-
公开(公告)号：CN108932347A
公开(公告)日：2018-12-04
申请号：CN201810875808.2
申请日：2018-08-03
Applicant: 东北大学
IPC: G06F17/30
Abstract: 本发明公开了一种分布式环境下基于社会感知的空间关键字查询方法，通过对Top-k查询问题进行分析，提出解决该问题的索引和查询框架，索引结构引入了社交信息，利用关键字的检索特点，在SDPR分布式索引结构的基础上提出基于的社会感知的Top-k查询算法，通过输入查询参数，结果是数据集中满足特定排序函数排名最高的前k个对象，通过带有权重的空间关键字查询，使得查询更加精准，能够得到更加准确的结果。
-
公开(公告)号：CN118506078A
公开(公告)日：2024-08-16
申请号：CN202410631485.8
申请日：2024-05-21
Applicant: 东北大学 , 中国医科大学附属盛京医院
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/776 , G06V40/10 , G06N3/0464 , G06N3/048 , G06N3/045 , G06V10/70 , G06N20/20
Abstract: 本发明属于人工智能CT影像分类技术领域，公开了一种胸部CT影像儿童闭塞性细小支气管炎分类方法。数据预处理后分组，构建多组训练数据集；通过微调的InceptionV3网络分组训练；通过筛选预测结果稳定的模型，将它们的预测结果进行集成，以获得最终的分类预测结果；针对BO与非BO数据特征难以区分导致的类别不平衡问题，采用分组数据分别训练的方式，严格控制训练数据比例继而避免不利影响。此外通过模型集成弥补单一模型的不足，提高整体分类性能，为临床医学诊断提供更可靠的支持。从多个角度对实验结果进行测试表明，本发明在儿童BO分类任务中取得了优秀的实验结果，展示出了巨大的潜力。
-
公开(公告)号：CN117933341B
公开(公告)日：2024-07-23
申请号：CN202410319788.6
申请日：2024-03-20
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明提供一种基于同配性增强的图神经网络方法，涉及机器学习和深度学习技术领域。该方法具体包括：获取原始图的图数据，计算图数据中各节点的度并选取脆弱节点，选取需要删除边的节点，进而选定原始图中需要删除的边，构建增强后的同配图；训练条件变分自编码器，并利用训练好的条件变分自编码器生成增广特征矩阵，采用有监督损失函数计算预测结果；采用梯度下降更新训练好的条件变分自编码器中的生成参数，并开始迭代直至生成参数收敛为止，选择符合精度要求的增广特征矩阵，并利用级联的卷积层确定特征表示矩阵，再将其输入残差网络得到最终的预测结果，完成节点的分类；本发明通过增强图的同配性以提高图神经网络的鲁棒性和泛化能力。
-
公开(公告)号：CN118297973A
公开(公告)日：2024-07-05
申请号：CN202410532622.2
申请日：2024-04-30
Applicant: 东北大学
IPC: G06T7/11 , G06V10/762 , G06V10/764 , G06T7/00 , G06T7/155 , G06T7/136 , G06T7/187 , G16H30/40
Abstract: 本发明属于医学影像智能计算技术领域，公开了一种基于肺血管聚类的肺叶自动分割方法。基于三维区域生长法肺实质分割；基于连通域肺外气管剔除；形态学处理；基于快速行进法的肺血管分割；基于密度的血管聚类；基于SVM的肺叶自动分割；本发明仅使用肺血管解剖信息，不需要使用大量数据进行训练的肺叶分割方法，对于不完整的肺裂纹也具有高鲁棒性。肺实质区域提取为肺内血管分割与肺叶分割做数据支撑；利用快速行进法提取肺内血管作为先验信息，利用肺血管的分布特性，利用基于密度的DBSCAN聚类方法将肺血管聚类为五簇分别对应不同肺叶；利用支持向量机对获取到的五类血管分别进行两两分类，利用得到的隐式超平面实现最终的肺叶分割。
-
公开(公告)号：CN117354023A
公开(公告)日：2024-01-05
申请号：CN202311388269.7
申请日：2023-10-25
Applicant: 东北大学
Abstract: 本发明提供一种基于CA认证体系的安全访问控制方法，涉及区块链安全技术领域。该方法在现有区块链网络中的验证节点基础上加入CA节点，不需要第三方生成节点证书，验证节点在初始化时会向CA节点发出请求以获取节点证书；在验证节点建立通信连接时，验证节点核验证书是否合法以确认是否建立连接；验证节点将定时维护自己的地址簿确保已建立连接的节点证书的合法性；同时设置新节点加入机制，CA节点会向已有节点广播新节点信息；CA节点也可吊销恶意节点证书并广播通知其他验证节点。该方法在进行证书操作的时候，直接去除了第三方的介入，由CA节点进行生成证书并且进行接下来的证书相关操作，并实现了可以在区块链网络中进行增加新普通节点操作。
-
Patent Agency Ranking
公开(公告)号：CN117218441A
公开(公告)日：2023-12-12
