-
公开(公告)号:CN116067364A
公开(公告)日:2023-05-05
申请号:CN202310205086.0
申请日:2023-03-06
Applicant: 中南大学 , 长沙师范学院 , 湖南嘻呱网络科技有限公司
Abstract: 本公开实施例中提供了一种基于紧耦合多源数据的SLAM系统,属于数据处理技术领域,具体包括:激光雷达子系统,激光雷达子系统用于获取点云数据;视觉惯性子系统,视觉惯性子系统包括视觉相机和深度相机;惯性测量单元,惯性测量单元用户获取惯性测量值;系统控制单元;闭环检测模块;联合因子图模块,激光雷达子系统和视觉惯性子系统和惯性测量单元均与闭环检测模块连接,闭环检测模块与联合因子图模块连接,联合因子图模块与系统控制单元连接。通过本公开的方案,提高了建图效率、精准度和适应性。
-
公开(公告)号:CN110444294B
公开(公告)日:2023-04-25
申请号:CN201910853299.8
申请日:2019-09-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于感知神经网络的前列腺癌辅助分析方法及设备,通过多个疾病指数和医学图像指数相结合为输入点,在医学大数据背景下不断调整神经网络的权重值和偏置值,通过调整两者的比例,形成基于神经网络的智能分析模型,该模型可帮助医生更精确地诊断前列腺患者。辅助分析方法及设备虽然可以提供癌症的可能临床阶段和历史决策结果,但只能作为医生的辅助诊断决策系统,不能完全取代医生。但是,它通过对癌症可能阶段的预测以及对图像进行筛选,筛选图像的最有效部分供医生参考,在很大程度上减轻了医生的工作负担,提高了医院的效率,大大提高了医生的诊断的准确性。
-
公开(公告)号:CN115759091A
公开(公告)日:2023-03-07
申请号:CN202211246706.7
申请日:2022-10-12
Applicant: 清华大学 , 国网宁夏电力有限公司信息通信公司 , 中南大学
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06Q50/06
Abstract: 一种基于MMOS的命名实体关系联合抽取方法、系统及介质,方法包括:采集电网非结构化运维文本数据,并对非结构化数据进行标注,对数据格式进行转换,转换为可直接训练的训练集;输入训练集,使用预训练的BERT模型对训练集中的句子进行编码,输出字向量、文本向量和位置向量;设计三元组得分函数,构建MMOS模型,将步骤2中BERT编码过的向量输入MMOS模型中,对MMOS模型进行训练,得到损失值最低的MMOS训练模型;输入更多电网非结构化运维文本数据,利用步骤3训练得到的MMOS模型,预测出新的三元组,最后得到所有三元组。本方法在实体关系提取实验中比起其他几种实体关系提取方法的F1值、准确率和召回率都有不同程度的提升。
-
公开(公告)号:CN113886181B
公开(公告)日:2022-10-14
申请号:CN202111165179.2
申请日:2021-09-30
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种应用于AIOps故障预警的动态阈值预测方法、设备及介质,属于数据处理技术领域,具体包括:获取待测设备在预设时段内的历史流量数据,并对历史流量数据进行预处理,得到目标数据集;根据目标数据集进行拓扑数据分析,提取拓扑特征,以及,将目标数据集输入卷积神经网络,提取时空特征;将拓扑特征、时空特征和统计特征联结,训练门控循环单元网络,得到预测结果;将预测结果和均值代入预设公式,计算待测设备在指定置信度下的预测阈值区间。通过本公开的方案,将拓扑特征、时空特征和统计特征联结训练得到动态的预测阈值区间,提高了AIOps故障预警的动态阈值预测的预测效率、预测精准度和适应性。
-
公开(公告)号:CN114168824A
公开(公告)日:2022-03-11
申请号:CN202111510280.7
申请日:2021-12-10
Applicant: 中南大学
IPC: G06F16/906 , G06K9/62 , G06N20/00
Abstract: 本公开实施例中提供了一种基于机器学习的冷热数据分离方法、系统、设备及介质,属于数据识别技术领域,具体包括:获取训练集;对训练集进行预处理操作;利用高斯混合模型的最大期望混合聚类方法进行聚类,得到第一分类结果;利用K近邻分类算法进行分类,得到第二分类结果;判断第一分类结果与第二分类结果是否相同;若是,则判定待分类请求的类型与第一分类结果相同;若否,则采用最近邻原则对第一分类结果和第二分类结果进行修正,以及更新热数据集。通过本公开的方案,以已知标签的请求作为参考,利用多种机器算法从多个维度对待分类请求进行分类识别,然后根据识别结果进行进一步分析,确定待分类请求的数据类型。
