-
公开(公告)号：CN116720123A
公开(公告)日：2023-09-08
申请号：CN202311005397.9
申请日：2023-08-10
Applicant: 中南大学
IPC: G06F18/241 , G06N3/084 , G06F18/213
Abstract: 本申请适用于序列挖掘技术领域，提供了一种账户识别方法、装置、终端设备及介质，利用行为分类表，对已识别账户的行为记录进行分类，得到行为事件序列；根据时间信息和时间间隔阈值，对行为事件序列进行切分，得到多个行为序列片段；针对每个行为序列片段，提取每个行为事件的多元特征；构建行为序列编码器，并利用行为事件序列和多元特征对行为序列编码器进行训练，得到训练后的行为序列编码器；根据训练后的行为序列编码器，构建账户识别模型，并利用预先构建的识别损失函数对账户识别模型进行反向传播，得到最终的账户识别模型；利用最终的账户识别模型对待识别账户进行识别。本申请能够提高账户识别能力。
-
公开(公告)号：CN115934970A
公开(公告)日：2023-04-07
申请号：CN202310166988.8
申请日：2023-02-27
Applicant: 中南大学
IPC: G06F16/36 , G06F40/295 , G06F16/33 , G06F16/34
Abstract: 本申请适用于知识图谱技术领域，提供了一种基于多视图可视化的交互式实体对齐方法。通过将三元组信息输入实体对齐模型，得到源实体对应的候选对齐实体；针对每个源实体和候选对齐实体，分别绘制结构比较视图、邻域比较视图和词云比较视图；基于图编辑距离算法，在节点替换开销矩阵中引入对齐特征，并将候选对齐实体的替换开销置零，得到结构相似度量；利用样本相似度算法对邻域比较视图进行计算，得到邻域相似度量；利用集合匹配算法对词云比较视图进行计算，得到词云相似度量；根据上述三个相似度量，计算融合相似度量；根据结构比较视图、邻域比较视图、词云比较视图以及融合相似度量，进行实体对齐。本申请能够能提高实体对齐的准确性。
-
公开(公告)号：CN114677310A
公开(公告)日：2022-06-28
申请号：CN202210396331.6
申请日：2022-04-15
Applicant: 中南大学
Abstract: 本发明提供了一种延迟增强磁共振图像的降噪与重建方法及系统，包括如下步骤：使用DnCNN对DE‑MRI图像进行预处理；使用SRGAN的生成器和鉴别器相互对抗，交替训练生成质量更好的图像，采用梯度惩罚解决梯度消失的问题；在原SRGAN损失函数的基础上添加WGAN损失函数监测梯度下降，提高图像重建的准确性。本发明首先对DE‑MRI图像进行DnCNN降噪，得到高峰值信噪比的图像，作为SRGAN训练图像，增加DE‑CMR训练集，增强了模型的泛化能力；其次，通过最小化Wasserstein距离，并使用梯度惩罚，使生成图像的分布与真实图像的分布接近，避免了训练的消失和爆炸，加快了模型的训练速度；最后，添加WGAN损失函数提高图像重建的准确性，使图像重建质量明显提高。
-
公开(公告)号：CN114565711A
公开(公告)日：2022-05-31
申请号：CN202111631832.X
申请日：2021-12-28
Applicant: 中南大学
IPC: G06T17/00 , G06K9/62 , G06T5/00 , G06V10/764
Abstract: 本发明提供了一种基于深度学习的心脏图像重建方法及系统，包括：选取多个受试者的心脏进行切片扫描成像，每个切片获得三个图像，包括一个正常图像，一个AP方向的图像和一个FH方向的图像，将扫描获得的图像作为训练数据集，且扫描获得的图像包括清晰图像和模糊图像；使用ResNet模型对心脏扫描获得的图像进行分类，再使用多个SRN‑Deblur子模型对不同方向的模糊图像进行去模糊操作；利用AP方向的图像和FH方向的图像，计算血流矢量在三维空间中的方向和大小，用于测量模拟模糊图像的去模糊效果。利用速度编码磁共振成像进行四维流磁共振成像在心血管血流分析中具有很强的潜力，深度学习可以重建缺陷图像，消除速度编码磁共振成像中的运动模糊。
-
公开(公告)号：CN111553158A
公开(公告)日：2020-08-18
申请号：CN202010318430.3
申请日：2020-04-21
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网福建省电力有限公司 , 中南大学
Inventor： 范士雄 , 林静怀 , 徐郑崎 , 范海威 , 冯长有 , 韩晔 , 吴炜 , 皮俊波 , 王晶 , 刘幸蔚 , 李立新 , 於益军 , 廖志芳 , 赵祎祺 , 宋耀伦 , 吴锟 , 闫丽芬
IPC: G06F40/295 , G06F40/242 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明提出了一种基于BiLSTM-CRF模型的电力调度领域命名实体识别方法及系统，该方法包括，对原始语料进行分词，并进行标注，将标注结果转化为符合BiLSTM-CRF模型输入格式的第一标注结果；以所述BiLSTM-CRF模型为基础对所述第一标注结果进行识别并输出第二标注结果；从所得的第二标注结果中还原识别出的电力调度领域的命名实体。本发明的电力调度领域命名实体识别方法在一定程度上提高了电力调度领域命名实体识别的效率，并且能够保证电力调度领域命名实体识别结果具有较好的准确率和召回率。
-
Patent Agency Ranking
公开(公告)号：CN114677310B
