-
公开(公告)号：CN107679441A
公开(公告)日：2018-02-09
申请号：CN201710077106.5
申请日：2017-02-14
Applicant: 郑州大学
Abstract: 基于多时相遥感影像阴影提取城市建筑物高度信息的方法，本发明旨在形成系统、快捷、准确的方法，利用两幅不同时相的遥感影像（两幅影像具有不同的太阳高度角以及卫星方位角），对目标建筑物阴影进行批量分析与计算，进而实现快速和较准确得提取区域内目标建筑物的高度，有助于提高测量、三维建模等工作的效率；具体实施主要是通过计算建筑物阴影长度，结合影像上标志建筑与其阴影的夹角关系，选择相应数学模型计算区域内目标建筑的高度值；应用两幅遥感影像计算得到的两组建筑高度结果，基于最小二乘法构建拟合方程，获得修正后的目标建筑的高度，从而提高了计算结果的精度。
-
公开(公告)号：CN105488242A
公开(公告)日：2016-04-13
申请号：CN201510635900.8
申请日：2015-09-30
Applicant: 郑州大学
CPC classification number: G06F17/5004 , E02B7/06 , G06F17/5036
Abstract: 本发明提供基于骨架和模板的土石坝三维原型构建方法，优化土石坝模型，节约建模的时间，提高设计的效率和质量；其方案是，包括以下步骤：步骤一：土石坝原型的参数化；步骤二：土石坝原型的骨架定位模型；步骤三：土石坝原型构件的模板库；步骤四：利用设计表驱动土石坝原型构件；步骤五：土石坝原型构件的集成装配；本发明把土石坝拆分成最小的构件，根据相互关联特征，构成整体，在构建的模板库中选择不同的类型土石坝，进行构件改进设计，可以快速完成土石坝的三维模型设计，提高设计工作质量和设计效率。
-
公开(公告)号：CN117093347A
公开(公告)日：2023-11-21
申请号：CN202311232598.2
申请日：2023-09-21
Applicant: 郑州大学
Abstract: 本发明公开了一种共享状态的多优先级任务调度方法，包括：首先计算任务卸载到本地服务器的调度缓冲区等待调度；其次本地服务器作为一个智能体，提取本地特征和融合特征；然后智能体根据本地特征决定优先处理的任务序号；根据融合特征决定高优先处理的任务传输到哪一个服务器处理；最后根据网络的选择调度任务，并计算任务延误成本和奖励，反馈更新各个智能体的决策网络。本发明适用于移动边缘计算场景下多区域多用户多优先级任务的调度，通过各智能体共享少量的状态特征提高了决策时的感知范围，有效减少了任务处理的延误成本。
-
公开(公告)号：CN113324923B
公开(公告)日：2023-07-07
申请号：CN202110633489.6
申请日：2021-06-07
Applicant: 郑州大学
IPC: G01N21/25 , G01N21/84 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合时空融合与深度学习的遥感水质反演方法，有效的解决了水质遥感监测出现了卫星影像的空间分辨率和时间分辨率不满足水质监测要求，从而使水质计算结果出现了偏差的问题，本发明结合时空融合模型与全连接神经网络、卷积神经网络来生成高时空分辨率水质反演结果，并利用像元分解法来对水质反演结果进行修正，极大的提高了得到的卫星影响的空间分辨率和时间分辨率，提高卫星影像的准确率。
-
公开(公告)号：CN111557659B
公开(公告)日：2023-04-28
申请号：CN202010445892.1
申请日：2020-05-22
Applicant: 郑州大学
Abstract: 本发明涉及一种基于多特征融合与Stacking‑DWKNN的心律失常分类方法，包括以下步骤：S1、采用连续小波变化去除心电信号中的噪声；S2、对经过步骤S1处理后的心电信号进行分割截取出完整的心搏，然后从截取出的心搏中进行特征提取，并将提取到的特征按类别建立以下数据集：集合A＝{235单心搏形态特征}，集合B＝{P‑QRS‑T波}，集合C＝{PR间期}，集合D＝{QT间期}，集合E＝{ST段}，集合F＝{RR间期}，集合G＝{R幅值}，集合H＝{T幅值}；S3、将步骤S2中的数据集中的任一个集合或任意多个集合的组合输入到采用Stacking集成多个通过权值改进的KNN算法中进行心搏分类；本发明提供的心搏分类方法能够有效提高心搏分类的结果准确性。
-
Patent Agency Ranking
公开(公告)号：CN113229825A
公开(公告)日：2021-08-10
申请号：CN202110690012.1
申请日：2021-06-22
Applicant: 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
