-
公开(公告)号：CN105069307B
公开(公告)日：2018-04-10
申请号：CN201510510622.3
申请日：2015-08-19
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 一种结合ICA与移不变CPD的多被试fMRI数据分析方法，属于医学信号处理领域。采用以CPD为中心，以ICA为预处理环节的主辅结合方式；ICA预处理为移不变CPD提供联合混合矩阵；移不变CPD采用秩一估计方法，从联合混合矩阵中逐一分解出多被试共享TC、与共享TC相对应的各被试时延以及各被试强度；利用移不变CPD的输出重构联合混合矩阵，采用最小二乘法估计多被试共享SM。本发明能够对多被试任务态fMRI数据进行稳定而更为有效的分析，而且当被试间SM差异性和TC差异性较大时，优势更为明显，所估计的共享SM成分和共享TC成分与先验参考信号有着更高的相关性，TC大时延的估计精度高，且计算量小。
-
公开(公告)号：CN105184786B
公开(公告)日：2017-10-17
申请号：CN201510542180.0
申请日：2015-08-28
Applicant: 大连理工大学
Abstract: 一种浮点型三角形特征描述方法，属于计算机视觉领域。以单一的三角形作为一个特征单元，以三角形边角关系结合三角形局部区域信息构建38维特征描述子，包括三角形三边和三角构成的六维形状描述子，以及以三角形质心为中心、以三角形最长边的一定比例为半径所确定正方形区域形成的32维区域描述子。与现有以多个三角形为特征单元但描述信息简单的算法相比，本发明特征描述子维数降低，形状描述子和区域描述子半径具有平移、尺度和旋转不变性，区域描述子中心具有仿射不变性，因此既能显著降低特征描述的复杂度、提升匹配速度，也能提高特征描述的鲁棒性。由于增加了几何约束，本发明的特征点匹配可靠性得到提高。
-
公开(公告)号：CN103870710B
公开(公告)日：2017-01-18
申请号：CN201410126455.8
申请日：2014-03-30
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于多被试fMRI数据分析的分组张量方法，属于fMRI数据分析领域。其特征在于，以最小化被试间差异性为原则，将原来构建一个大张量的所有被试fMRI数据以被试为单位分成多个子组，使得每个子组中各被试的时间过程成分间及脑空间激活区成分间具有最大的互相关。较之原始的大张量，由子组fMRI数据构建的子组张量与张量分解的CP模型更为匹配，故能分解得到性能提升的多被试共有的时间过程成分和脑空间激活区成分，如任务相关时间过程成分与先验任务刺激过程的相关系数可提高约0.1，任务相关脑空间激活区成分的噪声体素数可下降约23%，期望激活体素数则基本不变。本发明对解决其他类型高维数据与CP模型的失配问题具有参考作用。
-
公开(公告)号：CN104852698A
公开(公告)日：2015-08-19
申请号：CN201510257250.8
申请日：2015-05-19
Applicant: 大连理工大学
IPC: H03F3/45
CPC classification number: H03F3/45502 , H03F2203/45202 , H03F2203/45206
Abstract: 本发明提供了一种改进的射极耦合差分放大电路，该差分放大电路是在传统电阻负反馈射极耦合差分放大电路和恒流源负反馈射极耦合差分放大电路的基础上改进而成，增加了静态工作点设置切换用单刀双置开关，以保证电阻负反馈射极耦合差分放大电路和恒流源负反馈射极耦合差分放大电路可以共用同一对差分对称管；将电阻负反馈射极耦合差分放大电路中的负反馈电阻改成了电位器，保证电阻负反馈射极耦合差分放大电路的静态工作点可以调节，将电阻负反馈射极耦合差分放大电路的静态工作点与恒流源负反馈射极耦合差分放大电路的静态工作点调一致。本发明在模块化硬件平台上实现，各模块间通过导线互联，轻松构成所需的电路。
-
公开(公告)号：CN104091166A
公开(公告)日：2014-10-08
申请号：CN201410321214.9
申请日：2014-07-07
Applicant: 大连理工大学
IPC: G06K9/46
Abstract: 本发明公开了一种车道线边缘提取的动态阈值方法，属于视觉导航和车辆安全辅助驾驶领域。其特征在于，将一帧行车图像分成左右两部分，左侧图像的每一行具有自己的动态阈值集合，右侧图像的每一行也具有自己的动态阈值集合。动态阈值集合由每行每侧图像锐化矩阵的几个较大值构成，即可细致体现图像的局部特征，又能兼顾图像的全局特性。自左右分界处进行自内向外、自下向上的逐行扫描，将第一次遇到阈值集合中元素的位置记为左侧或右侧惟一的边缘位置。本发明适于检测车辆行进所在车道，所输出的车道线边缘只有单像素宽、目的性强、干扰点少，大大简化了后续的车道线检测处理。与现有固定或自适应阈值方法相比，车道线检测正确率和速度都得到提高。
-
Patent Agency Ranking
公开(公告)号：CN102543098B
公开(公告)日：2013-04-10
申请号：CN201210022621.0
申请日：2012-02-01
Applicant: 大连理工大学
