公开(公告)号：CN119719824A

公开(公告)日：2025-03-28

申请号：CN202411905282.X

申请日：2024-12-23

Applicant: 广东工业大学

Inventor： 黄展培 ,  王鹏凯 ,  冯森 ,  张逸群 ,  姬玉柱 ,  曾安

IPC: G06F18/2321 ,  G06F18/21 ,  G06F18/10

Abstract: 本发明公开了一种基于双空间学习的分类数据聚类方法及系统，包括以下步骤：S1、接收并预处理包含多个分类属性的数据集，对分类属性值进行统一格式编码转换，初始化聚类归属矩阵和度量权重。S2、构造新的度量函数，动态调整度量空间权重，最小化聚类目标函数，通过交替迭代优化权重和聚类划分。S3、优化属性子空间权重，评估属性在聚类中的重要性，定义聚类紧致性，并使用Hellinger距离衡量属性的聚类可分性，计算属性权重。S4、结合度量空间学习与属性值子空间学习，协同更新度量权重和属性权重，优化目标函数，实现分类数据的聚类。本申请与传统技术相比，能够自适应调整度量和属性权重，克服了固定规则的局限，显著提高了聚类性能和泛化能力。

公开(公告)号：CN119784292A

公开(公告)日：2025-04-08

申请号：CN202411900442.1

申请日：2024-12-23

Applicant: 广东工业大学

Inventor： 曾安 ,  陈峥嵘 ,  朱清华 ,  姬玉柱 ,  杨宝瑶 ,  潘丹 ,  吴恒

IPC: G06Q10/087 ,  G06Q30/0601 ,  G06Q30/0201 ,  G06N3/092

Abstract: 本发明涉及供应链技术领域，公开了一种基于深度强化学习的供应链资源控制优化方法，包括：构建多阶段供应链环境；构建动作分解的软演员‑评论家智能体；使用所述多阶段供应链环境训练所述软演员‑评论家智能体，获得训练好的软演员‑评论家智能体；将所述训练好的软演员‑评论家智能体部署到目标供应链，输出最佳动作决策。本发明针对如需求波动、复杂的结构、高维的状态与动作空间以及复杂的奖励函数等问题，提出了一种基于深度强化学习智能体，该智能体通过使用特征提取模块和动作分解机制，使其能够通过分析历史生产订单需求和缺货记录来预测未来的市场趋势，并且基于实时的供应链库存数据，智能体能够动态地调整库存管理策略，有效应对供应链资源协同控制优化中的多种问题，有效减少库存积压和缺货风险，还提高供应链的响应速度和灵活性，最终实现整体运营效率的显著提升。

公开(公告)号：CN115620917A

公开(公告)日：2023-01-17

申请号：CN202211297374.5

申请日：2022-10-21

Applicant: 广东工业大学

Inventor： 詹少强 ,  张逸群 ,  潘丹 ,  曾安 ,  姬玉柱 ,  杨宝瑶 ,  蒋艳荣 ,  孙鸿涛

IPC: G16H50/70

Abstract: 本发明涉及医疗数据挖掘领域，公开了一种重症监护数据处理方法、应用及设备，所述方法包括：获取包括潜在患者数据和对应的临床特征数据的重症监护数据集；将临床特征数据划分为静态临床特征数据和动态临床特征数据；将潜在患者数据和静态临床特征数据输入预筛选模型，得到重症阳性样本和重症阴性样本；根据重症阳性样本和重症阴性样本，对动态临床特征数据重新赋予特征权重；将重新赋予特征权重的动态临床特征数据和重症阳性样本输入重症监护数据处理模型进行处理，得到重症监护数据的处理结果，并根据重症监护数据的处理结果，对预筛选模型进行更新，本发明提高了模型的处理精度和效率，降低了潜在患者的经济负担，缓解了医疗资源分配的压力。

