-
公开(公告)号：CN119694582A
公开(公告)日：2025-03-25
申请号：CN202411747695.X
申请日：2024-12-02
Applicant: 海南大学
IPC: G16H50/70 , G16H50/30 , G06F18/2415 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0895
Abstract: 本申请涉及一种基于门控自适应机制的病情转归预测方法和装置。所述方法包括：获取慢病相关数据，根据慢病相关数据进行特征相关性分析，生成图数据并对图数据进行特征增强；基于图数据利用多层GAT混合模型进行预测，获取转归状态的时间序列；其中，多层GAT混合模型包括若干GATConv层、若干LSTMAggregation层和基于门控自适应的特征融合层；利用格拉姆角场将转归状态的时间序列输出为转归矩阵。本发明通过门控机制和注意力机制进行图级的全局特征融合，使多层GAT混合模型具有强大的图特征提取能力，能有效地提高了功率预测的精度和准确性。同时，使用上述多层GAT混合模型对各个患者的每个数据点进行转归预测，再采用格拉姆角场生成转归矩阵，便于进一步转归分析。
-
公开(公告)号：CN119160363A
公开(公告)日：2024-12-20
申请号：CN202411230896.2
申请日：2024-09-04
Applicant: 海南大学
Abstract: 本发明公开了一种带翻滚装置的水下仿生双鳍机器人及其控制方法，机器人采用上下对称、左右对称的结构，包括外壳、双鳍模块、传动模块、翻滚模块和控制系统，其中，翻滚模块包括三个行星轮、一个太阳轮和一个行星架，太阳轮与输出轴刚性连接，行星架与行星轮由轴承滑动连接，三个行星轮与行星架内啮合，与太阳轮外啮合；通过转动机构转动时三个行星轮的质量分布的变化，使机器人原本靠近下部中线上的质心偏移到身体一侧，并由双鳍配合摆动在不同的深度上提供两个方向相反的侧向力，辅助机器人完成翻滚动作。本发明通过调整翻滚模块的重量分配，可以使机器人在水平轴线方向进行翻滚并保持翻滚后的状态；通过调节双鳍模块相反的偏置中位和相反的摆动方向，可以辅助机器人完成翻滚。本发明结构简单紧凑，通过翻滚模块与双鳍模块的配合可实现机器人翻滚运动和运动姿态的转变。
-
公开(公告)号：CN118397416A
公开(公告)日：2024-07-26
申请号：CN202410637664.2
申请日：2024-05-22
Applicant: 海南大学
IPC: G06V10/80 , G06V10/25 , G06V10/40 , G06V10/82 , G06V10/774
Abstract: 本发明公开一种基于语义引导图像融合的自适应目标检测方法，行人可见光图像IV输入可见光检测分支得到可见光检测损失，并优化可见光检测分支；行人红外图像II输入红外光检测分支得到红外光检测损失，并优红外光检测分支；行人可见光图像IV和行人红外光图像II输入融合分支后得到融合后图像IF和融合损失，融合后图像分别输入可见光检测分支和红外光检测分支得到检测驱动损失，上述训练过程中得到的融合损失和检测驱动损失共同优化融合分支；融合图像输入固定检测网络得到检测结果：基于语义特征引导的图像融合训练网络推理得到的融合后图像输入一个固定检测网络后得到最终的检测结果。本发明能够有效提高目标检测准确率。
-
-
公开(公告)号：CN119826796A
公开(公告)日：2025-04-15
申请号：CN202411690096.9
申请日：2024-11-25
Applicant: 海南大学
Abstract: 本发明公开了一种基于自适应权重调整的多传感器融合水下SLAM系统及方法，包括多模态传感器模块、数据预处理与同步模块、自适应权重调整模块、多传感器数据融合模块、SLAM计算与地图更新模块和SLAMS结果输出模块，所述自适应权重调整模块实时监测多模态传感器模块的各个传感器的数据质量，根据水下环境的变化自动调整各个传感器的权重。本发明能够在光线不足、障碍物复杂或水体浑浊的环境中实现稳定的水下定位和导航，尤其适用于水下勘探、检测和复杂地形建模等任务。与传统SLAM技术相比，本发明通过实时调整传感器权重，克服了单一数据源的局限性，显著提升了SLAM系统在不同水下环境中的适应性和精度。
-
Patent Agency Ranking
公开(公告)号：CN119471859A
公开(公告)日：2025-02-18
申请号：CN202411450064.1
申请日：2024-10-17
Applicant: 海南大学
