-
公开(公告)号：CN116302088B
公开(公告)日：2023-09-08
申请号：CN202310012780.0
申请日：2023-01-05
Applicant: 广东工业大学
Abstract: 本发明涉及代码克隆检测技术领域，公开了一种代码克隆检测方法、存储介质及设备，通过同时提取M‑AST的语法信息和M‑CFG的语义信息用作代码克隆检测，可以检测到只用AST所检测不到的代码结构，并且通过将语法特征向量和语义特征向量融合生成特征向量的检测方式，提高对代码克隆检测的通用性，克隆检测成功率高。
-
公开(公告)号：CN116230089A
公开(公告)日：2023-06-06
申请号：CN202310109047.0
申请日：2023-02-14
Applicant: 广东工业大学
Abstract: 本发明提供一种用于推断lncRNA‑疾病关联的受校正相似性约束的概率矩阵分解方法，包括以下步骤：S1：获取lncRNA‑疾病邻接矩阵Y，所述lncRNA‑疾病邻接矩阵用于描述lncRNA‑疾病关联关系；S2：计算lncRNA表达相似矩阵ES和疾病语义相似矩阵DS；S3：利用Logistic函数对ES和DS进行相似性校正得到lncRNA校正相似性矩阵LE和疾病校正相似性矩阵LD，以突出相似性范围[0,1]内的强关联性，淡化弱关联性；S4：采用校正相似性矩阵LE和LD作为约束进行概率矩阵分解，在所述lncRNA‑疾病关联矩阵中预测lncRNA‑疾病的关联。本发明引入Logistic函数来重构lncRNA和疾病的相似度矩阵，建立一个更好的度量方式来精确描述lncRNA与疾病之间的相似关系。然后基于相似的lncRNA通常与对应的疾病存在相互关联的假设，在原有概率矩阵分解算法的基础上引入了更多的生物信息(即lncRNA和疾病的相似性)加以约束，实现了精确的lncRNA‑疾病的关联预测。
-
公开(公告)号：CN113241115A
公开(公告)日：2021-08-10
申请号：CN202110327870.X
申请日：2021-03-26
Applicant: 广东工业大学
Abstract: 本发明提供一种基于深度矩阵分解的环状RNA疾病关联预测方法，本发明通过相似核融合，整合已知circRNA与疾病的相似性，引入WKNKN算法来重构circRNA‑疾病关联矩阵，消除缺失未知关联对本发明方法的影响，最后利用奇异值分解和深度学习技术提取线性和非线性circRNA与疾病的特征，最后通过S型函数，得到最终的预测结果。
-
公开(公告)号：CN106528111B
公开(公告)日：2019-07-19
申请号：CN201610939664.3
申请日：2016-10-25
Applicant: 广东工业大学
IPC: G06F8/75
Abstract: 本发明公开了一种数据结构作业程序相似性度量方法，能对数据结构作业程序从多个角度进行相似性度量，避免了现有度量方案单一、陈旧的问题，且本方法还可以和程序动态测试结合起来，产生更多参考答案完备集，为识别答案和程序理解提供一些新的思路。本发明方法包括通过从数据结构作业程序中获取词法分析矩阵，并分别根据不同的词法分析矩阵计算三个相似度，再将三个相似度中的一个或者至少一个或者三个相似度与神经网络结合进行长期的学习，使度量结果更准确。
-
公开(公告)号：CN119247041B
公开(公告)日：2025-03-07
申请号：CN202411613972.8
申请日：2024-11-13
Applicant: 广东工业大学
IPC: G01R31/08
Abstract: 本发明属于电力信息文本数据处理领域，提供了电力信息三元组故障优先检测方法、系统及设备，基于所述电力信息定位矩阵生成电力信息定位中心矩阵，并分别计算每个电力信息定位矩阵与所述中心矩阵之间的分布定位和距离定位；根据分布定位与距离定位的对比生成每个电力信息三元组的电力信息分散距离，并基于所述电力信息分散距离对电力信息三元组进行排序得到电力信息三元组故障优先级序列，以所述优先级序列的顺序对故障问题进行处理。实现了在电力系统中对根本性故障的优先检测和处理，显著提高了电网故障排查的效率和精准度。
-
Patent Agency Ranking
公开(公告)号：CN119024700B
公开(公告)日：2025-02-18