公开(公告)号：CN119251491A

公开(公告)日：2025-01-03

申请号：CN202411242874.8

申请日：2024-09-05

Applicant: 广东工业大学

Inventor： 姬玉柱 ,  邱淑洁 ,  张逸群 ,  曾安

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及医学图像处理领域，提出一种基于语义上下文关系与几何感知先验的医疗影像器官分割方法，其步骤包括：将具有分割真值的多器官医疗影像数据划分出几何信息作为几何先验约束；对待分割的多器官医疗影像数据进行预处理，并输入基于三维卷积的编码译码网络抽取多级特征；对多器官医疗影像数据计算空间上下文语义关系，并将所述空间上下文语义关系注入多级特征；通过编码译码网络将所述几何先验约束与多级特征进行特征融合，并基于激活函数对待分割的多器官医疗影像数据进行器官分割，得到分割结果。本发明可有效解决现有技术对三维器官图像划分不精确的问题。

公开(公告)号：CN117195011A

公开(公告)日：2023-12-08

申请号：CN202310977090.9

申请日：2023-08-03

Applicant: 广东工业大学

Inventor： 赵明杰 ,  张逸群 ,  姬玉柱

IPC: G06F18/23 ,  G06F18/24 ,  G06F18/25 ,  G06F18/214

Abstract: 本发明公开了一种基于多簇判别器的无监督概念漂移检测方法，如下：将不同时间段流入的数据组织成不同的数据块；将第一个流入的数据块作为基分布数据块，使用不平衡聚类方法对基分布数据块进行划分学习，根据基分布数据块的数据分布信息，将每个簇以区分，从而独立出大簇与小簇；训练多簇判别器，利用划分学习后的簇结构训练多个单分类器，利用多个训练好的单分类器组成多簇判别器；通过多簇判别器监控后续流入的测试数据块中各个簇的新分布样本占比情况，当新分布样本占比大于设定的漂移阈值时，报告漂移发生。本发明的方法不论是小簇还是大簇的漂移，都能很好的检测，并且还具有了定位漂移簇的位置的能力，这可以让本发明更好的理解漂移。

公开(公告)号：CN116933207A

公开(公告)日：2023-10-24

申请号：CN202310925040.6

申请日：2023-07-25

Applicant: 广东工业大学

Inventor： 曾安 ,  张志鹏 ,  张逸群 ,  潘丹 ,  姬玉柱 ,  刘鑫 ,  周钰婷 ,  许灿耀

IPC: G06F18/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/049 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明提供一种跨维度的多元时间序列预测方法和系统，涉及多元时间序列预测技术领域，方法包括：获取待预测的多元时间序列并分解为趋势项和季节项；利用训练好的趋势项预测模型对趋势项进行预测，获取趋势项预测结果；利用训练好的季节项预测模型对季节项进行预测，获取季节项预测结果；最后将趋势项预测结果与季节项预测结果进行融合，获取多元时间序列预测结果，完成跨维度的多元时间序列预测；本发明通过建立多层次分解跨维度信息提取的预测模型，将多元时间序列分解为趋势项和季节项并分别进行预测，并基于膨胀卷积和注意力机制提取季节项的跨维度和跨时间相关信息，有效地提高了预测的准确性，实现了对跨维度的多变量时间序列的准确预测。

公开(公告)号：CN116958161A

公开(公告)日：2023-10-27

申请号：CN202310938434.5

申请日：2023-07-27

Applicant: 广东工业大学

Inventor： 曾安 ,  陈旭宙 ,  姬玉柱 ,  潘丹 ,  赵靖亮 ,  刘鑫

IPC: G06T7/10 ,  G06V10/764 ,  G06V10/80 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于自注意力和三维卷积的心脏多类分割方法和系统，方法包括：获取人体心脏CT三维图像数据集并进行预处理；建立基于自注意力和三维卷积的心脏多类分割模型；将预处理后的人体心脏CT三维图像数据集裁剪为若干个预设大小的三维方块，将所有三维方块依次输入心脏多类分割模型中进行迭代训练；将待分割的人体心脏CT三维图像输入训练好的心脏多类分割模型中进行像素分类，完成心脏的多类分割；本发明在编解码网络的深层提出三维自注意力机制和三维卷积并行进行特征提取，以及设置3D空间感知模块，能够提取不同维度之间的相关性信息，有效解决图像下采样操作可能导致的信息丢失问题，并提高心脏分割的准确性。

