-
公开(公告)号：CN115051908B
公开(公告)日：2023-07-07
申请号：CN202210680708.0
申请日：2022-06-15
Applicant: 海南大学
IPC: H04L41/0604 , H04L41/14 , H04L41/28 , H04L43/0823
Abstract: 本发明公开了一种具有双敏感性的数据传输故障检测方法。本发明包括1、建立数据传输过程的状态空间模型；2、建立数据传输过程的自适应事件触发条件；3、建立混杂自适应事件触发异步滤波器模型；4、构造数据传输过程的故障检测模型；5、引入增益隐私安全敏感性机制和增益故障检测敏感性机制；6、引入阈值报警故障检测机制；7、设计数据传输过程的自适应事件触发故障检测滤波器。本发明提高数据传输的效率和质量，同时也提高数据的隐私安全性。本发明充分考虑了数据包的非负性、随机性等特点以及数据隐私安全性问题，设计了具有故障检测敏感性和数据隐私安全敏感性的异步滤波器，大大降低了设计成本、提高了数据传输过程中的资源利用率。
-
公开(公告)号：CN113643197B
公开(公告)日：2023-06-20
申请号：CN202110814955.0
申请日：2021-07-19
Applicant: 海南大学
Abstract: 本发明提供一种结合引导滤波和NSCT的两阶轻量型网络全色锐化方法，将引导滤波保留更好的边缘、细节信息和NSCT多尺度多方向的分解优势，与CNN相结合搭建两阶轻量型网络模型对MS图像和PAN图像进行融合，其中引导滤波对直方图匹配后的全色图像MLPAN进行滤波得到多尺度的高频分量以及低频分量，NSCT对从MS图像中提取的I分量图像进行滤波得到多尺度多方向的高频方向子带图像以及低频子带图像，再利用残差模块的优势构建细节提取网络ResCNN以提取注入细节In‑details，最后将In‑details和DUMS图像作为输入构建非线性模型NLCNN，对NLCNN网络充分训练，得到最优模型，该方法能更大程度提高空间分辨率的同时保留光谱信息，网络结构简单，减少了训练时间，防止出现过拟合现象，提高融合性能。
-
公开(公告)号：CN116089605A
公开(公告)日：2023-05-09
申请号：CN202211490263.6
申请日：2022-11-25
Applicant: 海南大学
IPC: G06F16/35 , G06F18/23213 , G06F16/335
Abstract: 本方案涉及一种基于迁移学习和改进词袋模型的文本情感分析方法、系统、计算机设备及存储介质。所述方法包括：采集不同种类商品的各个评论数据进行预处理后得到综合评论数据集；采用MLM根据综合评论数据集预训练特征提取器bertbasechinese模型；构建特定商品评论数据集，将特定商品评论数据集输入至bertbasechinese模型中提取出特征向量；将特征向量输入至改进Bagof visualwords中，通过K‑means聚类算法对特征向量聚类后根据模糊理论进行编码，得到输出向量，并对输出向量进行归一化处理，得到文本情感分析模型；通过文本情感分析模型进行文本情感分析。通过迁移学习和Bagofvisualwords方法，能够很好的处理不断涌现的新类别商品的评论，降低文本情感分析的成本。
-
公开(公告)号：CN114240797B
公开(公告)日：2023-04-18
申请号：CN202111579290.6
申请日：2021-12-22
Applicant: 海南大学
IPC: G06T5/00 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种OCT图像去噪方法、装置、设备及介质，该方法包括如下步骤：获取OCT图像形成样本数据集，所述样本数据集分为训练集和验证集；构建OCT图像去噪的特征融合注意力密集网络，所述特征融合注意力密集网络的主体结构为稀疏块、特征增强块、注意力机制和一个重构块，用于对OCT图像去噪；将样本数据集输入所述特征融合注意力密集网络中进行训练和测试，直至收敛；将待检测的图像输入到训练好的特征融合注意力密集网络中进行处理，获得去噪处理后的清晰OCT图像。本发明在原有深度卷积网络的基础上提出了一种用于递进式特征融合注意力密集网络，基于该网络可有效的进行OCT图像噪声的去除。
-
公开(公告)号：CN111598184B
公开(公告)日：2023-04-18
申请号：CN202010449396.3
申请日：2020-05-25
Applicant: 海南大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于DenseNet的图像噪声识别方法和装置。本发明的基于DenseNet的图像噪声识别方法包括：获取无噪声图像，在无噪声图像中添加多个设定类型和设定强度的噪声，得到噪声图像训练集；提取噪声图像的灰度概率分布曲线，得到第一可视化统计特征图像；将第一可视化统计特征图像作为训练样本输入至图像噪声识别网络模型；提取待测噪声图像的灰度曲线，得到第二可视化统计特征图像；将第二可视化统计特征图像输入至训练好的图像噪声识别网络模型，得到待测噪声图像的噪声类型与强度估计值。本发明的方法解决了现有的图像噪声识别技术对低强度混合噪声的识别准确率低的问题，可以很好地对图像中存在的低强度混合噪声进行噪声类型与噪声强度的识别。
