公开(公告)号：CN108981744A

公开(公告)日：2018-12-11

申请号：CN201810884041.X

申请日：2018-08-06

Applicant: 浙江大学

Inventor： 李莹 ,  陈伟 ,  范彬彬 ,  尹建伟 ,  邓水光 ,  罗智凌 ,  吴健 ,  吴朝晖

IPC: G01C22/00 ,  A61B5/11

Abstract: 本发明公开了一种基于机器学习与低通滤波的步频实时计算方法，该方法给广大跑步爱好者提供了一种简单有效的途径知道跑步的实时步频，经过数据准备、模型训练、状态判定、实时计算四个阶段准确的计算步频。本发明极大的改善了目前步频计算不是实时以及容易误算步频的情况，使得步频计算达到实时可靠，由于采用了机器学习方法，故减少了错误统计步频的情况。同时，本发明实时显示步频，方便跑步者控制自己的跑步速度，且步频计算更加精确。

公开(公告)号：CN108881197A

公开(公告)日：2018-11-23

申请号：CN201810580547.1

申请日：2018-06-07

Applicant: 浙江大学

Inventor： 罗智凌 ,  唐文博 ,  尹建伟 ,  赵文波 ,  尚永衡 ,  吴朝晖

IPC: H04L29/06 ,  H04L12/24

Abstract: 本发明公开了一种RBAC模型的高分网格系统身份验证系统，包括：针对行业用户和区域用户，为行业用户和区域用户提供分组，每个分组内设定一个用户组管理员，用户组管理员负责分组内的用户的身份验证和权限分配；针对公众用户，系统管理员负责公众用户的身份验证和权限分配；身份验证是通过赋予角色一定的访问权限和通过检查用户的角色来实现的。该系统能够满足高分网格系统的访问控制及身份验证的需求，为高分网格系统的推广奠定基础。

公开(公告)号：CN108564587A

公开(公告)日：2018-09-21

申请号：CN201810186195.1

申请日：2018-03-07

Applicant: 浙江大学

Inventor： 罗智凌 ,  岑超 ,  尹建伟 ,  李莹 ,  吴朝晖

IPC: G06T7/11 ,  G06T7/90 ,  G06N3/04

Abstract: 本发明公开了一种基于全卷积神经网络的大范围遥感影像语义分割方法，包括数据标注、模型训练、预测结果三个阶段；该方法针对遥感影像高精度、大范围、多光谱信息等特点，对遥感影像进行了波段合成、影像融合、图像切分的预处理操作，对训练集使用了数据增强的技巧扩充样本的丰富程度，如果能够获取到带标记的数据集，可以先用其对模型进行训练，来目标数据模型训练的初始化，以减少人工标注的工作量。为了提高结果的准确率，本发明方法对图像进行了有重叠的网格切分，分别进行预测后，按顺序拼接预测结果图像，并进行中值滤波减少噪声和图像中不平滑的部分，最终取得了较高的准确率。

公开(公告)号：CN108520275A

公开(公告)日：2018-09-11

申请号：CN201810286686.3

申请日：2018-03-31

Applicant: 浙江大学

Inventor： 罗智凌 ,  尹建伟 ,  吴朝晖 ,  邓水光 ,  李莹 ,  吴健

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于邻接矩阵的连接信息规整系统、图特征提取系统、图分类系统和方法，通过将图对应的邻接矩阵中的连接信息元素集中到邻接矩阵的特定的对角线区域中，将非连接信息元素提前进行削减，这样在使用大小固定的窗口沿对角线区域遍历就可以捕获图中所有对应大小的子图结构时，时间复杂度大大降低了；进一步使用过滤矩阵沿对角线方向提取图的子图结构，然后采用层叠的卷积神经网络提取更大的子图结构，一方面大大减少了计算复杂度和计算量，解决了计算复杂度的限制和窗口大小的限制，并且能够通过较小的窗口捕获大型多顶点的子图结构，以及来自顶点和边的隐式相关结构的深层特征，提高了图分类的准确性和速度。

公开(公告)号：CN107977686A

公开(公告)日：2018-05-01

申请号：CN201711403170.4

申请日：2017-12-22

Applicant: 浙江大学

Inventor： 罗智凌 ,  晁德文 ,  李莹 ,  尹建伟 ,  吴朝晖

IPC: G06K9/62 ,  G06T7/00

Abstract: 本发明公开了一种工业X光图像的分类方法，该方法实现了对工业生产过程中无损探伤检测环节的自动化，能够代替人工对该环节产生的X光图像进行病疵种类的快速分类。本发明还针对底纹对病疵图像识别的影响作出改进，通过提出去底纹函数，构造出纯底纹图像，利用原图与纯底纹图像的差异，在一定程度上去除原图中的底纹，大幅提升这种情况下图像分类的准确率。此外本发明通过对神经网络训练过程中残差的利用，大大降低训练耗时，确保了方法的高效性。

公开(公告)号：CN107341611A

公开(公告)日：2017-11-10

申请号：CN201710546649.7

申请日：2017-07-06

Applicant: 浙江大学

Inventor： 尹建伟 ,  熊凯 ,  罗智凌 ,  邓水光 ,  李莹 ,  吴朝晖 ,  吴健

IPC: G06Q10/06 ,  G06N3/08 ,  G06F17/30 ,  G06K9/62

CPC classification number: G06Q10/0633 ,  G06F17/30277 ,  G06K9/6277 ,  G06N3/084 ,  G06Q10/067

Abstract: 本发明公开了一种基于卷积神经网络的业务流程推荐方法，包括：(1)业务流程数据集的标准化；(2)基于矩阵变换的特征提取；(3)多层卷积核操作；(4)子采样和分类；(5)模型迭代调参。本发明创新性地将业务流程推荐问题抽象为图分类问题，并采用改进的卷积神经网络技术对问题进行求解，该方法绝大部分时耗集中于线下的训练模块，线上推荐时间复杂度很小，从而显著增强了推荐的实时性；另一方面，本发明方法可以适用于任何含有复杂结构的业务流程推荐问题中，因而有效地提高了推荐的平均准确率。