-
公开(公告)号：CN106254033B
公开(公告)日：2019-07-19
申请号：CN201610640565.5
申请日：2016-08-07
Applicant: 成都信息工程大学
Abstract: 本发明属于计算机信息存储技术领域，具体是一种用于任意多节点的阵列式存储系统的编码容错方法。本方法针对的错误类型为节点错误，即一旦某节点出现任意错误就认为该节点的数据全部不再可靠或全部丢失，该方法适用于任意多节点的阵列式存储，不仅能够提高存储系统的可靠性，适于公司或机构等数据量大且对数据稳定性要求高的情况，能够广泛的应用于服务器系统中。
-
公开(公告)号：CN109344778A
公开(公告)日：2019-02-15
申请号：CN201811177609.0
申请日：2018-10-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于生成对抗网络的无人机影像道路信息提取方法，包括步骤：获取训练数据；构建生成网络；构建判别网络；更新生成网络和判别网络参数；网络训练；提取的道路信息区域图像；对提取的道路信息区域图像进行形态学处理。本发明的优点在于：通过对校正的无人机遥感图像裁切原图和特征学习后的道路提取信息输出的对比，发现道路信息提取效果满足了快速识别低等级道路信息的研究目的，达成了道路信息自动提取的研究目标。
-
公开(公告)号：CN109101535A
公开(公告)日：2018-12-28
申请号：CN201810677992.X
申请日：2018-06-27
Applicant: 成都信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于曲率的槽脊线的提取与识别方法，包括如下步骤：S1、通过读取MICAPS第四类数据的方法获取格点数据；S2、根据格点数据计算等压线与等值线，并根据等值线判断高低压分区；S3、判断等压线是否为闭合曲线，若是则进入步骤S5，否则进入步骤S4；S4、根据曲率法提取等压线的槽点和脊点，并进入步骤S6；S5、根据高低压分区提取等压线的槽点和脊点，并进入步骤S6；S6、追踪槽点和脊点并连接出槽线和脊线，实现槽脊线的提取与识别。本发明解决了现有技术的工作量大、人力投入大、效率低以及分析结果存在偏差导致的精确度不高的问题。
-
公开(公告)号：CN108172298A
公开(公告)日：2018-06-15
申请号：CN201810086348.5
申请日：2018-01-30
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种心理量表的数据预处理方法，其包括以下步骤：S1、从至少两个选项中获取待保留的选项和待删除的选项；获取至少两个已知患病信息的心理量表样本；S2、对待删除的选项进行合并约简至待保留的选项中，得到基于保留选项集的数据集合，实现对心理量表选项的预处理；根据已知患病信息的心理量表样本对心理量表题目进行属性约简，删除模糊题目，实现对心理量表题目的预处理。本发明能够降低心理测量数据中选项的模糊度，并解决属性较多而样本较少时无法约简属性的问题，从而有效挖掘心理测量数据，提取有价值信息。
-
公开(公告)号：CN119645369A
公开(公告)日：2025-03-18
申请号：CN202411797408.6
申请日：2024-12-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及低代码开发平台技术领域，提供一种低代码开发平台的后台代码自动生成方法，包括：利用业务流程模型进行接口代码的自动生成处理，自动生成后台代码的接口代码；利用交互模型进行后台功能代码的自动生成处理，自动生成后台代码的后台功能代码；根据依赖关系，自动生成后台代码的相关扩展代码，并利用形式化方法，检测自动生成的后台代码与模型的一致性。
-
Patent Agency Ranking
公开(公告)号：CN115862875B
公开(公告)日：2024-02-09
申请号：CN202310167372.2
申请日：2023-02-27
Abstract: 进一步提高PPC预测的性能。本发明提供了一种基于多类型特征融合的术后肺部并发症预测方法及系统，属于数据处理技术领域，基于多类型特征融合的术后肺部并发症预测方法由其系统执行，方法包括：步骤S1.获取临床记录表格数据的表格数据特征；获取术前诊断文本的粗粒度医学语义信息特征和细粒度医学语义信息特征；步骤S2.分别对步骤S1得到的特征进行编码，分别得到第一矩阵、第二矩阵和第三矩阵；并采用自注意机制和交叉注意机制对得到的矩阵进行多类型特征融合，得到输出向
-
公开(公告)号：CN115130462B
公开(公告)日：2023-09-01
申请号：CN202210719139.6
申请日：2022-06-23
Applicant: 成都信息工程大学
IPC: G06F40/216 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/084 , G06N3/088 , G06N3/09
Abstract: 本发明涉及自然语言序列标注技术领域，公开了一种基于深度神经网络的信息抽取方法，BERT‑BiLSTM‑CRF模型能够解决信息抽取任务中存在的一词多义与同物异名问题，以及信息抽取任务中存在的待抽取信息长短不统一和待抽取信息有错别字、描述简短等问题，通过批量过采样的方式增加批量中少数类样本信息的数量，使得模型在训练的过程中可以有效学习到少数类样本信息的特征，从而在一定程度上解决数据类别分布不均衡的问题，使得少数类样本信息的抽取效果有显著提升。
-
公开(公告)号：CN110020428B
公开(公告)日：2023-05-23
申请号：CN201910132720.6
申请日：2019-02-22
Applicant: 成都信息工程大学
IPC: G06F40/295
Abstract: 本发明公开了一种基于半马尔可夫的联合识别和规范化中医症状名的方法，该模型通过识别和规范化过程分别采用半马尔可夫条件随机场和最大熵模型建模，采用L‑BFGS优化算法完成参数训练，并利用动态规划算法完成序列预测，最终通过对两个过程地互相约束和补充达到全局优化的目的，使其能更准确的识别较好的组合型临床症状名，最后通过实验验证了模型的效果。
-
公开(公告)号：CN115798671A
公开(公告)日：2023-03-14
申请号：CN202211365098.1
申请日：2022-11-03
Applicant: 成都信息工程大学
IPC: G16H20/10 , G06F40/205
Abstract: 本发明涉及自然语言生成技术领域，公开了基于深度序列生成的中医方剂生成方法及相关产品，所述方法包括：将疾病证候输入到深度序列生成模型中，通过所述深度序列生成模型输出治疗该疾病证候对应的中医方剂；本发明采用了基于标签嵌入增强的XLNet编码模型，通过训练疾病证候以及疾病证候对应的方剂，最终实现输入疾病证候，准确输出证候对应方剂的目的。XLNet编码器将疾病证候更好的表征给处理器，注意力机制使模型能够着重关注输入序列中对标签预测贡献大的部分，通过嵌入前一时间步的标签做下一步的预测，利用了标签之间的关系，改善了曝光偏差的问题；有利于辅助中医医生快速准确的开出中医方剂。
-
公开(公告)号：CN115472157A
公开(公告)日：2022-12-13
申请号：CN202211006117.1
申请日：2022-08-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于深度学习的中医临床语音识别方法及模型，主要采用深度学习模型Conformer来完成中医临床语音识别任务，采用音频特征增强方法提升模型识别效果，在中医临床语音识别模型训练和解码过程中采用联合CTC/Attention机制，在训练阶段，目标函数联合优化CTC损失和KL散度损失；在解码阶段，首先由CTC解码生成n个最佳候选，再由Attention解码器重新评分，将得分最高的结果作为输出，从而在中医临床语音识别中得到更好的识别结果。本发明通过语音识别录入中医临床电子病历，代替中医医生通过手写病历或键盘录入病历的传统方式，可以有效节约医生录入病历的时间和减轻医生工作负担。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.027 seconds)