申请号：CN202411163759.1
申请日：2024-08-23
Applicant: 广东工业大学
IPC: G05B13/04
Abstract: 本发明公开的属于自动控制与智能系统技术领域，具体为基于自适应最优控制方法和Voronoi分布运动协调算法的多目标系统跟踪方法，包括具体步骤如下：计算多目标系统的初始概率密度函数和动态障碍物的空间分布；获取多目标系统的状态演化路径，所述路径由时变高斯混合模型表示；构建包含多目标系统和动态障碍物的障碍地图函数，通过自适应最优控制方法计算系统的最优密度路径。本发明引入了自适应最优控制方法和Voronoi分布运动协调算法，通过高斯混合模型(GMM)和障碍地图函数的构建，能够准确地描述和预测大规模多目标系统在动态环境中的状态演化。
-
公开(公告)号：CN118840322B
公开(公告)日：2025-02-14
申请号：CN202410825920.0
申请日：2024-06-25
Applicant: 广东工业大学
IPC: G06T7/00 , G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开的属于道路病害检测技术领域，具体为一种基于深度学习的道路病害检测方法，包括利用RDDA算法进行检测的步骤，具体如下：道路病害数据集构建、构建图像特征提取模块、设计深度可分离无参注意力机制卷积模块、提取特征图深层特征、设计空间金字塔自适应池化融合模块、使用FPN模块进行特征融合、设计NWD‑EIoU损失函数、使用Head检测头检测、模型的训练和验证、将模型进行应用，本发明有效的解决了当前道路病害检测算法参数量大、小目标病害检测精度不足、复杂背景下道路病害检测效果差的问题，从而使得本发明的算法参数量更低，能够适合边缘设备的部署，满足道路病害检测的轻量化和实时性需求。
-
公开(公告)号：CN117853929B
公开(公告)日：2025-01-24
申请号：CN202410086333.4
申请日：2024-01-22
Applicant: 广东工业大学
Abstract: 本发明公开的属于深度学习目标检测与遥感军事结合技术领域，具体为一种基于MSG‑YOLOv7的轻量化遥感图像军事坦克目标检测算法，包括具体步骤如下：获取Google Earth公开的遥感军事坦克数据集，按6：2：2比例划分为训练集、验证集和测试集，在YOLOv7网络中，使用轻量级MobileNetv3替代原有Backbone，减少模型体积大小，设计更加适用于遥感目标的SD‑MP模块，减少下采样过程中坦克目标的特征损失，本发明将MobileNetv3替代传统的Backbone，并设计SD‑MP模块和GD‑ELAN模块，实现了模型轻量化、降低运算量，并提升了模型的表征能力，解决了遥感图像中军事坦克检测中体积和计算量过大的问题，为轻量级高效的遥感坦克目标检测提供了可行性的解决方案。
-
公开(公告)号：CN118314525B
公开(公告)日：2024-11-22
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118246012B
公开(公告)日：2024-11-01
申请号：CN202410380048.3
申请日：2024-03-29
Applicant: 广东工业大学
IPC: G06F21/56 , G06N3/0464 , G06N3/048 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/80
Abstract: 本发明提出了一种基于EPM‑MCNET神经网络的安卓恶意软件检测方法及系统，主要解决现有轻量级神经网络直接应用于安卓恶意软件检测领域效果不理想的问题。具体实现步骤如下：（1）构建一个安卓软件RGB图像数据集D，D由若干个安卓软件RGB图像FI构成；（2）构建并训练基于EPM‑MCNET神经网络的安卓恶意软件检测模型；该模型包括将安卓软件可视化为RGB图像部分和EPM‑MCNET神经网络部分；（3）运用基于EPM‑MCNET神经网络的安卓恶意软件检测模型对安卓软件进行检测，判断该安卓软件是否为安卓恶意软件。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.033 seconds)
