-
公开(公告)号：CN117630411A
公开(公告)日：2024-03-01
申请号：CN202311609738.3
申请日：2023-11-29
Applicant: 海南大学
Abstract: 本发明公开了一种高集成度矢量流场传感器，所述传感器包括发射信号模块、接收信号模块和信号处理模块；所述发射信号模块用于发射光源；所述接收模块由光纤探头和多芯光纤扇入扇出装置组成，所述光源经过所述光纤探头调制成光信号；所述信号处理模块用于将所述光信号转换为电信号，并将所述电信号进行解调，得到矢量流场感应结果。本发明泡外部采用金属镀膜封装，光学系统在微泡内，不易受外界盐离子等干扰。在特定的研磨斜角下，多芯单模光纤和超薄微泡可形成多个F‑P腔，可通过测量点感知多个方向的流速分量，并结合矢量反演来确定测量点的流速大小及方位，实现高集成度，高空间分辨率流速的矢量测量。
-
公开(公告)号：CN117541836A
公开(公告)日：2024-02-09
申请号：CN202311370501.4
申请日：2023-10-23
Applicant: 海南大学
IPC: G06V10/762 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/088 , G16H30/20 , G16H30/40
Abstract: 本发明公开多模态医学影像无监督表征学习方法，获取多模态医学影像数据并进行预处理，构建多模态医学影像样本数据集；将多模态医学影像样本数据集输入自动编码器神经网络中，提取初步的高层表征；设计目标函数和约束条件，所述目标函数为以加权K‑均值为基底目标函数并在样本重建项、归一化特征尺度正则项、网络参数平滑项的辅助下对初步的高层表征进行迭代地细化与微调，实现无监督表征优化，获得高层表征；对高层表征进行聚类分析，生成影像样本组的伪标签并自动标注；人工对所述影像样本组的伪标签进行校准并勘误，获得影像样本组的标签。本发明能够实现更为高效且精准的多模态医学影像赋标签。
-
公开(公告)号：CN117523356A
公开(公告)日：2024-02-06
申请号：CN202311370125.9
申请日：2023-10-23
Applicant: 海南大学
IPC: G06V10/82 , G06V10/762 , G06V10/44 , G06V10/774 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开医学影像组学多视图半监督表征学习方法，采集多视图医学影像数据；提取多视图医学影像数据中成对样本间的必连关系和勿连关系，基于成对样本间的必连关系和勿连关系构建约束条件；对多视图医学影像数据并进行预处理，构建多视图医学影像样本数据集；将多视图医学影像样本数据集输入自动编码器神经网络中，提取初步的高层表征；设计基底目标函数与优化算法对初步的高层表征进行迭代地细化与微调，并在迭代过程中确保所述约束条件得到满足，获得高层表征；对高层表征进行聚类分析，生成影像样本组的伪标签并自动标注；人工对所述影像样本组的伪标签进行校准并勘误。本发明能够实现高效且精准的医学影像组学智能标注。
-
公开(公告)号：CN117334334A
公开(公告)日：2024-01-02
申请号：CN202311272180.4
申请日：2023-09-28
Applicant: 海南大学
IPC: G16H50/30 , G16H50/70 , G06F18/214 , G06F18/21 , G06F18/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N20/20 , G06N3/048
Abstract: 本发明公开一种健康风险预测方法、装置、设备及介质。该方法获取现时环境数据；将现时环境数据输入至预测模型中，所述预测模型包括VARLST混合模型和AdaBoost模型，其中，所述VARLST模型包括VARMA模型和BI‑LSTM模型，将VARLST模型的预测结果和AdaBoost模型的预测结果进行加权融合，获得最终预测值；基于现时环境数据下预测的最终预测值以及过去时间段内的危险参考基准值下的疾病患病人数和非患病人数，计算得到预测健康风险的相对危险值；基于相对危险值进行健康风险预警。本发明能够在环境质量指数异常时，通过快速预测以及健康风险的相对危险值的计算，做到提早预防的准备。
-
公开(公告)号：CN117191094A
公开(公告)日：2023-12-08
申请号：CN202310923322.2
申请日：2023-07-26
Applicant: 海南大学
Abstract: 本发明公开一种级联型光纤传感器多参量监测系统和方法，系统的光源模块发射宽带光至光环形器，光环形器将宽带光输出至级联型光纤传感器，级联型光纤传感器的反射光波由光环形器输出至2*2耦合器；2*2耦合器将所述反射光波平均分配为两路，其中一路输入至多通道阵列波导光栅各通道中，将级联型光纤传感器的反射光波转化为在多通道阵列波导光栅各个通道中的透射光强度；采用光开关控制及光功率计获取多通道阵列波导光栅各通道的透射光强度信息并输入至数据处理模块，数据处理模块利用经过训练的端到端的深度神经网络直接读取透射光强度信息并输出级联型光纤传感器相应的干涉峰峰值波长。本发明具备高效、集成化、低成本，抗干扰能力强的优点。