-
公开(公告)号:CN113610174A
公开(公告)日:2021-11-05
申请号:CN202110931677.7
申请日:2021-08-13
Applicant: 中南大学 , 国网宁夏电力有限公司信息通信公司
Abstract: 本公开实施例中提供了一基于Phik特征选择的电网主机负载预测方法、设备及介质,属于电学技术领域,具体包括:提取目标电网主机对应的历史数据,并将历史数据分为训练集和测试集;利用Person相关系数法对训练集的初始特征进行Person相关性分析得到多个时序分量,并选取与标签值均值相关性符合预设条件的时序分量作为第一特征集;根据Phik相关系数法对训练集中预测变量与辅变量之间的相关性,生成第二特征集;分别将第一特征集和第二特征集各输入一个GRU模型,然后将两个GRU模型的输出值输入特征融合层,得到目标电网主机对应的预测模型;根据预测模型和测试集,得到目标电网主机对应的负载预测区间。通过本公开的方案,提高了运行效率、适应性和预测精度。
-
公开(公告)号:CN110417572B
公开(公告)日:2021-05-11
申请号:CN201910396827.1
申请日:2019-05-14
Applicant: 中南大学
IPC: H04L12/24 , H04L12/58 , H04L12/725 , H04L12/733 , H04L12/761
Abstract: 本发明提出了一种基于目标节点相遇概率预测消息传递节点的方法,基于节点的各种关系特征建立模糊相似度矩阵,通过形成模糊相似矩阵对移动节点的不同属性深入研究,挖掘其社会属性变化规律,动态自适应地分配不同属性的权重大小。进一步量化节点的社会关系和合作关系。最后,通过实验验证本文所提相遇模型来筛选可信任节点作为数据传输的下一跳节点具有良好的效果,使数据在网络中始终沿着可信的合作节点进行传递,同时减少由于恶意节点不合作对网络的性能的影响。
-
公开(公告)号:CN109009102B
公开(公告)日:2021-02-12
申请号:CN201810909558.X
申请日:2018-08-10
Applicant: 中南大学
Abstract: 本发明提供了一种基于脑电图深度学习的辅助诊断方法及系统,用以解决癫痫疾病诊断准确度不高的问题,包括:S10:获取采集的脑电图样本数据,将脑电图样本数据整合至预设规范化模型中,得到规范化脑电图整型数据;S20:根据预设词嵌入模型,将规范化脑电图整型数据转换为词嵌入向量;S30:根据预设深度学习模型对词嵌入向量进行特征提取,并对提取后的特征进行时间标记以及识别诊断;S40:根据时间标记以及识别诊断,输出疾病发作概率,并对疾病发作概率超过预设概率的脑电图样本数据进行区分。本发明通过训练模型对病人的脑电图进行自动诊断,自动识别并标记脑电图中癫痫发作的时间区域,同时给出患病概率,减少临床医生的工作效率,提高诊断效率。
-
公开(公告)号:CN107682880B
公开(公告)日:2020-01-10
申请号:CN201710822256.4
申请日:2017-09-13
Applicant: 中南大学
Abstract: 本发明公开了一种云无线接入网络的资源分配方法,构建混合能量管理计算模型、数据请求控制计算模型和功率与信道分配计算模型,获取网络当前时隙的状态参数,分别通过混合能量管理计算模型、数据请求控制计算模型和功率与信道分配计算模型计算更新网络状态;混合能量管理计算模型用于根据当前时隙的能量状态计算的能量获取量和能量购买量;数据请求控制计算模型更新数据队列长度,并计算数据请求量和网络效用;功率与信道分配计算模型用于根据当前时隙的数据队列长度、能量状态、信道参数计算功率分配值,并根据功率分配值进行信道分配。具有更加稳定,性能更好的优点。
-
公开(公告)号:CN109089271A
公开(公告)日:2018-12-25
申请号:CN201811079764.9
申请日:2018-09-17
Applicant: 中南大学
Abstract: 本发明提供了一种混合能量供能的无线协同网络资源随机分配方法,包括步骤:S1:获取无线协同网络的系统状态信息,分析得到无线协同网络中的长期平均优化问题,并对所述长期平均优化问题建立优化模型;S2:通过预设优化理论,将所述长期平均优化问题转化为多个单时隙的子问题;S3:对所述子问题进行分析求解,获取最优资源分配方案;S4:根据所述最优资源分配方案,对所述无线协同网络的系统状态进行更新。本发明通过收集环境的绿色能量,并通过混合能量对无线协同网络系统进行供能,既达到节能的目的,又能够保证系统数据传输的稳定性,保障系统数据的最坏传输延迟,并根据实时系统状态,对系统资源进行最优分配。
-
-
-
-
-
-
-
-
-