IPC: G01W1/10 , G06N5/022 , G06N5/04 , G06F18/25 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明提供基于时序知识图谱推理和静态多元时空注意力融合的天气预测系统，通过数据采集、数据处理来获取历史气象数据，将获取的数据进行时序知识图谱的构建，接着利用嵌入方法来生成一个高维特征合集，利用高维特征合集通过静态特征提取、多元时空特征提取和特征融合进行SMTAFormer模型训练，以此来进行气象要素的预测；通过对预测结果进行评估，包括误差分析、准确率分析来确定和优化预测模型的可靠性；本发明可以突显气象数据之间潜在的时空信息和多元特征，利用多头自注意力机制有效地挖掘其依赖关系，弥补了传统预测模型准确度较低的局限性，提高了时序知识图谱推理和静态多元时空注意力融合相结合的天气预测的准确性。
-
公开(公告)号：CN119361166A
公开(公告)日：2025-01-24
申请号：CN202411273540.7
申请日：2024-09-12
Applicant: 海南大学
IPC: G16H50/70 , G06F18/213 , G06F18/15 , G06F18/214 , G06F18/241 , G16H50/20 , G06N3/04 , G06N3/0895
Abstract: 本发明公开了一种融合半监督学习与多支路神经网络的老年慢病分型方法。该方法包括：获取多种目标类型的老年慢病数据集，对所述数据集进行预处理；基于半监督学习与多支路神经网络，建立老年慢病分型模型；使用测试数据集对模型的准确率和精准度来进行评估。通过本发明的技术方案，实现对多类型老年慢病进行全面诊断和评估，提高诊断准确性，减少误诊率。
-
公开(公告)号：CN119314673A
公开(公告)日：2025-01-14
申请号：CN202411385219.8
申请日：2024-09-30
Applicant: 海南大学
Abstract: 本发明公开了一种基于时序知识图谱的老年慢性病风险预测方法及系统，属于医疗健康信息技术领域，其中该方法包括以下步骤：步骤S1：获取老年人群的健康数据集；步骤S2：基于ESOA‑XGBoost算法，对健康数据集中的各个健康数据进行特征选择和排序，以确定变量之间的相关性，生成健康数据特征集；步骤S3：构建并训练包含STKGR‑PR模型和T i PNN模型在内的时序知识图谱预测模型，通过时序知识图谱预测模型预测目标实体、其他实体、时序信息之间的关系；步骤S4：根据已训练好的时序知识图谱预测模型，对老年人群的老年慢性病风险进行预测；通过该方法能够得到预测效果好、准确性高的老年慢性病风险预测结果。
-
公开(公告)号：CN119249341A
公开(公告)日：2025-01-03
申请号：CN202411070388.2
申请日：2024-08-06
Applicant: 海南大学
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06F18/24 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于多模态多尺度特征融合的故障诊断方法，所述方法包括：通过传感器采集航空发动机轴承不同位置发生故障时的信号源，所述信号源包括但不限于：振动信号、声信号、温度、湿度、电流；对所述振动信号进行统一去噪处理，得到初始一维信号X0；对初始一维信号X0，经过MCNN模块进行一维特征提取；对初始一维信号X0进行图像转换，得到初始二维图像T1，对初始二维图像T1，进行二维特征提取；将提取出的一维特征与二维特征进行融合，生成多模态特征H1；将融合后的多模态特征H1输入LSTM网络进行故障的诊断分类。本发明通过将融合后的多模态特征输入LSTM分类模块进行故障的诊断分类，实现对航空发动机轴承的故障检测。
-
公开(公告)号：CN118822850A
公开(公告)日：2024-10-22
申请号：CN202411018681.4
申请日：2024-07-29
Applicant: 海南大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种多尺度密集残差网络红外热成像超分辨率重建方法及系统。所述方法包括：获取红外热成像图像进行处理，得到高分辨率图像、低分辨率图像作为图像对输入至多尺度密集残差超分辨率重建网络模型中；提取出图像对中的浅层次低频特征、深层次高频特征进行特征融合，并将融合后的特征输入至图像重建模块中重建出超分辨率图像。通过训练建立多尺度密集残差超分辨率重建网络模型，使用浅层特征提取模块、深层特征提取模块、特征融合模块、图像重建模块可以改进对红外热图像的温度信息的重建效果，可以恢复红外热成像图像的纹理细节，从而改善重建超分辨率图像的整体质量，提高红外热图像的重建效果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.018 seconds)