Inventor： 林秋华
IPC: G10L21/0272
Abstract: 本发明公开了一种分频段切换CMN非线性函数的频域语音盲分离方法，属于语音增强技术领域。其特征是将基于峭度分布特性将频域语音分为低频和中频两个频段，应用三种分频段方案切换复数CMN算法的非线性函数，使至少一种方案与频域语音的高斯性和对称性最为匹配。与单一非线性函数CMN算法相比，本发明能够适应语音在高斯性和对称性方面的变化，显著提高语音分离性能，当采用一般的幅度相关法进行各频点语音调序时，两路语音分离信噪比最大可提高11dB，而且性能稳定，易于软硬件实现，可广泛用于计算机感知与决策、无人驾驶等关键技术中完成语音增强功能，进一步提升语音识别和内容理解等语音信号处理任务的整体性能。
-
公开(公告)号：CN102543098A
公开(公告)日：2012-07-04
申请号：CN201210022621.0
申请日：2012-02-01
Applicant: 大连理工大学
Inventor： 林秋华
IPC: G10L21/02
Abstract: 本发明公开了一种分频段切换CMN非线性函数的频域语音盲分离方法，属于语音增强技术领域。其特征是将基于峭度分布特性将频域语音分为低频和中频两个频段，应用三种分频段方案切换复数CMN算法的非线性函数，使至少一种方案与频域语音的高斯性和对称性最为匹配。与单一非线性函数CMN算法相比，本发明能够适应语音在高斯性和对称性方面的变化，显著提高语音分离性能，当采用一般的幅度相关法进行各频点语音调序时，两路语音分离信噪比最大可提高11dB，而且性能稳定，易于软硬件实现，可广泛用于计算机感知与决策、无人驾驶等关键技术中完成语音增强功能，进一步提升语音识别和内容理解等语音信号处理任务的整体性能。
-
公开(公告)号：CN1710930A
公开(公告)日：2005-12-21
申请号：CN200510046737.8
申请日：2005-06-20
Applicant: 大连理工大学
IPC: H04N1/32
Abstract: 一种基于盲源分离的顺序图像加密方法，属于信息安全技术领域。本发明公开了基于盲源分离加密多幅顺序图像的顺序特征提取法和顺序特征嵌入法。顺序特征提取法在加密时提取能够表征明文图像顺序的特征并排序，对解密图像进行同样的特征提取与排序，从而恢复其原始顺序。顺序特征嵌入法在加密时采用现有数字水印技术在明文图像中嵌入顺序特征，解密时通过提取该顺序特征并排序而完成顺序恢复。本发明的效果和益处是提供了基于盲源分离的高保密度图像加密方法，既能加密多幅无顺序图像，也能加密多幅顺序图像。本发明可形成高保密度的图像加密软硬件产品，广泛用于军事、政治、经济、文化等各领域的网络通信中保障图像数据安全。
-
公开(公告)号：CN114187475B
公开(公告)日：2024-09-27
申请号：CN202111511828.X
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/82 , A61B5/00 , A61B5/055 , G06N3/0464 , G06N3/084
Abstract: 一种基于热力图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试切片样本输入一个训练好的CNN模型，提取最后一个池化层输出的特征图；通过反向传播计算模型输出相对于特征图的梯度；将梯度加权后的特征图送入线性整流单元；经过上采样得到热力图，将模型的决策依据可视化，解释单被试分类结果。对于多个被试，将同类被试的热力图进行平均，得到组热力图，解释多被试分类结果。本发明分别计算精神分裂症患者和健康对照被试在两个CNN模型下的热力图。SSP图比SSM图给出了更完整的DMN区域以及更大的组间差异，提高了CNN分类的可信度。
-
公开(公告)号：CN114239705B
公开(公告)日：2024-08-23
申请号：CN202111480785.3
申请日：2021-12-06
Applicant: 大连理工大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , A61B5/055 , A61B5/00 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 一种基于显著图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试的切片样本送入一个训练好的CNN模型获得卷积层输出的特征图，将多通道特征图进行平均并上采样到与输入样本同样的尺寸；经过归一化、取阈值获得分类过程中所依据的显著特征，以解释单被试的分类结果；对于多个被试，将同类被试的特征图先取平均，归一化后取阈值获得分类过程中所依据的组显著特征，用于解释多被试的分类结果。从多个被试的复数静息态fMRI数据中提取DMN成分后，分别建立SSP图和SSM图的样本集，用于训练两个结构相同的CNN模型；本发明的显著图可视化方法显示出SSP图比SSM图在CNN网络的内部传递中生成了更完整、区分度更高的显著特征，提高了CNN模型分类的可信度。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.029 seconds)
