-
公开(公告)号：CN117238479A
公开(公告)日：2023-12-15
申请号：CN202310920542.X
申请日：2023-07-26
Applicant: 桂林电子科技大学
IPC: G16H50/20 , G16H50/30 , G06F18/243 , G06N20/00
Abstract: 本发明公开了一种根据血液检测结果诊断肝炎患者的可解释机器学习预测方法，其特征在于主要包含以下步骤：获取肝炎患者的血液检测结果以及肝炎诊断状况；对缺失值进行处理，并使用数据均衡策略，获得540条正样本和等数量的负样本；使用黑盒模型随机森林、支持向量机和AdaBoost进行预测；使用贝叶斯优化和网格优化算法对模型进行处理；选择精度最优的模型作为最终预测模型并输出预测结果；使用AUC、准确率、精确度、F1‑score、召回率五个评估指标衡量模型；使用SHAP对选取出的模型进行全局解释，使用LIME对预测结果进行局部解释。该方法无需侵入性检测，通过非侵入性的血液检测就可以诊断患者是否患有丙型肝炎，同时兼具可解释性，相比于最先进的方法具有更优越的识别性能且预测过程更加透明。
-
公开(公告)号：CN112238691B
公开(公告)日：2023-08-08
申请号：CN202011142742.X
申请日：2020-10-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种票据用打印机及打印机的控制方法，包括盖章组件、输送组件和止动组件，盖章组件设置于输送组件的上侧，输送组件设置于打印机的出纸端，止动组件设置于输送组件的上侧，并与输送组件电性连接，止动组件包括伸缩杆、气缸、抵接板、固定柱、控制器和海绵层，气缸通过固定柱与输送组件固定连接，抵接板通过伸缩杆与气缸连接，海绵层设置于抵接板的下侧，控制器设置于固定柱的外侧，并分别与输送组件和止动组件电性连接，在现有技术的基础上，改进盖章组件的结构，并增设止动组件，利用止动组件实现自动的将票据与盖章组件脱离，从而避免了使用过程中票据盖章效果不佳的问题。
-
公开(公告)号：CN111884829B
公开(公告)日：2022-07-29
申请号：CN202010566129.4
申请日：2020-06-19
Applicant: 西安电子科技大学
Abstract: 本发明涉及物联网的技术领域，特别是涉及一种最大化多无人机架构收益的方法，其通过权衡用户的体验质量和运营商的运营成本，设计了参数化的净收益模型，共同优化通信、计算和缓存资源分配策略，在满足用户需求的同时最大化无人机协助的移动边缘计算的净收益，在此基础上，提出了多维混合自适应粒子群算法来求解联合优化问题。
-
公开(公告)号：CN113554276A
公开(公告)日：2021-10-26
申请号：CN202110713317.X
申请日：2021-06-25
Abstract: 本发明公开一种基于泊位供给可用性感知冲突规避泊位分配系统，包括路内停车区停泊信息采集端、系统控制云计算中心、数据通信传输系统、泊位调度监控平台；通过从停车需求混乱、停泊操作空间狭窄、停泊车辆相互干扰三方面问题出发，充分调度停车区范围内车辆停泊秩序并实现车辆快速安全停泊，避免停车区向道路网严重拥堵点演化。积极响应平高峰停泊需求差异性，该系统不仅有效规避了当前智慧停车快速发展带来的一系列附生问题，还可以有效降低多车辆停泊需求冲突、停泊车辆对其他车辆的相互干扰、为停泊车辆提供安全、舒适的停泊操作活动空间，并有效避免驾驶员初始盲目巡航与二次巡航；同时，该系统构建了停车区车辆停泊效益评价体系，精准把控系统的实践应用效益、并合理反馈到监泊位调度监控平台，实现系统应用效益最大化。
-
公开(公告)号：CN112686139A
公开(公告)日：2021-04-20
申请号：CN202011591625.1
申请日：2020-12-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法，主要解决现有技术中不能很好的对遥感图像中多尺度目标进行检测的问题。其实现方案是：1)从公开网站获取遥感图像数据集，将数据集划分为训练集和测试集；2)搭建由主干子网络、特征融合子网络和检测子网络依次连接组成的跨阶段局部多尺度密集连接检测网络；3)用训练集对跨阶段局部多尺度密集连接检测网络进行训练；4)用训练好的网络模型对测试集进行目标检测，输出目标检测结果。本发明具有强化的特征提取能力和对多尺度遥感图像目标检测精度高的优点，可应用于对遥感图像中的多尺度目标识别。
-
Patent Agency Ranking
公开(公告)号：CN101937554A
公开(公告)日：2011-01-05
申请号：CN201010281120.5
申请日：2010-09-15
Applicant: 西安电子科技大学
Inventor： 王晨
Abstract: 本发明公开了一种基于AHP的模糊综合远程教育教学质量评估方法，包括以下步骤：运用AHP确定指标权重；运用模糊综合评估方法确定总评估结果；所述运用AHP确定指标权重的方法为：建立所研究问题的递阶层次结构；确定两两比较判断矩阵；层次单排序；层次总排序——计算同一层次所有元素的组合权重；一致性检验。提出了一种定量化远程教育教学质量评估方法，即通过构建基于AHP的模糊综合评估模型，并将该理论引入远程教育教学质量评估之中，通过使用AHP确定评估因素的权重，接着使用模糊综合评估法建立数学模型，进行数据处理，从而将评估问题转化为模糊矩阵的乘法问题予以处理。
