公开(公告)号：CN118606825A

公开(公告)日：2024-09-06

申请号：CN202410797776.4

申请日：2024-06-19

Applicant: 福州大学

Inventor： 王石平 ,  吴杰成 ,  陈赵亮 ,  吴文捷

IPC: G06F18/2415 ,  G06F18/22 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06F18/25 ,  G06N3/09 ,  G16B20/00 ,  G16B40/00

Abstract: 本发明提供一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，包括：自编码器模块、相似性网络融合模块和深度图卷积网络；所述自编码器模块用于接收多组学数据集，以对每种组学数据的基因特征进行特征提取，将其转化为更具有代表性的低维特征表示，最后将各个组学降维后的特征矩阵加权相加得到融合特征矩阵；所述相似性网络融合模块用于接收多组学数据集，以生成患者相似性网络；所述深度图卷积网络基于所述特征矩阵和患者相似性网络内进行迭代训练以学习患者节点的嵌入表示；通过线性分类层获得分类结果，根据该损失函数使用反向传播和梯度下降算法更新，基于最优模型输出待测患者节点对应的分类结果。

公开(公告)号：CN113160089B

公开(公告)日：2022-10-04

申请号：CN202110508093.9

申请日：2021-05-10

Applicant: 福州大学

Inventor： 王石平 ,  方惠 ,  王允斌 ,  陈昭炯

IPC: G06T5/00 ,  G06V10/30 ,  G06V10/56 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于局部密度损失的图像去噪方法，其特征在于：首先，采用全连接神经网络模型对图像像素值缺失的矩阵进行矩阵补全；然后，通过反向传播和梯度下降更新参数，将高斯影响函数进行求导得出高斯密度损失函数，且将高斯密度损失函数用于衡量模型预测的好坏。本发明能够有效地完成矩阵补全，引入局部密度损失函数进行模型预测好坏的衡量，在图像去噪任务上对比其他方法能够具有更加良好的性能，具有较高的实用价值。

公开(公告)号：CN112258410B

公开(公告)日：2022-09-06

申请号：CN202011136928.4

申请日：2020-10-22

Applicant: 福州大学

Inventor： 王石平 ,  陈赵亮 ,  姚杰 ,  郭文忠

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种可微分的低秩学习网络图像修复方法。将一个含有噪声的不完整的图像矩阵作为神经网络的输入，并输出重构后的图像。通过将近端梯度映射方法转换为带约束的优化问题，本发明方法提出了一种可以进行低秩矩阵重构的神经网络，该神经网络由多个可微分且可复用的模块堆叠组成，每一个模块都可以解决一个关于低秩优化的子问题。本发明方法的每一个模块输出一个优化得到的子矩阵，并对这些子矩阵连乘以得到重构后的图像矩阵。本发明成功利用了神经网络来解决图像低秩修复问题，并避免了传统方法在迭代过程中进行的奇异值分解过程，从而节省大量的计算时间，同时本发明依然能够在图像修复上有良好的性能，具有一定的实用价值。

公开(公告)号：CN109660814A

公开(公告)日：2019-04-19

申请号：CN201910010709.2

申请日：2019-01-07

Applicant: 福州大学

Inventor： 苏立超 ,  王石平 ,  罗欢

IPC: H04N19/89

Abstract: 本发明涉及一种视频前景删除篡改的检测方法，首先通过计算待测视频的能量因子并构造能量因子曲线，在时间域上准确检测被篡改视频序列的起止位置；其次，通过采用自适应参数的视觉背景提取改进算法来提取篡改视频序列中的每帧篡改痕迹；最后，通过将时域和空域检测结果相结合，获得最终的检测结果。本发明可实现对视频中存在的前景删除篡改方式的有效检测，而且具有检测时间短、检测准确率高、鲁棒性强等特点，能够有效抵抗视频中树叶、草木、水波等扰动的影响，从而为视频区域篡改取证，提供一种有效的检测手段。