-
公开(公告)号：CN110929775A
公开(公告)日：2020-03-27
申请号：CN201911127264.2
申请日：2019-11-18
Applicant: 南通大学
Abstract: 本发明涉及到医学信息智能处理领域，具体来说涉及一种用于视网膜病变分类的卷积神经网络权值优化方法。该方法首先获取眼底图像训练集、及其对应的多病变标签；通过单种群蛙跳算法寻找最优初始权值，然后构建卷积神经网络中的卷积层、池化层和全连接层，将最优初始权值作为第一次前向传播计算的参数；将视网膜中四种病变的四个预测值分别与真实值进行交叉熵损失计算并求和得到损失值，判断损失值是否异常，如果异常则围绕前一次前向传播的权值生成蛙群，寻找最优蛙更新网络权值；否则采用梯度下降算法更新网络权值；最后对最终权值进行优化。本发明能有效提高眼底图像多病变检测的准确率，对视网膜疾病和辅助治疗具有较强应用价值。
-
公开(公告)号：CN107145890B
公开(公告)日：2019-05-10
申请号：CN201710301502.1
申请日：2017-05-02
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G06K9/46
Abstract: 本发明公开了一种远距离多视角环境下的指针式仪表盘自动读数方法，包括表盘区域确定、分割处理、指针提取拟合和读数估算几个步骤。首先通过匹配待识别图像和模板表盘的关键点确定图像中的表盘区域，然后根据直方图分布二值化表盘，通过对二值图形态学处理得到表盘内部信息，之后对采用概率霍夫变换拟合得到的直线归纳合并得到指针角度，最后根据先验指针计算出指针读数。本发明解决了远距离斜视角度下表盘变形严重、刻度模糊至肉眼无法完全识别读数的问题，并且具有较高的准确率。
-
公开(公告)号：CN108986872A
公开(公告)日：2018-12-11
申请号：CN201810642497.5
申请日：2018-06-21
Applicant: 南通大学
Abstract: 本发明公开了一种用于大数据电子病历约简的多粒度属性权重Spark方法。该方法首先在Hadoop分布式文件系统中将大数据电子病历集划分成不同的条件属性作业和决策属性作业；然后设计基于改进MapReduce作业协同结构的Spark模型，将电子病历条件属性作业并行化处理；其次在Hadoop分布式文件系统中构建多粒度属性权重Spark方法用于电子病历属性快速约简，从而求得大数据电子病历属性约简最优特征集；最后将大数据电子病历属性约简特征集R1,R2,…,Rn存储至Hadoop分布文件系统中，为相关疾病的临床诊断和治疗提供重要的智能诊断知识依据。
-
公开(公告)号：CN108446740A
公开(公告)日：2018-08-24
申请号：CN201810262763.1
申请日：2018-03-28
Applicant: 南通大学
IPC: G06K9/62
CPC classification number: G06K9/6239 , G06K9/622
Abstract: 本发明公开了一种用于脑影像病历特征提取的多层一致协同方法，首先构建一种多层协同MapReduce模型进行不可分割相关脑影像病历特征的标识，将具有多个相关特征的脑病历进行有效分类；然后设计一种脑影像病历特征一致相容性聚合方法，使协同模因组提取的脑影像病历特征局部解和全局优势解能达到有效平衡；其次采用多决策一致性优化矩阵进一步检测协同模因组的非合作MapReduce行为，从而有效取得特征集的一致纳什均衡；最后评估脑影像病历特征提取的精度，输出最优特征选择集。本发明为相关疾病的临床诊断和治疗提供重要的影像特征依据。
-
公开(公告)号：CN106874877A
公开(公告)日：2017-06-20
申请号：CN201710090721.X
申请日：2017-02-20
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G06K9/00
CPC classification number: G06K9/00268
Abstract: 本发明提供一种结合局部和全局特征的无约束人脸验证方法，首先整理人脸样本库，每个人包含不同姿态、不同环境和不同时间的多张人脸照，提取人脸的68个特征点；然后根据人脸特征点提取人脸的局部特征和整体特征共5种特征，并将这5种特征映射到核空间；然后在训练集上使用这5种特征分别使用级联贝叶斯方法训练得到5组模型；在人脸验证阶段，首先提取输入图像的人脸特征，然后根据训练的模型分别计算5组特征对的相似度，最后以5组相似度的平均值作为最终相似度，从而判断两人是否为同一个人。本发明结合考虑了人脸的局部特征和整体特征，解决了室外无约束环境下的人脸验证问题。
-
Patent Agency Ranking
公开(公告)号：CN119295347A
公开(公告)日：2025-01-10
申请号：CN202411339773.2