申请号：CN202311236240.7
申请日：2023-09-22
Applicant: 东北大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06T3/60 , G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于级联卷积神经网络模型的肺结节分类方法，涉及深度学习医学影像处理技术领域。该方法包括：获取肺部CT图像并进行预处理，根据预处理后的图像生成样本数据集；对样本数据集中的样本数据标注标签，根据标签将样本数据集划分为多个子样本数据集，对其中的部分子样本数据集进行数据扩充，再将每个子样本数据集划分为训练集，验证集和测试集；基于ResNet残差神经网络构建二分类模型，利用多个子样本数据集对二分类模型进行训练和验证，对应得到多个二分类模型；利用得到的多个二分类模型构建级联网络，将多个子样本数据集中的测试集输入搭建好的级联网络中进行分类，得到分类结果。通过上述方法对肺结节进行分类，提高了分类的准确率。
-
公开(公告)号：CN115572879B
公开(公告)日：2023-07-21
申请号：CN202211075801.5
申请日：2022-09-05
Applicant: 东北大学
Abstract: 本发明提供了一种高强韧低温用无镍高熵合金及其制备方法，属于高熵合金技术领域。本发明通过熔炼和浇铸实现对高熵合金的固溶强化，尤其通过在FeCoMnCr高熵合金体系中融入N元素来形成固溶体，使合金实现进一步强化；通过冷轧实现位错强化和板条强化，并提升合金的表面质量；通过退火和淬火工艺实现晶界强化和析出强化，尤其通过控制退火的温度为650～750℃，退火的保温时间为2～4min，使合金发生部分再结晶并促进纳米尺度析出相形成，消除冷轧所得次级致密化合金坯的微观应变，从而进一步提高合金性能；最终在本发明提供的工艺条件下，各元素间相互协同配合，在室温和深低温环境下均表现出极高的屈服强度和良好的韧性。
-
公开(公告)号：CN115658685A
公开(公告)日：2023-01-31
申请号：CN202211187508.8
申请日：2022-09-28
Applicant: 东北大学
IPC: G06F16/22 , G06F16/2455 , G06N20/00
Abstract: 本发明提供了基于查询频繁项划分空间数据的多维学习索引构建方法，属于学习索引技术领域。该方法对历史查询数据流中Top‑k查询频繁项进行挖掘并按各网格内估计查询频数均匀划分网格，各网格被查询读取的概率基本相近，所以当某网格内拥有查询频繁项多时，该网格内总数据点数就更少，从而在读取该网格所在磁盘页面时，遍历的数据点就少，进而提高了查询倾斜工作负载下空间数据的查询速度；设计合理的映射函数确保位于小编号单元网格中的点的映射值比位于大编号单元网格中的点的映射值小，对不易排序的多维数据依照网格编号赋予单调递增的映射值。从而在处理查询问题时，可轻松获取需要读取的单元网格，减少对查询范围以外网格的读取，提升查询速度。
-
公开(公告)号：CN114661927A
公开(公告)日：2022-06-24
申请号：CN202210382776.9
申请日：2022-04-13
Applicant: 东北大学
IPC: G06F16/535 , G06F16/55 , G06F16/58 , G06Q50/00
Abstract: 本发明提供一种基于社区检测的频繁子图挖掘方法，该方法通过获取待挖掘图数据，基于深度优先搜索算法，对子图进行并行计算，从待挖掘数据中挖掘出所有满足频繁阈值的子图集合。通过对预处理的图数据进行社区检测操作，在社区内将顶点按照顶点标签进行聚类，并从每个标签集合中抽取同比例的顶点个数，得到频繁子图挖掘的起始集合。根据起始集合展开子图扩展操作，每进行一轮扩展，将产生的候选子图进行剪枝，及时删除非频繁的子图，减少后续的无效扩展，大大提高了扩展和挖掘效率，同时在剪枝时高效进行同构检测操作，减少执行时间，进一步提高了子图挖掘效率。此外，本发明通过对比实验验证了本发明方法的高效性。
-
公开(公告)号：CN112001788A
公开(公告)日：2020-11-27
申请号：CN202010851219.8
申请日：2020-08-21
Applicant: 东北大学
Abstract: 本发明涉及一种基于RF-DBSCAN算法的信用卡违约欺诈识别方法，该方法首先，针对原始数据集进行离散化、归一化、均衡化处理；将处理之后的数据集作为RF模型的输入，通过调整寻找合适的参数组合，构建能够准确划分可信任客户与违约客户，得到可信任用户以及违约用户；赋予RF模型预测之后的可信任和违约用户不同的欺诈概率初值，给定欺诈阈值，对超过阈值的用户数据集作为DBSCAN模型的输入，通过控制聚类的不同程度来找到不同离异程度的点，并加重对应的样本可能欺诈的概率，从而使得决策者加深对高概率欺诈用户的审核门槛。本发明实现了在目前对信用领域的欺诈违约的预测，借助信用卡交易数据展开实证分析，表明在预测信用违约和识别欺诈方面的准确率高且预测效果好。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.025 seconds)
