-
公开(公告)号：CN101826207A
公开(公告)日：2010-09-08
申请号：CN201010143630.6
申请日：2010-04-09
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种细胞显微图像感兴趣区域自动查找方法。现有的方法处理速度慢、细胞边缘提取不准确、重叠细胞分割不精确。本发明方法首先利用兰索斯算法把原始图像A压缩成图像B；其次对图像B进行灰度化处理，然后再采用多阈值融合算法提取各个细胞的边缘，生成二值图C；然后对二值图C进行形态学膨胀操作，计算图像边缘形状改变的速度，直到离散程度小于设定值；最后提取细胞图像的边缘并还原到原始图像A中，即得到感兴趣区域。本发明方法处理速度快，提取细胞边缘的准确度更高。
-
公开(公告)号：CN114259242B
公开(公告)日：2024-04-12
申请号：CN202111611263.2
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多时间尺度传递谱熵的功能性皮质肌肉耦合分析方法。首先，在实验过程中采集受试者的脑电信号和上肢相关肌肉的肌电信号。然后对脑电信号和肌电信号去除伪影，去噪，滤波处理。计算处理后的脑电信号和肌电信号之间的多时间尺度传递谱熵以及尺度为s时，特定频段内的显著性面积值。然后分析双侧运动区的脑电信号与指浅屈肌的肌电信号之间的功能性皮质肌肉耦合。本发明的多时间尺度传递谱熵不仅抑制了虚假耦合，而且还描述了局部频段内的信息传递。此外，多时间尺度传递谱熵为研究功能性皮质肌肉耦合的多尺度特性提供了新的视角，而且可以更好的分析功能性皮质肌肉耦合的耦合强度、信息流、局部频带等特性。
-
公开(公告)号：CN117034730A
公开(公告)日：2023-11-10
申请号：CN202310040864.5
申请日：2023-01-12
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/084 , G06Q10/04
Abstract: 本发明公开了基于DA‑TCN‑LSTM的溶菌酶发酵溶氧预测方法，首先采集和预处理发酵数据；然后构建时间序列的数据集；再构建基于双阶段时间卷积注意力机制的深度学习算法模型，模型基于编码器‑解码器机制实现，包括双阶段TCN特征提取模块、空间注意力模块、编码模块、时间注意力模块、解码模块；最后，通过训练集数据训练基于双阶段时间卷积注意力机制的深度学习算法模型。本发明通过在溶菌酶发酵溶氧短期预测中，引入基于DA‑TCN‑LSTM的深度学习算法模型，在获得发酵长期周期趋势特征的同时，进一步提高了对于发酵短期瞬时突变特征的提取能力，增强了溶菌酶发酵溶氧量短期预测的稳定性和准确性。
-
公开(公告)号：CN111738111B
公开(公告)日：2023-08-29
申请号：CN202010521528.9
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多分支级联空洞空间金字塔的高分辨率遥感图像的道路提取方法，包括如下步骤:S1，数据预处理，对Massachusetts数据集里面的数据进行数据扩增；S2，搭建模型，使用卷积神经网络提取遥感道路图像的特征图，结合多分支级联空洞空间金字塔来提取道路图像上的特征信息，多分支级联空洞空间金字塔对所给定的输入以不同空洞比率的级联空洞卷积进行并行采样，相当于以多种方式捕捉图像的上下文信息；S3，设计损失函数来优化网络参数，并且建立评估指标F1和评估指标MIOU；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN111596292B
公开(公告)日：2023-08-25
申请号：CN202010256702.1
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于重要性网络和双向堆叠RNN的雷达目标识别算法框架，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。
-
Patent Agency Ranking
公开(公告)号：CN111738112B
公开(公告)日：2023-07-07
申请号：CN202010521534.4
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络和自注意力机制的遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注；S2，对经过S1所提取的数据集中的样本进行数据预处理；S3，用经过特征金字塔网络对预处理后的样本进行特征提取；S4，给水平锚点添加角度参数，设置为旋转锚点，再送入RPN网络；S5，搭建RNN网络融合Self‑Attention，对候选区域的置信度进行重计分；S6，搭建Fast R‑CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R‑CNN输出分类与回归的结果。
-
公开(公告)号：CN113238197B
公开(公告)日：2023-07-04
申请号：CN202011600963.7
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert和BiLSTM的雷达目标识别及据判方法，包括以下步骤：S1，收集样本并划分训练集和测试集，进行数据预处理，包括强调归一化和重心对齐；S2，使用带注意力机制的幂次变换；S3，用Bert处理幂次变换的输出，提取更加深层的特征；S4，通过双向LSTM，加强特征提取；S5，使用softmax分类器分类；S6，将经过S1处理后的HRRP测试集送入S2、S3、S4，S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN112764024B
公开(公告)日：2023-06-16
申请号：CN202011600978.3
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S13/88
Abstract: 本发明公开了一种基于卷积神经网络和Bert的雷达目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，对数据进行强度归一化和重心对齐处理；S2，将上述处理的HRRP样本输入到CNN模块，用CNN对处理后的样本进行提取特征；S3，用Bert处理CNN提取的有效特征，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert的输出，再次使用注意力机制，将更有效的特征进行保留，最后采用softmax对网络的输出进行分类；S5，将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN113408712A
公开(公告)日：2021-09-17
申请号：CN202110805164.1
申请日：2021-07-16
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于时延尺度长短期记忆网络与传递熵的脑肌耦合方法。本发明首先设计自适应选择器来选择不通时延尺度的长短期记忆网络提取时序特征，对时域特性进行傅里叶变换转换为频域特征。其次对于相同频率点处的脑肌电信号的频域特征求取传递熵，作为基准耦合强度。最后计算最佳时延尺度模型提取的序列在相同频率处的传递熵，求传递熵与基准耦合强度之间的面积即为该频段的耦合强度。本发明利用增加时延尺度的长短期记忆网络提取出信号的特征序列，然后用传递熵计算出耦合面积，以此探究人体在不同的行为动作下皮层与肌肉的耦合关系，解码人体的运动意图，拓展了研究人体运动机制的方法。
-
公开(公告)号：CN113238197A
公开(公告)日：2021-08-10
申请号：CN202011600963.7
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert和BiLSTM的雷达目标识别及据判方法，包括以下步骤：S1，收集样本并划分训练集和测试集，进行数据预处理，包括强调归一化和重心对齐；S2，使用带注意力机制的幂次变换；S3，用Bert处理幂次变换的输出，提取更加深层的特征；S4，通过双向LSTM，加强特征提取；S5，使用softmax分类器分类；S6，将经过S1处理后的HRRP测试集送入S2、S3、S4，S5步骤中已训练完成的模型中进行测试。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.029 seconds)
