-
公开(公告)号：CN117292842A
公开(公告)日：2023-12-26
申请号：CN202311200751.3
申请日：2023-09-18
Applicant: 海南大学
IPC: G16H50/70 , G16H50/20 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于MWMOTE与Res‑BiGRU的心脏病预测方法，获得心脏病数据并进行预处理；采用MWMOTE技术处理生成人工数据并按预设比例划分为训练集和测试集；将训练集输入至Res‑BiGRU混合模型中进行训练，获得训练好的Res‑BiGRU混合模型，Res‑BiGRU混合模型包括Res‑CNN模块，用于基于初始输入数据提取数据空间特征；Res‑BiGRU模块，用于基于初始输入数据与数据空间特征提取数据时序特征；全连接层，用于输出预测结果；将测试集输入训练好的Res‑BiGRU混合模型中，采用评价指标对模型性能进行评估。本发明可有效提升了心脏病预测的性能指标。
-
公开(公告)号：CN116958005A
公开(公告)日：2023-10-27
申请号：CN202310941029.9
申请日：2023-07-28
Applicant: 海南大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明提供一种自适应阶导向融合和多分辨率判别器的遥感图像融合方法，主要包括步骤：构建时空融合数据集和空谱融合数据集；确定自适应阶层；双向自适应阶特征提取；自适应阶渐进式注意力导向融合；构建自适应阶分辨率U型判别器；构建复合损失函数对模型进行优化；使用批量数据同时对生成器和多分辨率U型判别器进行训练，并使用Adam优化器对集成融合模型进行优化，得到最优模型并冻结；使用最优模型对测试数据进行空谱融合和时空融合生成高分辨率图像，本发明构建的集成融合模型既能实现空谱融合又能实现时空融合，实现了多任务的高分辨率图像的生成，并提高了融合精度。
-
公开(公告)号：CN113642429B
公开(公告)日：2023-07-14
申请号：CN202110865502.0
申请日：2021-07-29
Applicant: 海南大学
IPC: G06V20/40 , G06V10/46 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08 , G06T7/246 , G06T7/269
Abstract: 本发明提供一种基于TPP‑TCCNN的海洋鱼类识别方法，包括下列步骤：采集包含多种鱼类的原始视频，将所述原始视频划分为训练集以及测试集，并对所述训练集的鱼类视频信息进行预处理；对预处理后的鱼类视频信息进行特征提取，获取光流图像；建立双通道卷积神经网络，以光流图像以及RGB图像输入带有金字塔池化层的双通道卷积神经网络中进行训练，获得输出特征，所述RGB图像中所包含的鱼类信息与所述原始视频中的一致；通过softmax分类模型对所述输出特征进行分类训练；将测试集中的鱼类视频信息输入到最终的softmax分类模型中，得到鱼类分类结果。
-
公开(公告)号：CN116089605A
公开(公告)日：2023-05-09
申请号：CN202211490263.6
申请日：2022-11-25
Applicant: 海南大学
IPC: G06F16/35 , G06F18/23213 , G06F16/335
Abstract: 本方案涉及一种基于迁移学习和改进词袋模型的文本情感分析方法、系统、计算机设备及存储介质。所述方法包括：采集不同种类商品的各个评论数据进行预处理后得到综合评论数据集；采用MLM根据综合评论数据集预训练特征提取器bertbasechinese模型；构建特定商品评论数据集，将特定商品评论数据集输入至bertbasechinese模型中提取出特征向量；将特征向量输入至改进Bagof visualwords中，通过K‑means聚类算法对特征向量聚类后根据模糊理论进行编码，得到输出向量，并对输出向量进行归一化处理，得到文本情感分析模型；通过文本情感分析模型进行文本情感分析。通过迁移学习和Bagofvisualwords方法，能够很好的处理不断涌现的新类别商品的评论，降低文本情感分析的成本。
-
公开(公告)号：CN114240797B
公开(公告)日：2023-04-18
申请号：CN202111579290.6
申请日：2021-12-22
Applicant: 海南大学