Abstract: 本发明提供一种基于深度神经网络的多标签多导联心电图分类方法，将原始心电信号经过预处理为12导联信号输入到多尺度残差网络模型中进行处理分类，多尺度残差网络模型包括特征融合部分以及多尺度特征融合部分；特征融合部分包括卷积层以及第一最大池化层，多尺度特征融合部分包括32层卷积网络层以及全连接层，全连接层包括两个第二最大池化层，卷积层与第一最大池化层之间、每个分支的32层卷积层与第二最大池化层之间均依次设置通道空间注意力机制模块；本发明提供的多标签多导联心电图分类方法中的多尺度残差网络模型具有良好的表现性能，并且具有良好的泛化性能。
-
公开(公告)号：CN110074775A
公开(公告)日：2019-08-02
申请号：CN201910357864.1
申请日：2019-04-30
Applicant: 郑州大学
IPC: A61B5/0402 , A61B5/00
Abstract: 本发明涉及一种基于GA-ELM混合模型的急性心肌梗死定位方法，包括以下步骤：1)、信号预处理，通过中值滤波算法去除基线漂移，通过带阻滤波器去除工频干扰，通过低通滤波去除肌电干扰，通过切比雪夫数字低通滤波器去除肌电干扰信号，最终得到高质量的心电信号；2)、心搏分割，以DB6小波作为母小波，通过基于小波变换的检测算法对R波峰进行定位，以定位到的R波峰值点为基准点，向前向后分别选择250ms和400ms的原始采样数据作为特征向量；3)、模型训练，通过GA算法对ELM中随机选取的参数寻优，然后用得到的最优参数训练ELM网络，最后使用训练好的ELM网络定位心肌梗死；本发明不需要设置大量的网络训练参数，结构简单，训练速度快。
-
公开(公告)号：CN101854534B
公开(公告)日：2011-10-05
申请号：CN200910064534.X
申请日：2009-03-31
Applicant: 郑州大学
Abstract: 本发明公开了一种H.264快速帧间模式选择方法，对skip模式优先进行判断，并在此基础上缩小宏块级的模式判断范围；其次根据亚宏块编码模式与量化参数QP的关系，对亚宏块级模式进行集合划分，对不同的量化参数QP下的宏块选择不同的亚宏块模式集合，缩小亚宏块级模式判断范围。采用上述技术方案的本发明，通过研究分析不同视频序列在不同条件下的各个预测模式的分布情况，发现共同点，来缩小预测模式范围而加快模式判断。另外还通过对不同量化参数QP下的亚宏块模式分布进行研究分析，进一步提出了基于量化参数QP的模式判断方法，这使得能非常有效地在保持图像压缩质量的条件下，进一步提高了编码速度。
-
公开(公告)号：CN101854534A
公开(公告)日：2010-10-06
申请号：CN200910064534.X
申请日：2009-03-31
Applicant: 郑州大学
Abstract: 本发明公开了一种H.264快速帧间模式选择方法，对skip模式优先进行判断，并在此基础上缩小宏块级的模式判断范围；其次根据亚宏块编码模式与量化参数QP的关系，对亚宏块级模式进行集合划分，对不同的量化参数QP下的宏块选择不同的亚宏块模式集合，缩小亚宏块级模式判断范围。采用上述技术方案的本发明，通过研究分析不同视频序列在不同条件下的各个预测模式的分布情况，发现共同点，来缩小预测模式范围而加快模式判断。另外还通过对不同量化参数QP下的亚宏块模式分布进行研究分析，进一步提出了基于量化参数QP的模式判断方法，这使得能非常有效地在保持图像压缩质量的条件下，进一步提高了编码速度。
-
公开(公告)号：CN119924843A
公开(公告)日：2025-05-06
申请号：CN202510101850.9
申请日：2025-01-22
Applicant: 郑州大学
IPC: A61B5/318 , A61B5/361 , A61B5/366 , A61B5/00 , G06F18/2433 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G16H50/70 , G16H50/20 , G06F123/02
Abstract: 本发明提供一种基于跨模态交叉重构的自监督房颤检测方法及相关设备。该方法包括：获取待测心电图信号；对待测心电图信号进行时频转换，得到心电图频域信号；将待测心电图信号和心电图频域信号输入至预设的自监督学习模型，得到重建心电图信号和重建心电图频域信号；自监督学习模型包括编码器、时域解码器和频域解码器；编码器用于提取时域低维嵌入特征和频域低维嵌入特征；时域解码器用于基于频域低维嵌入特征生成重建心电图信号；频域解码器用于基于时域低维嵌入特征生成重建心电图频域信号；计算重建心电图频域信号和原始心电图频域信号之间的重建误差，若重建误差大于预设的异常评分，则认为待测心电图信号为房颤数据。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.034 seconds)