-
Patent Agency Ranking
公开(公告)号：CN115936963A
公开(公告)日：2023-04-07
申请号：CN202211655761.1
申请日：2022-12-22
Applicant: 海南大学
Abstract: 本申请公开了一种基于AKAZE‑Curvelet‑DCT的医学图像鲁棒水印方法，包括：对医学图像进行AKAZE特征提取，得到医学图像的特征描述符矩阵；对医学图像的特征描述符矩阵进行Curvelet变化，得到医学图像的低频子带系数矩阵；对医学图像的低频子带系数矩阵进行DCT变换，生成医学图像的特征二值序列；将医学图像的特征二值序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。这样选取医学图像的AKAZE‑Curvelet‑DCT变换后的数据作为特征向量，可以弥补传统数字水印方法不能对医学图像本身进行保护的缺点，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。
-
公开(公告)号：CN115933634A
公开(公告)日：2023-04-07
申请号：CN202211249081.X
申请日：2022-10-12
Applicant: 海南大学
IPC: G05D1/02
Abstract: 本方案涉及一种未知环境探索方法、系统、移动机器人及存储介质。所述方法包括：初始化移动机器人的各项参数，并获取全局目标位置；通过激光雷达传感器实时采集激光数据进行环境测绘，生成环境子地图；根据激光数据、环境子地图确定各个最优路径点，并在各个最优路径点之间进行局部导航，沿着局部导航路线移动，并重复采集激光数据，直到生成到达全局目标位置的目标导航路线；根据目标导航路线移动到全局目标位置处，生成目标环境地图。通过实时采集激光数据进行环境测绘，并确定最优路径点，可以进行局部导航使移动机器人逐渐移动到全局目标位置，并将移动过程中采集到的数据、环境子地图生成目标环境地图，缓解了局部最优的问题。
-
公开(公告)号：CN113644941B
公开(公告)日：2022-10-25
申请号：CN202110865501.6
申请日：2021-07-29
Applicant: 海南大学
IPC: H04B7/0413 , H04B17/12 , G01S3/14
Abstract: 本发明提供了一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，通过在混合模拟和数字大规模多输入多输出系统的基础上建立波达方向估计系统模型，从远场发射而来的窄带信号被混合结构天线阵列接收后利用根多信号分类混合数字和模拟相位校准方法估计DOA，针对混合结构带来的指向模糊的问题，利用一个数据块将天线阵分组，每组模拟相位校准器的相位分别对准模糊角，采用平均接收功率最大化的智能策略消除模糊角得到估计DOA，该方法在少量的性能损失下拥有更短的时间延迟和计算复杂度。
-
公开(公告)号：CN115189730A
公开(公告)日：2022-10-14
申请号：CN202210723581.6
申请日：2022-06-24
Applicant: 海南大学
IPC: H04B7/0426 , H04B7/06 , H04B7/08
Abstract: 本发明提供双智能可重构表面辅助双向方向调制的功率分配设计方法，其特征在于，包括下列步骤：S1、设定发射机Alice配有根天线，发射机Bob配备有根天线，被动窃听接收机Eve配有根天线，发射机Alice和发射机Bob工作于全双工模式，并设定RIS反射信号时无时延；S2、分别构建发射机Alice、发射机Bob、被动窃听接收机Eve的信号模型；S3、根据前述信号模型，进行最大化奇异值波束成型设计，基于波束成型设计结果，对最大化SSR的功率因子优化问题进行求解，生成用于表征最优功率因子的一元六次多项式；S4、对所述一元六次多项式进行降次求解，边界点[0，1]和六次多项式的全部根一起构成最优功率因子候选解的集合。
-
公开(公告)号：CN115189723A
公开(公告)日：2022-10-14
申请号：CN202210714745.9
申请日：2022-06-23
Applicant: 海南大学
IPC: H04B7/0413 , H04B7/08 , H04B17/391
Abstract: 本发明提供一种基于大规模混合模数MIMO结构的子阵Root‑MUSIC的DOA估计方法，其特征在于，将大规模混合模拟数字MIMO结构的测向系统分为两个部分：最大化接收信号功率子连接结构以及Root‑MUSIC混合子连接结构，对于所述最大化接收信号功率子连接结构，产生唯一的DOA估计角，对于所述Root‑MUSIC混合子连接结构，产生一组伪解，用所述唯一的DOA估计角筛选去除所述Root‑MUSIC混合子连接结构产生的伪解，得到真正的DOA估计值。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.065 seconds)