公开(公告)号：CN116843697A

公开(公告)日：2023-10-03

申请号：CN202310639973.9

申请日：2023-05-31

Applicant: 广东工业大学

Inventor： 曾安 ,  何诗婷 ,  潘丹 ,  姬玉柱 ,  杨宝瑶 ,  赵靖亮

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06T17/00

Abstract: 本发明提供一种二阶段的3D冠状动脉分割重构方法和系统，方法包括获取冠状动脉的真实标签并利用膨胀算子进行膨胀，获取冠状动脉的膨胀标签；以冠状动脉的膨胀标签作为监督信息，获取3D心血管图像并输入训练好的粗分割模型中进行粗分割，获取冠状动脉的位置特征图并与3D心血管图像进行特征融合；将融合后的3D心血管图像进行分割切片和切片组合，获取若干张2D心血管图像组合切片并输入训练好的精分割模型中进行精分割处理；最后将所有精分割后的2D心血管图像切片进行堆叠，获取重构的3D冠状动脉图像，完成3D冠状动脉的分割和重构；本发明从粗到细进行冠状动脉的二阶段分割和重构，能够有效提高冠状动脉重构的精度。

公开(公告)号：CN119832480A

公开(公告)日：2025-04-15

申请号：CN202510043748.8

申请日：2025-01-10

Applicant: 广东工业大学

Inventor： 邱淑洁 ,  甘国基 ,  龙志全 ,  杨杰 ,  姬玉柱 ,  张逸群 ,  曾安

IPC: G06V20/40 ,  G06V10/46 ,  G06N3/045 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明提供了一种基于时空上下文场景关系传播的视频显著性物体检测方法，涉及视频显著性物体检测的技术领域。首先，对视频帧序列中每一帧视频进行场景解析，获得每一帧视频对应的实例级对象。接着，提取每一帧视频及其对应的实例级对象的全局实例级特征、局部实例级特征及帧内低级特征。然后，从相同的视频帧序列中随机采样任一帧视频的匹配帧，提取匹配帧全局实例级特征，将全局实例级特征整合到匹配帧全局实例级特征中，得到视频帧间的时间特征；使用密集空间注意机制将局部实例级特征集成到全局实例级特征，得到空间特征。将时间特征和空间特征进行特征拼接，得到时空特征。将时空特征和全局实例级特征输入到基于门控循环单元的卷积神经网络中进行更新，得到高级时空特征。最后，将帧内低级特征和高级时空特征进行特征融合后解码，生成视频显著性物体掩码检测结果。本发明利用了视频中丰富的帧间和帧内场景关系信息，提高了在复杂场景中视频显著性物体检测的准确率。

公开(公告)号：CN119090223A

公开(公告)日：2024-12-06

申请号：CN202411209654.5

申请日：2024-08-30

Applicant: 广东工业大学

Inventor： 曾安 ,  许鸿迈 ,  潘丹 ,  朱清华 ,  杨宝瑶 ,  姬玉柱

IPC: G06Q10/0631 ,  G06Q10/087 ,  G06Q50/04 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明涉及供应链调度技术领域，公开了一种基于全局Critic多智能体算法的多重供应链调度方法及系统，方法包括：构建多智能体供应链环境；引入全局Critic网络，利用多智能体深度确定性策略梯度算法对所述多智能体供应链环境进行强化学习，构建多智能体决策模型；将供应链需求数据输入所述多智能体决策模型进行优化调度处理，生成以供应链整体利润最大化的调度策略。本发明引入全局Critic网络减少多智能体竞争，优化整体性能。利用多智能体深度确定性策略梯度算法构建决策模型，适应复杂供应链环境。以整体利润最大化为目标，解决效率和收益低的问题。环境具有较强适应性，可处理不同规模调度问题。通过持续学习优化决策，提高可靠性，显著提升效率和收益。