标匹配,识别锥形标,从而完成对锥形标的识别,本发明能够在复杂的缩微交通环境下,特别是在有多块红色干扰的情况下能准确识别锥形标,从而为缩微智能车根据锥形标的摆放位置作出相应的驾驶行为提供准确的道路信息。

    缩微智能车辆寻线控制方法和装置

    公开(公告)号:CN102541063B

    公开(公告)日:2014-04-09

    申请号:CN201210082214.9

    申请日:2012-03-26

    Abstract: 本发明涉及智能交通领域,提供一种缩微智能车辆寻线控制方法,利用图像采集装置,获得道路的单通道灰度图像,对图像进行自适应阈值二值化处理,对单通道二值化图像进行边缘检测,在经过边缘检测处理后的图像中进行寻线处理,确定左车道线或/和右车道线;还提供一种缩微智能车辆寻线控制装置,包括与中央处理器相连接的图像获取模块、图像自适应阈值二值化处理模块、边缘检测模块、车道线寻线处理模块和车道线识别模块;本发明对图像进行滤光处理,能够去除比车道线宽的其它白色干扰,极大提升了光线不均匀、车道有强反光等在复杂环境下识别左或/和右车道线的准确率。

    一种高鲁棒性的深度伪造人脸检测方法

    公开(公告)号:CN115588226B

    公开(公告)日:2025-05-09

    申请号:CN202211354009.3

    申请日:2022-11-01

    Abstract: 本发明属于人工智能安全领域,涉及一种高鲁棒性的深度伪造人脸检测方法;本发明主要包括4个部分:首先获取原始数据集并进行筛选得到训练样本;对伪造人脸检测器进行扰动攻击,从而干扰伪造人脸检测器的分类准确率并得到扰动样本;采用卷积神经网络消除扰动样本中的对抗性扰动,得到重构图像分类器;将重构图像分类器和受到扰动攻击后的伪造人脸检测器进行集成,最终得到深度伪造人脸检测模型;本发明提高了模型鲁棒性,同时提升了模型检测准确率。

    一种基于V2G技术的商场放电系统
    69.
    发明公开

    公开(公告)号:CN119834326A

    公开(公告)日:2025-04-15

    申请号:CN202510020708.1

    申请日:2025-01-07

    Abstract: 本发明涉及一种基于V2G技术的商场放电系统,包括:流量分析模块,用于根据商业区的历史电力数据,实时预测未来时间段T内商业区的用电负荷情况;数据采集模块,用于计算电动汽车用户的里程焦虑状态;行为分析模块,用于计算电动汽车用户被引导的概率;行为引导模块,响应于电动汽车用户对充放电请求的回复信息,在电动汽车用户到达商业区时将电动汽车用户引导到对应的商业区负荷节点;放电调节模块,用于根据商业区在未来时段T内的用电负荷情况计算电动汽车用户在商业区负荷节点的放电功率和放电时间,提示电动汽车用户进行放电。本发明能够减小了电网的管理难度和运营成本,确保电网的稳定运行。

    一种基于知识蒸馏的自适应个性化联邦学习方法

    公开(公告)号:CN119808892A

    公开(公告)日:2025-04-11

    申请号:CN202411889312.2

    申请日:2024-12-20

    Abstract: 本发明属于联邦学习技术应用领域,特别涉及一种基于知识蒸馏的自适应个性化联邦学习方法,包括客户端通过变分自动编码器根据本地数据生成伪数据,对伪数据进行数据增强;利用增强后的数据对部署在服务器的教师模型进行强化训练;部署在客户端的学生模型基于输入样本生成软预测标签上传到服务器,服务器基于软预测标签的置信度对各个客户端的软预测标签进行动态加权;利用动态加权后的软标签进行进一步迭代训练,生成个性化标签,将个性化标签下发到对应的客户端;客户端根据收到的个性化标签构建蒸馏损失对学生模型进行训练;本发明能够在数据异构和模型异构的联邦学习场景中提高联邦模型性能,增强客户端个性化学习效果,满足客户端个性化需求。

Patent Agency Ranking