-
公开(公告)号：CN107170445A
公开(公告)日：2017-09-15
申请号：CN201710325414.5
申请日：2017-05-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于语音混合信息特征协同优选判别的帕金森症检测装置，包括：信号采集器、处理器以及结果输出模块；所述信号采集器：用于获取诊断对象的语音信息；所述处理器：包括用于提取语音特征的特征提取模块以及预先训练好的分类器，通过所述分类器判断诊断对象是否属于帕金森症患者；所述结果输出模块：用于输出分类器的判断结果。本发明提供的一种基于语音混合信息特征协同优选判别的帕金森症检测装置，诊断过程采用分类器，通过大量数据训练和测试，精度高，而且使用方便。
-
公开(公告)号：CN104867153A
公开(公告)日：2015-08-26
申请号：CN201510280008.2
申请日：2015-05-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于脑磁共振影像中磷酸化tau蛋白含量信息的检测系统，设置有MRI图像采集装置、图像预处理装置、特征提取装置以及参数反演装置；所述参数反演装置用于将最优特征子集反演出磷酸化tau蛋白含量；该参数反演装置中固化有训练好的SVM模型，所述SVM模型是通过选择多个训练样本图像的多个特征参数，并以每个样本图像对应PET图像的磷酸化tau蛋白含量为评价标准，最终训练出的最优特征子集与磷酸化tau蛋白含量的映射关系。该系统可仅通过脑磁共振图像就可以定量显示磷酸化tau蛋白含量，具有无创、无辐射、安全、自动化程度高等优点。
-
公开(公告)号：CN103839272A
公开(公告)日：2014-06-04
申请号：CN201410113556.1
申请日：2014-03-25
Applicant: 重庆大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于K均值聚类法的脑磁共振图像配准方法，首先利用Harris算子和SUSAN算子的混合角点检测获取总角点集，利用角点强度筛选出新的角点集，采用互相关系数法进行粗匹配筛选，然后引入K均值聚类法对角点进行聚类，之后结合归一化相关法和投票匹配法筛选出精准的角点对，最后采用Powell算法对角点集合进行优化，得到重建参数值，对图像进行最终配准。其显著效果是：本发明具有良好的稳定性，能够完整、正确地描述特征点信息，减少了后续运算中程序的运行时间，提高了配准精度，实现对图像配准算法更精确、更有效率的改进，能更好的兼容大范围波动的变换图像。
-
公开(公告)号：CN101568125A
公开(公告)日：2009-10-28
申请号：CN200910103863.0
申请日：2009-05-15
Applicant: 重庆大学
Abstract: 本发明提供一种支持频谱资源共享的无线资源分配方法。主要目的是解决支持频谱资源共享的异构网络下无线资源动态分配的问题，采用无线资源控制终端动态分配区域内可用无线资源以提供给不同的无线通信系统使用，从而支持频谱资源共享；该无线资源控制终端将其掌握的无线资源在多个维度动态划分，采用适应多工作模式无线通信系统的资源分配机制、以及资源需求的预测机制，通过控制不同无线通信系统对无线资源的竞争，从而获得最大的无线资源利用率；本发明的显著效果是：提高了无线资源利用效率、避免了异构网络之间的无线干扰。
-
公开(公告)号：CN101339619A
公开(公告)日：2009-01-07
申请号：CN200810070105.9
申请日：2008-08-11
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明公开了一种用于模式分类的动态特征选择方法，按下列步骤进行：预处理模块对样本进行预处理后向知识库发出请求，如果请求为分类请求，则预处理模块向知识库获取最优特征组合对样本进行规则化后交给分类器进行分类，如果请求为特征选择请求，则预处理模块将部分样本输出给知识库，并结合知识库的部分样本进行组合，从组合的样本中输出部分样本进入特征选择模块，知识库中还输出特征选择模块和分类器需要动态调整的参数以及比率系数，指导特征选择模块和分类器结合进行特征选择，选择结束后，将相关参数反馈给知识库进行知识更新。本发明能够从不断变化的模式样本中动态选择出最优特征组合，更符合实际情况，满足高精度分类的需求。
-
Patent Agency Ranking
公开(公告)号：CN101324926A
公开(公告)日：2008-12-17
申请号：CN200810070033.8
申请日：2008-07-25
Applicant: 重庆大学