-
Patent Agency Ranking
公开(公告)号：CN117034746A
公开(公告)日：2023-11-10
申请号：CN202310881809.9
申请日：2023-07-17
Applicant: 海南大学
IPC: G06F30/27 , G06N3/098 , G06N3/084 , G06N3/048 , G06F21/62 , G06F113/16 , G06F111/02
Abstract: 本发明公开了一种基于联邦学习的协作式光子晶体光纤逆向设计系统和方法。该方法在联邦学习框架下，建立了一个分布式的神经网络模型，该模型能够学习和描述光子晶体光纤的光学特性之间的非线性关系。每个节点都拥有本地的计算资源和数据集，通过局部模型的训练和参数更新，实现对光纤的特性进行建模和预测。其次，通过联邦学习的协作机制，各个节点之间进行通信和信息交换，节点之间共同优化模型，使得整体的模型性能逐步提升。同时在模型参数的聚合过程中，保护了各个节点的数据隐私，聚合服务器只能获取到加密或经过隐私保护处理的模型更新参数。
-
公开(公告)号：CN116824317A
公开(公告)日：2023-09-29
申请号：CN202310544364.5
申请日：2023-05-12
Applicant: 海南大学
Abstract: 本发明提供了一种基于多尺度特征自适应融合的水上红外目标检测方法，该方法包括：对输入的水上红外图像进行自适应缩放，统一输入图像尺寸。使用特征提取网络得到多尺度特征信息。然后，通过双向跳跃连接特征融合模块对多尺度特征信息进行初步的特征融合。初步融合后的特征再经过多尺度特征自适应融合模块输出最终的特征信息，其中，所述多尺度特征自适应融合模块通过高效频率通道注意力模块来自适应调整不同尺度特征层之间的融合比例。最后，预测层对特征信息进行预测，得到多个预测框，使用非极大值抑制方法来确定目标框、目标类别和置信度，从而检测到目标。本发明能够适应复杂多变的水上场景，提升水上红外目标检测的准确性和抗干扰能力。
-
公开(公告)号：CN116224769B
公开(公告)日：2023-09-19
申请号：CN202310175906.6
申请日：2023-02-28
Applicant: 海南大学
IPC: G05B11/42
Abstract: 本发明公开了一种无人驾驶汽车编队的PID一致性控制方法，包括如下步骤：步骤1、建立无人驾驶汽车编队系统的正多智能体系统状态空间模型；步骤2、建立无人驾驶汽车编队系统的分布式PID控制协议；步骤3、设计分布式PID控制协议的积分部分；步骤4、设计无人驾驶汽车编队系统平稳运行的条件；步骤5、无人驾驶汽车编队系统的正性验证过程；步骤6、无人驾驶汽车编队系统的一致性的验证过程。本发明实现了无人驾驶汽车编队系统中每辆车辆自身与附近行驶的自动驾驶车辆之间保持相对稳定的位姿及运动状态从而使无人驾驶汽车编队系统能够正常运行。
-
公开(公告)号：CN112036908B
公开(公告)日：2023-08-18
申请号：CN202010854187.7
申请日：2020-08-24
Applicant: 海南大学
IPC: G06Q30/018 , G06Q30/0601 , G06Q50/10
Abstract: 本发明提供一种基于区块链的高可信度科技服务交易方法，服务提供商向科技服务平台提供服务功能描述以及QOS参数，由科技服务平台甄别服务提供商的服务功能描述以及QOS参数的客观性，然后用户向科技服务平台提供自己的需求，科技服务平台根据用户需求从相似度S、非功能属性评价度Q以及评价信任度R计算得到综合信任度，从而用户可以选择合适的服务进行交易，由于引入了区块链技术，因此可以解决传统的科技服务平台出现的资源无法真正共享、信息容易泄露问题，通过三个方面对服务内容的可信度进行衡量，可以为用户选择可信度高的服务，保证用户的最大利益。
-
公开(公告)号：CN115861365B
公开(公告)日：2023-08-15
申请号：CN202211240698.5
申请日：2022-10-11
Applicant: 海南大学
Abstract: 本方案涉及一种运动目标检测方法、系统、计算机设备及存储介质。所述方法包括：获取实时采集的视频帧生成显著图；对显著图进行二值化处理，并提取出视觉显著区域；在视觉显著区域内提取潜在运动目标的特征角点，并计算特征角点相位差，得到运动目标感知结果，建立背景数据集，从中提取出运动目标，并将运动目标的二值化图作为检测结果。通过提取视觉显著区域，进而算特征角点相位差，从而得到运动目标感知结果，运动目标感知是自上而下的提供运动目标可能性信息，能够解决传统背景相减法中动态背景造成的干扰，利用运动感知结果能够有目的的在背景相减法中进行背景更新，提升背景数据集的准确性，从而提高运动目标检测的准确定和有效性。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.035 seconds)
