-
公开(公告)号：CN111833383A
公开(公告)日：2020-10-27
申请号：CN202010730696.9
申请日：2020-07-27
Applicant: 西南石油大学
Abstract: 本发明公开了二维联合局部位移拟合的区域增长贝叶斯运动追踪算法，包括以下步骤：确定目标区域；候选点的选取；后验概率的计算；种子点的确定，根据最大后验概率阈值和最大绝对位移差判断种子点；目标区域已知位移点集和未知位移点集的划分，已知位移点集包括内点集和边界点集；活动增长点的选取，选取边界点集中后验概率值最大的点作为活动增长点；引导搜索，根据活动增长点位移对其邻域点进行位移引导搜索；位移值更新；局部位移拟合，根据邻域已知位移点位移对待估计点位移进行拟合计算；内点集与边界点集更新；计算应变图像。本发明的方法相较于传统的算法准确度更高，位移追踪误差更小，位移图像与应变图像更平滑，更具有临床应用价值。
-
公开(公告)号：CN119379721B
公开(公告)日：2025-04-11
申请号：CN202411989812.3
申请日：2024-12-31
Applicant: 西南石油大学
IPC: G06F17/40
Abstract: 本发明涉及一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法，属于人工智能与医学数据处理结合领域，旨在提高动脉瘤3D点云的分割精度。技术方案包括：首先，对MRA图像重建的动脉瘤3D点云进行数据预处理。接着，构建双分支特征提取框架，第一个分支是分层几何特征学习模块，提取动脉瘤点云的局部几何信息；第二个分是拓扑分析模块，通过持久同调过滤局部噪声的影响，捕捉物体的多尺度拓扑不变性特征。最后，设计注意力融合模块，将来自双分支特征提取框架中不同感受野的信息深度融合。本发明显著增强对动脉瘤3D点云数据的处理和特征提取能力，从而实现动脉瘤的自动化精确分割。
-
公开(公告)号：CN119204352B
公开(公告)日：2025-02-25
申请号：CN202411699283.3
申请日：2024-11-26
Applicant: 西南石油大学
IPC: G06Q10/04 , G06F18/15 , G06N3/045 , G06N3/0499
Abstract: 本发明公开了一种基于多关系挖掘时空注意力机制的空气质量预测方法，包括：构建污染物浓度变化矩阵和气象变化矩阵；获取监测站点的地理位置信息数据、站点特征数据和时间序列数据；根据污染物浓度数据集和历史气象数据集确定时空图的边，根据地理位置信息数据确定时空图的节点，构建时空图结构；根据时空图结构确定邻接矩阵，并根据第二归一化公式，对邻接矩阵进行归一化；对神经网络模型进行训练，得到空气质量预测模型；将待测目标数据输入空气质量预测模型，通过空气质量预测模型输出目标预测空气质量数据。本发明可以提升对空气中污染物预测的准确性和时效性。
-
公开(公告)号：CN119379721A
公开(公告)日：2025-01-28
申请号：CN202411989812.3
申请日：2024-12-31
Applicant: 西南石油大学
IPC: G06T7/11 , G06T7/00 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0499
Abstract: 本发明涉及一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法，属于人工智能与医学数据处理结合领域，旨在提高动脉瘤3D点云的分割精度。技术方案包括：首先，对MRA图像重建的动脉瘤3D点云进行数据预处理。接着，构建双分支特征提取框架，第一个分支是分层几何特征学习模块，提取动脉瘤点云的局部几何信息；第二个分是拓扑分析模块，通过持久同调过滤局部噪声的影响，捕捉物体的多尺度拓扑不变性特征。最后，设计注意力融合模块，将来自双分支特征提取框架中不同感受野的信息深度融合。本发明显著增强对动脉瘤3D点云数据的处理和特征提取能力，从而实现动脉瘤的自动化精确分割。
-
公开(公告)号：CN119299212A
公开(公告)日：2025-01-10
申请号：CN202411632534.6
申请日：2024-11-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种高能效时空关联分布式传感节点安全防攻击校验方法，针对海量分布式部署传感节点的低功耗、高效安全增强。包含低功耗数据传输、空间邻域信息融合传感数据矫正、自适应传感信息趋势预测时间序列安全副本生成、微功耗自适应数据采集、自适应差值触发异常检测、自适应数据完整性验证与恢复等单元。系统运行时，网关根据多节点加权数据变化规律，形成时间序列‑邻域融合安全副本，并以此为基础判断当前传感数据是否被篡改，并对错误数据进行矫正。同时，网关根据安全副本所蕴含节点感知数据变化趋势特征为基础，实时优化节点工作模式，在提升数据安全性的同时进一步降低功耗，延长电池寿命，促进大规模应用。
-
Patent Agency Ranking
公开(公告)号：CN118449984A
公开(公告)日：2024-08-06
申请号：CN202410523343.X
申请日：2024-04-28
Applicant: 西南石油大学
IPC: H04L67/125 , H04W16/18 , H04W4/38 , H04W4/70 , G06F30/13 , G06F30/20 , G06F17/11 , G06F17/18 , G06F17/15 , G06F18/25
Abstract: 本发明公开了一种适用于建筑监测的高效关联感知方法，属于物联网技术领域。针对物联网建筑行业中对目标环境感知困难，布置监测传感器成本过高的问题，通过分析建筑钢结构中物理量传导特性，建立物理模型对监测物理量进行推理感知，接着在构建建筑监测感知模型中加入本发明设计的算法对目标建筑进行全面高效的关联感知。该感知方法旨在通过物理模型推理计算和建立建筑监测感知模型，实现准确和经济高效的监测，通过融合物理模型和监测感知模型，生成“虚拟”传感器节点，对建筑进行全面感知和预测。本发明方法有效降低了监测成本，提高了数据准确性和有效性，对建筑监测领域具有重要的应用价值和推广意义。
