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

Inventor： 冯思玲 ,  卢厚升 ,  黄梦醒 ,  王冠军 ,  刘慧舟 ,  徐博

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：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

Inventor： 冯思玲 ,  陈柏林 ,  黄梦醒 ,  王冠军 ,  刘慧舟 ,  徐博

IPC: G16H50/30 ,  G06N5/02 ,  G06N20/20

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：CN118312492A

公开(公告)日：2024-07-09

申请号：CN202410293386.3

申请日：2024-03-14

Applicant: 海南大学

Inventor： 唐浩 ,  徐博 ,  康鹏飞 ,  高锦雄 ,  于明天 ,  程铭浩

IPC: G06F16/21 ,  G06F16/26 ,  G06F16/28 ,  G06F9/54 ,  G06N5/022 ,  G06T17/00

Abstract: 本发明公开的数模知识融合的数字孪生本体模型在云场景的解析方法，包括以下步骤：步骤1，将实际物理设备的模型、参数、服务、控制、工作流以及安全管理以元素标签化方式进行数据数字化处理，根据不同粒度视角进行划分为各类信息库；步骤2，通过数学模型与机理模型知识进行融合形成数字孪生本体模型；步骤3，对步骤2数字孪生本体模型解析；步骤4，对步骤3解析后的数字孪生本体模型进行可视化操作。本发明公开的数模知识融合的数字孪生模型在云场景的解析方法，解决了物理实体和模型之间交互不充分、数据与机理规则之间的融合不充足问题，实现基于数模知识融合的数字孪生本体模型构建方法。

公开(公告)号：CN117972484A

公开(公告)日：2024-05-03

申请号：CN202410061916.1

申请日：2024-01-16

Applicant: 海南大学

Inventor： 徐博 ,  黄梦醒 ,  沈星浩 ,  张文生 ,  尤佳 ,  冯思玲

IPC: G06F18/24 ,  G06F18/25 ,  G06V10/44 ,  G06F40/30 ,  G10L25/63 ,  G06N3/0442

Abstract: 本发明公开一种可解释性的多模态自然语言情感分析方法及相关装置。该方法从待分析数据中获得多模态数据集，对所述多模态数据集进行预处理；对预处理后的多模态数据分别进行特征提取，获得多模态特征向量；将所述多模态特征向量分别输入到记忆注意模块和乘法融合层，并将输出结果进行拼接，得到拼接特征向量；将所述拼接特征向量输入分类器确定极性，输出分析结果，并采用LIME方法对所述分析结果产生局部解释。本发明提高了多模态情感分析的准确性和性能、计算效率以及模型的可解释性和用户信任度。

公开(公告)号：CN117876352A

公开(公告)日：2024-04-12

申请号：CN202410069928.9

申请日：2024-01-17

Applicant: 海南大学

Inventor： 尤佳 ,  唐浩 ,  徐博 ,  李京兵 ,  刘晋汝

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06T5/60

Abstract: 本发明公开了U‑V的特征增强融合用于脑肿瘤MRI图像分割的方法，具体内容为：整个流程是一个端到端的系统，从原始图像的预处理开始，通过特征增强提高图像质量，接着使用U‑Net模型进行局部特征提取和分割，最后应用ViT Transformer进行全局上下文分析和精确分割；这种结合了深度学习和Transformer架构的方法体现了在医学图像分割任务中的先进技术和创新应用。

公开(公告)号：CN117765326A

公开(公告)日：2024-03-26

申请号：CN202311804675.7

申请日：2023-12-26

Applicant: 海南大学

Inventor： 尤佳 ,  唐浩 ,  徐博 ,  黄梦醒 ,  张雨 ,  代丽斯

IPC: G06V10/764 ,  G06V10/80 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了高光谱图像进行深度降维分类方法，提出了DDR‑3CGAT的模型建立，它结合了深度降维技术、3D卷积神经网络3D‑CNN和图注意网络GAT；这种模型旨在克服高维数据处理中的困难，具备提高分类准确性的特点。