-
公开(公告)号：CN119807542A
公开(公告)日：2025-04-11
申请号：CN202510309119.5
申请日：2025-03-17
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F16/906 , G06F40/30 , G06N5/022 , G06N3/042 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明提供了一种基于图嵌入和知识表示学习融合的知识图谱节点推荐方法，属于知识图谱及其应用领域。该方法通过结合图嵌入和知识表示学习的优势，能够有效地融合节点的结构信息和语义信息，提升推荐系统的精度和效果。本发明不依赖用户的交互数据，而是基于知识图谱中节点的结构关系和语义特征进行自适应推荐，从而避免了冷启动问题，并能充分挖掘节点之间的潜在关系与语义信息。该方法能够灵活处理不同类型的节点，适应多种复杂应用场景，在大规模知识图谱中提供高效、精准的相似节点推荐。通过图嵌入和知识表示学习的结合，本发明显著提升了推荐结果的准确性，知识图谱应用中，对于节点语义信息的缺乏和结构化知识的利用上，展现出明显的优势。
-
公开(公告)号：CN119786038A
公开(公告)日：2025-04-08
申请号：CN202411930976.9
申请日：2024-12-26
Applicant: 桂林电子科技大学
IPC: G16H50/30 , G16H30/40 , G06T7/11 , G06T5/70 , G06T5/60 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于文字‑3D图像的多模态脑卒中预测方法，其过程包含如下步骤：收集样本数据和预处理：获取脑卒中患者MRI样本以及每个样本病灶区域的自然语言描述信息，并将文字描述转换为向量表示，作为后续模型的输入；构建模型：使用卷积神经网络（CNN）作为图像特征编码模块，均采用U‑Net架构。模型优化：我们采用Soft Dice Loss和Cross Entropy Loss两个的加权作为模型的损失函数，以更好地优化模型；多模态融合：我们利用Transformer结构将视觉和语言信息进行融合，实现跨模态特征的深度交互；模型评估：使用Dice系数、精确度、召回率、HD95共4个评价指标来评估分割模型的性能。通过对比模型在不同评估指标下的表现，不断优化分割结果。
-
公开(公告)号：CN119149856B
公开(公告)日：2025-01-24
申请号：CN202411595066.X
申请日：2024-11-11
Applicant: 电子科技大学
IPC: G06F17/00 , G06T7/277 , G06T7/246 , G06T7/73 , G06N3/0464
Abstract: 本发明公开了一种用于复杂背景下的无人机检测跟踪方法及装置，可用于无人机反制技术领域。本发明根据采用图像处理技术对无人机在图像中的表现进行分析，有效提高了检测精度；同时通过图像传感器进行无人机目标检测，进一步确认无人机的目标类别和位置信息；以及将毫米波雷达数据融合到状态估计中，基于雷达所获取的目标位置和速度信息修正追踪器对目标位置的估计，以进一步增强无人机轨迹的预测精度，并且雷达数据的引入可以减少单一图像检测数据在遮挡或视角变化时的不确定性。本发明运用图像识别技术和雷达探测技术，能够更全面、精确地感知无人机的存在及动态变化。本发明在复杂环境中表现出色，有效减少了误报率，提升了检测跟踪精度。
-
公开(公告)号：CN118800452A
公开(公告)日：2024-10-18
申请号：CN202410993056.5
申请日：2024-07-24
Applicant: 桂林电子科技大学
IPC: G16H50/30 , G16H50/70 , G06F18/214 , G06N20/10 , G06N5/01 , G06F18/23213 , G06N3/0985
Abstract: 本发明公开了一种基于聚类下采样和可解释深度森林的脑卒中预测方法，获取脑卒中和正常患者的代谢指标以及分类情况；对特征进行标准化，并对异常值进行处理，获取完整的、标准化数据；使用提出的CBUC算法对不平衡数据重采样，尽可能多地将多类型的数据纳入训练，得到一个平衡训练集；使用级联深度森林模型（DF）对数据集进行预测；采用Grid search技术对预测的模型进行优化；采用10折交叉验证对模型的性能进行评估，使用Specificity（SP）、Sensitivity（SE）、Gmean、Area Under the Curve（AUC）以及Accuracy（ACC）五个指标衡量模型性能；计算深度模型中第一层森林的MDI，对输入的特征进行重要性比较。该方法将极度不平衡脑卒中数据重采样为平衡数据集，提高模型的预测精度，同时兼具可解释性，相比于最先进的方法具有更优越的识别性能且预测过程更加透明。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.03 seconds)
