-
公开(公告)号:CN116467126A
公开(公告)日:2023-07-21
申请号:CN202310420161.5
申请日:2023-04-14
Applicant: 济南大学
Abstract: 本公开涉及磁盘故障预测技术领域,提出了一种基于多层域自适应学习的磁盘故障预测方法及系统,包括如下步骤:构建的故障预测模型包括多层的特征提取网络,针对源域和目标域的磁盘数据提取特征;采用多层域自适应学习,对从源域和目标域提取到的每一层的特征进行学习,将最大均值差异和相关对齐作为度量损失,最小化源域与目标域之间的差异,对齐两个域,提取两个域的域不变特征;将提取的域不变特征对构建的故障预测模型进行训练,基于得到的训练模型对磁盘故障进行识别。本公开将更多的域不变特征迁移至目标域中,实现领域不变跨域迁移和复用,提升对故障数量少的磁盘模型的预测性能,提高了磁盘故障预测的准确度。
-
公开(公告)号:CN105893605B
公开(公告)日:2019-02-22
申请号:CN201610259255.9
申请日:2016-04-25
Applicant: 济南大学
IPC: G06F16/22 , G06F16/2453 , G06F16/2455 , G06F16/2458
Abstract: 本发明公开了一种面向时空数据k近邻查询的分布式计算平台及查询方法,该平台包括全局索引数据管理模块,其与数据接入分发模块、时空数据索引模块和查询并行处理模块进行交互数据,用来支撑分布式动态两级索引结构;数据接入分发模块,其用于实时接入连续到达的时空数据和时空数据查询,根据分布式动态两级索引结构将时空数据和时空数据查询分别分发至时空数据索引模块和查询并行处理模块;时空数据索引模块,其对相应查询区域内的时空数据建立索引,实时更新时空数据的位置信息,并将更新的时空数据位置信息实时发送至查询并行处理模块;查询并行处理模块,其根据更新的时空数据位置信息,并行处理接收的时空数据查询,输出时空数据查询结果。
-
公开(公告)号:CN106691470A
公开(公告)日:2017-05-24
申请号:CN201710012389.5
申请日:2017-01-09
Applicant: 济南大学
IPC: A61B5/153
CPC classification number: A61B5/15003 , A61B5/150206 , A61B5/153
Abstract: 本发明涉及一种腔镜下静脉采血针套件及其使用方法,包括静脉采血针,所述的静脉采血针包括软管和针管,所述的软管一端连接有连接座,所述的软管的另一端通过弹性夹持部固定有针管,上述的腔镜下静脉采血针套件还包括有套管,所述的套管套设在所述的弹性夹持部和针管的外部,所述的套管上端部与软管之间设有密封锥管,所述的密封锥管套设在软管上。本发明在操作时可以减少掉针情况发生,同时通过在套管与软管之间加设密封锥管,保证采血针整体的密封性,可以有效防止漏气。
-
公开(公告)号:CN102711247A
公开(公告)日:2012-10-03
申请号:CN201210232196.8
申请日:2012-07-06
Applicant: 济南大学
Abstract: 本发明涉及一种免锚节点的三维无线传感器网络物理定位方法。它采用局部集中全局分布式思想,解决了测距类方法普遍存在的反转分歧问题,以较小的计算量和通信量实现精确的物理定位。包括以下步骤:1)WSN系统初始化,各传感器节点查找自己的相邻节点并测量与相邻节点间的距离和相对的角度信息;2)各节点构建自己的本地空间直角坐标系,所有坐标系都符合右手法则,且z轴总是指向同一个半空间;3)计算各邻节点的本地坐标;4)相邻节点求解基于齐次坐标的三维坐标系变换矩阵,通过变换矩阵的转换可以计算出相对于另一个本地坐标系的坐标;5)选定全局坐标系原点,各节点通过坐标系变换矩阵的递归式传递,计算出全局物理坐标。
-
公开(公告)号:CN120071096A
公开(公告)日:2025-05-30
申请号:CN202510543271.X
申请日:2025-04-28
Applicant: 济南大学
IPC: G06V10/82 , G06V10/44 , G06V10/28 , G06V10/34 , G06V10/772 , G06N3/0499 , G06N3/08 , G06T7/60 , G06T7/73 , G06N3/048
Abstract: 本发明的一种基于KAN和MR的测量方法及系统,属于计算机视觉与数据识别技术领域,方法包括步骤:采集测量工具上的刻度线图像,并进行图像预处理;对预处理后图像进行特征提取,获得图像的几何特征向量;建立KAN网络并进行网络训练,获得训练好的KAN网络,KAN网络的输入向量由左端点坐标、右端点坐标和红色刻度线中点坐标几何特征组成,KAN网络包括3个隐藏层,每层节点数为64,激活函数为自适应样条,采用单节点输出预测刻度值,采用均方误差作为损失函数;将几何特征向量输入训练好的KAN网络,输出预测刻度值。本发明采用KAN网络和混合现实技术,实现了刻度线的实时、高精度读取,提高了测量效率和准确性。