Abstract: 本发明提出了一种面向复杂模式分类的特征选择方法，该方法是在传统遗传方法的基础上，通过改进种群的结构为双环智能体网络结构，使种群分为多个子种群，子种群间通过共享智能体传递信息，所有子种群的遗传进化同步进行，改进的动态邻域竞争操作和邻域自适应交叉操作方法提高了遗传进化效率，同时引入二进制编码方式表达某个特征是否被选中，方便编码和解码，实现高效的特征选择。与传统的特征选择相比，该选择方法具有较高的自适应性，可在高维多峰的特征空间中进行快速搜索，并有效避免陷入局部极值，获得较满意的特征选择效果。
-
公开(公告)号：CN118708351A
公开(公告)日：2024-09-27
申请号：CN202410842852.9
申请日：2024-06-27
Applicant: 重庆大学
Abstract: 本发明涉及边云协同场景下的资源调度技术领域，具体公开了一种边云协同场景下容器化工作负载的资源调度方法及系统，首先建立了任务的资源需求模型以及与之对应的节点资源模型，能更好地掌握任务即计算节点的资源状态。此外，提出的调度策略以提高多维度资源利用率和降低任务延迟为目标，因此在将容器调度到节点的过程中，本发明引入了任务时延匹配度以及任务均衡匹配度的概念，在计算任务时延匹配度时，考虑到了任务的处理时延以及网络时延，在计算任务均衡匹配度时，引入了多属性决策的思想，利用上述两个匹配度来计算每个计算节点的得分，得分最高者为当前提交的容器化任务的最优节点，将该任务调度到该最优节点上。
-
公开(公告)号：CN118674984A
公开(公告)日：2024-09-20
申请号：CN202410791183.7
申请日：2024-06-19
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/762 , G06V10/82 , G06N3/096 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及图像分类技术领域，具体公开了一种基于联合流形对齐重构的组织病理图像分类方法及系统，其基于ImageNet自然数据集预训练的深度迁移模型BreNet的多层特征提取融合，其融合特征子领域的流形空间映射分布和聚类中心联合对齐，其基于流形重构特征的图像分类。该系统及方法通过特征提取融合模块抽取多阶特征并进行全局池化融合，获得深度融合特征。然后将该特征输入联合流形对齐重构模块，将特征投影到流形公共子空间，并通过子领域分布对齐和聚类中心对齐以最小化跨域的子领域分布差异，达到域适应的目的；同时特征被投射到了低维空间以消除信息冗余，保留对分类有效的关键信息，进一步提高分类准确率。
-
公开(公告)号：CN116541754A
公开(公告)日：2023-08-04
申请号：CN202310288143.6
申请日：2023-03-23
Applicant: 重庆大学
IPC: G06F18/241 , G06F18/23
Abstract: 本发明涉及人工智能与数据处理技术领域，具体公开了一种基于联合流形投影均值聚类的数据分类方法及系统，该方法基于近邻样本的样本对连接挖掘样本之间的近邻关系，采用联合流形投影均值聚类模块构建聚类包络样本空间，实现对结构化样本的特征学习与分类器建模。该方法实现了结构化样本的生成及在此基础上的特征学习与分类器建模。整体上，经验证，针对不同的数据集，本方法具有较高的分类准确率(在AD数据集中的分类准确率比基于原样本的分类系统高23.03％，比简单均值聚类算法生成的包络样本的分类系统高1.7％；在Wisconsin数据集中的分类准确率从比基于原样本的分类系统高2.2％，比简单均值聚类算法生成的包络样本的分类系统高0.97％)和较短的训练时长。
-
公开(公告)号：CN114782624A
公开(公告)日：2022-07-22
申请号：CN202210363277.5
申请日：2022-04-07
Applicant: 重庆大学 , 重庆博仕康科技有限公司
Abstract: 本申请涉及一种3D图像投影融合方法、装置、计算机设备和存储介质。方法包括：根据预设的第一方向、第二方向对腰椎影像图像进行投影处理，获取腰椎影像图像的第一方向图像、第二方向图像；对第一方向图像、第二方向图像的尺寸进行调整，获取第一调整图像、第二调整图像；将第一方向图像与第一调整图像进行拼接，获取第一残差图像；将第二方向图像与第二调整图像进行拼接，获取第二残差图像；将一个第一残差图像与另一个第一残差图像进行融合，获取第一融合图像；将一个第二残差图像与另一个第二残差图像进行融合，获取第二融合图像，可解决通过矢状面图像和冠状面图像融合的3D图像精度较差等问题。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.047 seconds)