-
公开(公告)号：CN118072873B
公开(公告)日：2024-07-05
申请号：CN202410472238.8
申请日：2024-04-19
Applicant: 西南石油大学
IPC: G16C20/70 , G01W1/10 , G16C20/20 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F16/29 , G06F18/15 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明提供了一种空气质量预测方法，属于空气预测技术领域，该方法从已监测站点获取历史时间序列数据，并其进行预处理；结合所有监测站点的地理位置信息数据，构建时空网络邻接矩阵；构建时空图生成对抗网络的生成器和判别器；利用已监测站点的历史时间序列数据以及地理位置信息数据，训练时空图生成对抗网络；利用已训练的时空图生成对抗网络，对未监测站点区域的空气质量进行预测。本发明通过构建并优化一个时空图生成对抗网络，能准确地利用稀疏的空气质量监测数据来预测整个城市或区域的空气质量。这不仅为地区规划和公共健康管理提供了强有力的工具，还为环境监测和管理提供了一种更高效、经济的方法。
-
公开(公告)号：CN118072873A
公开(公告)日：2024-05-24
申请号：CN202410472238.8
申请日：2024-04-19
Applicant: 西南石油大学
IPC: G16C20/70 , G01W1/10 , G16C20/20 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F16/29 , G06F18/15 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明提供了一种空气质量预测方法，属于空气预测技术领域，该方法从已监测站点获取历史时间序列数据，并其进行预处理；结合所有监测站点的地理位置信息数据，构建时空网络邻接矩阵；构建时空图生成对抗网络的生成器和判别器；利用已监测站点的历史时间序列数据以及地理位置信息数据，训练时空图生成对抗网络；利用已训练的时空图生成对抗网络，对未监测站点区域的空气质量进行预测。本发明通过构建并优化一个时空图生成对抗网络，能准确地利用稀疏的空气质量监测数据来预测整个城市或区域的空气质量。这不仅为地区规划和公共健康管理提供了强有力的工具，还为环境监测和管理提供了一种更高效、经济的方法。
-
公开(公告)号：CN117251802A
公开(公告)日：2023-12-19
申请号：CN202311509275.3
申请日：2023-11-14
Applicant: 西南石油大学
IPC: G06F18/243 , E21B49/00 , G01V11/00 , G06F18/2431 , G06F18/214 , G06N20/20 , G06N5/01 , G06N3/045 , G06N3/048 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的非均质储层参数预测方法及系统，属于储层评估领域；解决了现有方法在复杂储层上应用效果不理想的问题，以及模型解释性较差的问题。其技术方案是：首先，通过对数据不平衡问题采用数据增强算法，有效扩充不平衡测井数据，实现数据平衡；接着，利用随机森林算法分别建立基于测井数据的岩性判别模型和渗流能力判别模型；最后，基于储层参数之间的相关性，引入迁移学习，构建储层参数预测模型。本发明提出了一种基于迁移学习的非均质储层参数预测方法及系统，能够自主训练获取岩性类别和渗流能力等级，实现通过测井数据对复杂储层孔隙度和渗透率进行预测，具有较高的预测精度。
-
公开(公告)号：CN116934780B
公开(公告)日：2023-11-24
申请号：CN202311180469.3
申请日：2023-09-13
Applicant: 西南石油大学
IPC: G06T7/11 , G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的电成像测井图像裂缝分割方法及系统，属于电成像测井图像分割技术领域；解决了现有技术针对电成像测井图像无法获得精确的裂缝分割的问题；其技术方案是：首先改进Criminisi算法对电成像测井原始图像中的空白条带进行图像修复；接着构建以U型网络为生成器的生成对抗网络，结合双重注意力机制形成裂缝分割模型，并使用电成像测井修复图像数据集对裂缝分割模型进行训练，最后利用训练好的裂缝分割模型实现对电成像测井图像中裂缝的精确分割。本发明提出了一种新的基于深度学习的电成像测井图像裂缝分割方法及系统，能够自主训练获得裂缝分割图像，实(56)对比文件顾书豪.基于卷积神经网络的图像语义分割算法研究《.中国优秀硕士学位论文全文数据库(信息科技辑)》.2021,(第6期),I138-521.Zhang J等.Segmentation for Athlete'sAnkle Injury Image Using Residual DoubleAttention U-Net Model《.Brazilian Archivesof Biology and Technology》.2023,第66卷1-14.Chen T等 .Cross-DomainEchocardiography Segmentation with Multi-Space Joint Adaptation《.Sensors》.2023,第23卷(第3期),1-16.娄达平等.基于深度引导空洞填补的虚拟视点绘制方法《.计算机应用与软件》.2017,(第6期),168-174.
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.03 seconds)