-
公开(公告)号:CN119533396B
公开(公告)日:2025-05-16
申请号:CN202510080312.6
申请日:2025-01-20
Applicant: 济南大学
Abstract: 本发明的一种基于混合现实的空间测距方法及装置,属于混合现实及图像处理技术领域,方法包括步骤:初始化混合现实设备的深度传感器、摄像头模块以及手部射线;利用全局事件监听器实时监测用户的手势操作;利用深度传感器对周围环境进行实时扫描,获取环境中的点云数据;计算点云中相邻三角形的法线角度差值,筛选出具有显著角度变化的边缘点;通过手部射线选择测量起始点以及测量终点,对测量点坐标进行修正,求出测量起始点和终点的最终位置;混合现实头显根据测量点坐标的最终位置,完成数值形式的虚拟信息定位渲染。本发明实现了测量点的精确定位和空间数据的高效处理,显著提升了测量的精度与响应速度。
-
公开(公告)号:CN118674623A
公开(公告)日:2024-09-20
申请号:CN202410760714.6
申请日:2024-06-13
Applicant: 济南大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/082 , G06N3/0499
Abstract: 本发明涉及医学图像处理技术领域,提供了一种基于多尺度小波变换的低剂量CT图像超分辨率方法及系统。该方法包括,获取低剂量CT图像,采用多尺度网络模型,得到复原后的CT图像;多尺度网络模型包括浅层特征提取模块、编码器模块、图像转化模块以及解码器模块;浅层特征提取模块提取低剂量CT图像的浅层特征图;编码器模块包括三个编码器,每个编码器将浅层特征图依次经过改进的Transformer模块、下采样模块和小波变换模块的处理,得到编码器输出的特征图和频域子带;解码器模块包括三个解码器,每个解码器对上一个解码器输出的特征图或者全局特征图、对应编码器输出的特征图以及频域子带进行融合后,得到解码器模块输出的特征图。
-
公开(公告)号:CN118608545A
公开(公告)日:2024-09-06
申请号:CN202410907954.4
申请日:2024-07-08
Applicant: 济南大学
IPC: G06T7/11 , G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于轻量级多尺度融合的双路径皮肤病变图像分割方法,该方法通过创新的网络架构和多尺度融合模块,在资源受限的环境中实现高效准确的图像分割。本方法包括数据集的获取与预处理、轻量级网络的构建、迭代训练与验证、基于多项评价指标的模型选择,以及最佳模型的应用以获取病变区域的分割结果。本发明的方法不仅保持了高分割精度,而且降低了计算和存储需求,适用于移动医疗和远程诊断,具有重要的临床应用价值。
-
公开(公告)号:CN114067093B
公开(公告)日:2024-07-26
申请号:CN202111114709.0
申请日:2021-09-23
Applicant: 济南大学
IPC: G06V10/22 , G06V10/74 , G06V10/762
Abstract: 本发明属于用电数据处理领域,提供了一种基于时序与图像的散乱污用户精准捕获方法及系统。其中,该方法包括获取设定供电区域内所有用户的用电情况并进行分群;选择群中用户数量少于预设用户数量阈值,且群中用户的峰值电量与总电量比值小于预设比值阈值的群,所筛选的群内成员作为疑似散乱污用户;将疑似散乱污用户的用电时序数据映射成电量格拉姆角场二维图像,根据电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度来精准捕获散乱污用户。
-
公开(公告)号:CN118155221A
公开(公告)日:2024-06-07
申请号:CN202410578498.3
申请日:2024-05-11
Applicant: 济南大学
IPC: G06V30/19 , G06V30/18 , G06N3/0455 , G06N3/09
Abstract: 本发明公开一种基于多监督的印刷体公式识别方法,涉及公式识别技术领域,包括以下步骤:S1:构造数据集;S2:对数据集中图片,在不同尺度提取图片特征,并被编码为包含上下文语义的向量;S3:通过解码输出向量的LaTeX序列;S4:使用标准模型将所述S2及所述S3组合成一个端到端结构;S5:构造评价指标。本发明要解决的技术问题是实现对印刷体公式识别。
-
-
-
-
-
-
-
-
-