申请日：2024-09-25
Applicant: 南通大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开基于可学习函数的空间状态序列模型的图像去雨方法，将待去雨图像输入构建的具有基于可学习函数的空间状态序列模块的去雨网络，得到去雨后图像，包括以下步骤：S1、构建面向2D图像的空间状态序列模型；S2、构建基于可学习函数的KAN层；S3、融合基于可学习函数的空间状态序列模块SKLayer；S4、构建去雨网络结构S5、输入去雨网络结构中进行训练迭代，完成对网络的训练；S6、训练迭代后，将待去雨的图像输入至训练后的去雨网络结构，得到去雨图像。本发明引入基于可学习函数的空间状态序列模块，以具备全局感受野和线性计算复杂度，取得了较好的去雨效果。
-
公开(公告)号：CN118781396A
公开(公告)日：2024-10-15
申请号：CN202410775192.7
申请日：2024-06-17
Applicant: 南通大学
IPC: G06V10/764 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/09 , G06N3/0895 , G06N3/098 , G06N3/084
Abstract: 本发明公开了一种基于局部和全局特征多阶段融合的小样本图像分类方法，首先构建局部和全局特征网络，利用深度互学习在训练阶段对它们进行融合，然后使用局部和全局特征网络对支持样本集和查询集中的图像提取特征并进行串行融合，最后利用支持样本特征训练逻辑回归分类器完成对查询样本的分类决策。本发明采用相互学习的并行融合方法，最小化二者输出概率分布之间的Kullback‑Leibler散度值。而在小样本图像分类测试阶段采用拼接的串行融合方法，将样本映射到高维特征空间，增加分类任务的线性可分性，从而提高小样本图像分类性能。
-
公开(公告)号：CN114740466B
公开(公告)日：2024-09-20
申请号：CN202210326428.X
申请日：2022-03-30
Applicant: 南通大学
Abstract: 本发明提供一种基于得分机制的雷达目标点迹过滤方法，包括获取雷达一个周期的点迹数据，将点迹的距离、速度进行极坐标、直角坐标互化，根据每个周期接收点迹的时间、速度、方位对其进行打分，并设置权重计算每个点迹的总得分，设置立方体波门过滤点迹。本发明利用多维量测信息设置约束条件，实现对多维量测信息的充分利用，解决雷达目标跟踪过程中出现的大量虚假目标和造成很多虚假航迹的问题，提高点迹过滤的质量，从而更好的实现目标跟踪。
-
公开(公告)号：CN118096569A
公开(公告)日：2024-05-28
申请号：CN202410221094.9
申请日：2024-02-28
Applicant: 南通大学
IPC: G06T5/70 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/0985 , G06F17/10
Abstract: 本发明提供了一种基于协作语义对比的多退化因素的图像复原方法，属于图像处理、图像复原技术领域。解决了现有方法多个图像复原任务仍然共享同一个编码器，无法解决特征纠缠的技术问题。其技术方案为：包括以下步骤：S1、设计图像复原网络结构；S2、设计三个子网络结构；S3、设计损失函数；S4、设计好网络结构和损失函数之后，以常规的深度学习训练方法进行模型训练，直到参数收敛。本发明的有益效果为：本发明通过将不同的图像退化因素还原归纳为一个语义类别，以解决具有挑战性的特征纠缠问题；通过构建了一个“清晰图像‑不清晰图像”的语义空间，并将图像映射到该空间，从单一输出头得到清晰的输出图像。
-
公开(公告)号：CN115269377B
公开(公告)日：2023-07-11
申请号：CN202210717428.2
申请日：2022-06-23
Applicant: 南通大学
IPC: G06F11/36 , G06F18/2113 , G06F18/22 , G06F18/243 , G06F18/214
Abstract: 本发明提供一种基于优化实例选择的跨项目软件缺陷预测方法，包括如下步骤：S1、构建项目向量集PVS；S2、构建目标实例优化索引IPI；S3、构建预训练集TPRED；S4、构建目标项目的优化索引TPOI；S5、构建基于优化实例选择的训练集BOD；S6、构建基于优化实例选择的跨项目软件缺陷预测方法BOICP。本发明提出一种基于优化实例选择的跨项目软件缺陷预测方法，通过构建目标实例全局特征向量实现源实例选择，然后使用相关性分析进一步优化实例选择，使用该方法构建的训练集有利于选择可靠的实例数据，实现更好的跨项目缺陷预测效果。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.022 seconds)