公开(公告)日：2024-12-03
申请号：CN202210396331.6
申请日：2022-04-15
Applicant: 中南大学
IPC: G06T5/70 , G06T5/60 , G06T11/00 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种延迟增强磁共振图像的降噪与重建方法及系统，包括如下步骤：使用DnCNN对DE‑MRI图像进行预处理；使用SRGAN的生成器和鉴别器相互对抗，交替训练生成质量更好的图像，采用梯度惩罚解决梯度消失的问题；在原SRGAN损失函数的基础上添加WGAN损失函数监测梯度下降，提高图像重建的准确性。本发明首先对DE‑MRI图像进行DnCNN降噪，得到高峰值信噪比的图像，作为SRGAN训练图像，增加DE‑CMR训练集，增强了模型的泛化能力；其次，通过最小化Wasserstein距离，并使用梯度惩罚，使生成图像的分布与真实图像的分布接近，避免了训练的消失和爆炸，加快了模型的训练速度；最后，添加WGAN损失函数提高图像重建的准确性，使图像重建质量明显提高。
-
公开(公告)号：CN118656752A
公开(公告)日：2024-09-17
申请号：CN202410786242.1
申请日：2024-06-18
Applicant: 高速铁路建造技术国家工程研究中心 , 中南大学
IPC: G06F18/2433 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06F18/23213 , G06F123/02
Abstract: 本发明实施例中提供了一种用于桥梁时序异常分类的深度聚类方法，属于数据处理技术领域，具体包括：步骤1，获取多个传感器采集的桥梁的样本时序数据并进行预处理；步骤2，基于卷积神经网络和长短期记忆神经网络构建自编码模块；步骤3，将预处理后的样本时序数据输入编码器进行二阶段自编码训练；步骤4，提取特征信息和k l散度损失函数训练聚类器；步骤5，联合二阶段自编码训练的损失函数和k l散度损失函数得到融合损失函数，并据此再次训练编码器，并将训练好的编码器和训练好的聚类器形成分类模型；步骤6，采集目标桥梁上多个传感器对应的目标时序数据输入分类模型，得到分类结果。通过本发明的方案，提高了分类精准度和适应性。
-
公开(公告)号：CN111552809B
公开(公告)日：2024-07-02
申请号：CN202010323037.3
申请日：2020-04-22
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网福建省电力有限公司 , 中南大学
IPC: G06F16/35 , G06F16/36 , G06F16/951 , G06N20/20
Abstract: 本发明公开了一种基于百度百科的电网领域短语识别分类方法、系统，其中方法包括：从给定的语料C中提取出出现频次大于或等于阈值t的短语视为高频候选短语；对提取到的所述高频候选短语进行冗余短语过滤；从互联网上的百度百科中爬取经短语过滤后剩余的各所述高频候选短语对应的词条解释，并将无法爬取到所述词条解释的所述高频候选短语视为非法短语予以剔除，将能够爬取到所述词条解释的所述高频候选短语视为合法短语予以保留；通过预先训练的电网领域短语识别分类模型，对被视为合法短语的所述高频候选短语进行识别分类，输出电网领域短语。本发明实现了从语料中对电网领域短语的精准识别、提取。
-
公开(公告)号：CN115934970B
公开(公告)日：2023-06-02
申请号：CN202310166988.8
申请日：2023-02-27
Applicant: 中南大学
IPC: G06F16/36 , G06F40/295 , G06F16/33 , G06F16/34
Abstract: 本申请适用于知识图谱技术领域，提供了一种基于多视图可视化的交互式实体对齐方法。通过将三元组信息输入实体对齐模型，得到源实体对应的候选对齐实体；针对每个源实体和候选对齐实体，分别绘制结构比较视图、邻域比较视图和词云比较视图；基于图编辑距离算法，在节点替换开销矩阵中引入对齐特征，并将候选对齐实体的替换开销置零，得到结构相似度量；利用样本相似度算法对邻域比较视图进行计算，得到邻域相似度量；利用集合匹配算法对词云比较视图进行计算，得到词云相似度量；根据上述三个相似度量，计算融合相似度量；根据结构比较视图、邻域比较视图、词云比较视图以及融合相似度量，进行实体对齐。本申请能够能提高实体对齐的准确性。
-
公开(公告)号：CN113052893B
公开(公告)日：2022-05-06
申请号：CN202110315709.0
申请日：2021-03-24
Applicant: 中南大学
Abstract: 本发明提供了一种基于连通图和凸包的散点图去重叠算法，包括：步骤1，选取一个以图片为标记点的图片散点图，且图片散点图中的所有图片的四个边长都相等，获取图片散点图中每张图片的坐标和宽高；步骤2，通过碰撞检测算法计算图片散点图中各个图片之间的邻接矩阵；步骤3，根据计算出的各个图片之间的邻接矩阵和基于宽度优先搜索的暴力搜索方法计算图片散点图中所有图片的连通图；步骤4，对计算出的每个连通图计算凸包。本发明可以大幅减少以图片为标记的图片散点图的视觉重叠，完全消除图片散点图中单个凸包内的视觉重叠，为图片数据集的可视分析提供了有效的方法，提高了分析效率，用户可以准确感知图片散点图中图片的位置。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.019 seconds)