IPC: G06T5/00 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种OCT图像去噪方法、装置、设备及介质，该方法包括如下步骤：获取OCT图像形成样本数据集，所述样本数据集分为训练集和验证集；构建OCT图像去噪的特征融合注意力密集网络，所述特征融合注意力密集网络的主体结构为稀疏块、特征增强块、注意力机制和一个重构块，用于对OCT图像去噪；将样本数据集输入所述特征融合注意力密集网络中进行训练和测试，直至收敛；将待检测的图像输入到训练好的特征融合注意力密集网络中进行处理，获得去噪处理后的清晰OCT图像。本发明在原有深度卷积网络的基础上提出了一种用于递进式特征融合注意力密集网络，基于该网络可有效的进行OCT图像噪声的去除。
-
Patent Agency Ranking
公开(公告)号：CN111598184B
公开(公告)日：2023-04-18
申请号：CN202010449396.3
申请日：2020-05-25
Applicant: 海南大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于DenseNet的图像噪声识别方法和装置。本发明的基于DenseNet的图像噪声识别方法包括：获取无噪声图像，在无噪声图像中添加多个设定类型和设定强度的噪声，得到噪声图像训练集；提取噪声图像的灰度概率分布曲线，得到第一可视化统计特征图像；将第一可视化统计特征图像作为训练样本输入至图像噪声识别网络模型；提取待测噪声图像的灰度曲线，得到第二可视化统计特征图像；将第二可视化统计特征图像输入至训练好的图像噪声识别网络模型，得到待测噪声图像的噪声类型与强度估计值。本发明的方法解决了现有的图像噪声识别技术对低强度混合噪声的识别准确率低的问题，可以很好地对图像中存在的低强度混合噪声进行噪声类型与噪声强度的识别。
-
公开(公告)号：CN114445295A
公开(公告)日：2022-05-06
申请号：CN202210059428.8
申请日：2022-01-19
Applicant: 海南大学
Abstract: 本发明公开一种图像噪声去除方法、装置、设备及介质，该方法包括如下步骤：接收待处理的噪声图像；将待处理的噪声图像输入至并行网络层，通过并行网络层中Net‑s网络提取噪声图像的结构信息S，通过Net‑d网络提取噪声图像的细节信息D；将所述并行网络层提取的结构信息S与细节信息D进行融合，获得清晰图像本发明能够显著提高去噪后图像细节清晰度，且适用范围广，可在噪声水平未知的情况下实现去噪。
-
公开(公告)号：CN113889203A
公开(公告)日：2022-01-04
申请号：CN202111183587.0
申请日：2021-10-11
Applicant: 海南大学
Abstract: 本申请提供了一种基于联盟链的医疗数据存储方法和系统，方法包括：对于联盟链的任意一个节点组，节点组的主节点获取医疗数据索引，对医疗数据索引进行验证，以生产预备信息；主节点将预备信息发送至节点组的每一个次节点，以进行第一次PBFT共识；当第一次共识通过后，主节点将预备信息发送至其他节点组的主节点进行第二次PBFT共识；在第二次共识通过后，其他节点组的主节点将预备信息分别发送至其他节点组的各次节点，以进行验证，在验证通过后将医疗数据索引存储至每一个医疗节点，其中医疗数据索引对根据医疗数据进行哈希运算生成的，医疗数据索引用于查找医疗数据。该方法采用两次PBFT共识，大大降低了通信复杂度。
-
公开(公告)号：CN113870281A
公开(公告)日：2021-12-31
申请号：CN202111090101.9
申请日：2021-09-17
Applicant: 海南大学
Abstract: 本发明提供一种基于金字塔机制的遥感影像海洋与非海区域分割方法，所述方法包括下列步骤：获取高分遥感图像，并对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；建立金字塔机制融合神经网络，将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割模型；将所述测试集中的数据输入金字塔机制融合神经网络中，得到遥感图像海陆分割结果。
-
公开(公告)号：CN113850736A
公开(公告)日：2021-12-28
申请号：CN202111083142.5
申请日：2021-09-15
Applicant: 海南大学
Abstract: 本发明提供一种泊松‑高斯混合噪声的去除方法，包括下列步骤：构建包含泊松‑高斯混合噪声图像的数据集，将所述数据集划分为训练集与测试集；建立噪声图像去噪模型，所述模型包括GAT层、CNN层、残差层、逆GAT层，将所述训练集中的数据输入所述非盲泊松‑高斯混合去噪模型中进行训练，从而获得训练完成的非盲泊松‑高斯混合去噪模型；将所述测试集的数据输入所述非盲泊松‑高斯混合去噪模型，获得图像去噪结果。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.069 seconds)
