-
公开(公告)号：CN118826991A
公开(公告)日：2024-10-22
申请号：CN202410883041.3
申请日：2024-07-03
Applicant: 海南大学
Abstract: 本发明实施例公开了一种短波OFDM通信系统中频多子带分离的设计方法及装置，所述方法为：将基带进行子带分离，获得平均分成的N个子带；所述N个子带中第二子带信号至第N子带信号均要进行进行频谱搬移；对频谱搬移后的N‑1个子带信号进行低通滤波；分别对低通滤波后的N‑1个子带信号中每个子带信号进行去CP操作；再分别对去CP操作后的N‑1个子带信号中每个子带信号进行FFT运算；将所述第一子带信号和N‑1个子带信号进行拼接，获得完整的频带。
-
公开(公告)号：CN117972484B
公开(公告)日：2024-08-13
申请号：CN202410061916.1
申请日：2024-01-16
Applicant: 海南大学
Abstract: 本发明公开一种可解释性的多模态自然语言情感分析方法及相关装置。该方法从待分析数据中获得多模态数据集，对所述多模态数据集进行预处理；对预处理后的多模态数据分别进行特征提取，获得多模态特征向量；将所述多模态特征向量分别输入到记忆注意模块和乘法融合层，并将输出结果进行拼接，得到拼接特征向量；将所述拼接特征向量输入分类器确定极性，输出分析结果，并采用LIME方法对所述分析结果产生局部解释。本发明提高了多模态情感分析的准确性和性能、计算效率以及模型的可解释性和用户信任度。
-
公开(公告)号：CN118289184A
公开(公告)日：2024-07-05
申请号：CN202410433389.2
申请日：2024-04-11
Applicant: 海南大学
Abstract: 本发明属于生物机器人、水下机器人领域，涉及一种鳍浆耦合驱动的翻车鱼形仿生机器人及其控制方法，该仿生机器人包括外壳，所述外壳的上下侧安装有仿生双尾鳍，外壳的尾部安装有助推装置，所述外壳的内部固定安装有直流伺服电机模块和控制系统，所述直流伺服电机模块的输出端向外延伸出外壳并与所述仿生双尾鳍配合连接，所述控制系统通过电信号线连接并控制所述直流伺服电机模块和助推装置，由直流伺服电机模块驱动仿生双尾鳍摆动来改变机器人行进方向，由助推装置提供推力来使机器人在水下加速推进。本发明的仿生机器人具有更强的速度、加速度、爬坡能力、作业范围、操控性和能效的优点。
-
公开(公告)号：CN118205687A
公开(公告)日：2024-06-18
申请号：CN202410354717.X
申请日：2024-03-27
Applicant: 海南大学
Abstract: 本发明属于水下仿生机器人领域，公开了一种尾部带齿轮配合的水下仿生机器人及控制方法，包括壳体部分、胸鳍模块、尾部模块、传动模块和控制系统，所述尾部模块通过传动模块与壳体部分连接，所述胸鳍模块对称安装在壳体部分两端，所述控制系统安装在壳体部分内，控制传动模块，从而带动尾部模块运动。本发明利用尾部第一第二关节不同的齿轮啮合，可以实现多种的运动姿态，所有的驱动仅由一个电机通过摆动机构和机械结构实现，结构简单紧凑，同时一对胸鳍可实现上浮和下潜，通过与尾部模块的运动耦合可实现多种自由度的运动。
-
公开(公告)号：CN112286921B
公开(公告)日：2024-06-07
申请号：CN202011175316.6
申请日：2020-10-29
Applicant: 海南大学
IPC: G06F16/215 , G06F16/23 , G06F16/242 , G06F16/2455 , G06F16/25 , G06Q10/10
Abstract: 本发明提供一种基于多源异构数据的动态企业画像生成方法，包括下列步骤：S1、采集目标企业的信息数据，并对所述企业信息数据进行预处理；S2、构建企业画像模型，所述企业画像模型由企业基本属性、企业经营范围、企业主要产品、企业内外关联、企业行业评价五个维度特征组成，从预处理后的企业信息数据中提取特征项，并填充至对应的维度特征，实现企业信息向量化，标签化；S3、若目标企业的信息数据出现变动，根据变动的企业信息数据，形成新的特征项，并将维度特征中的旧的特征项进行替换更新，形成新的企业画像。
-
Patent Agency Ranking
公开(公告)号：CN113160030B
公开(公告)日：2024-05-14
申请号：CN202110350365.7
申请日：2021-03-31
Applicant: 海南大学
Abstract: 本申请公开了一种基于LBP‑DCT的医学图像鲁棒水印方法，包括：对原始医学图像进行LBP‑DCT变换，提取它的特征向量；使用Logistic Map对原始水印进行混沌置乱，得到混沌置乱水印，并将特征向量与混沌置乱水印相关联得到逻辑密钥；对待测医学图像进行LBP‑DCT变换，提取它的特征向量；将该特征向量与逻辑密钥相关联提取加密水印并进行解密，得到还原水印；将原始水印和还原水印进行归一化相关系数计算，确定原始医学图像的所有权和嵌入的水印信息。这样兼顾了LBP旋转不变性的优点和DCT抗常规攻击能力强等特点，得到抗几何攻击的特征向量，水印的嵌入不改变原始加密体数据的内容，保证医学图像的质量。
-
公开(公告)号：CN118016291A
公开(公告)日：2024-05-10
申请号：CN202410026300.0
申请日：2024-01-09
Applicant: 海南大学
IPC: G16H50/30 , G16H50/70 , G16H10/60 , G06F18/2431 , G06F18/243 , G06F18/213 , G06N20/00 , G06N5/01
Abstract: 本发明涉及一种基于机器学习的糖尿病发病率预测方法。所述方法包括：收集数据集中糖尿病患者的身体数据，根据数据属性对身体数据进行特征编码，基于皮尔逊系数，对编码后的数据进行特征相关性分析，并分为训练集和测试集；通过训练集、测试集构建人工神经网络模型和随机森林模型，并通过S折交叉验证选择随机森林模型；其中，采用ID3决策树学习算法进行特征选择，生成最优决策树，在随机森林算法最终投票时进行加权计算得到随机森林模型；通过随机森林模型对糖尿病患者的发病率进行预测。选择随机森林模型，且在最终投票时进行加权计算，能更好地反映实际情况，通过随机森林模型能够帮助医疗工作者对糖尿病患者的发病率进行预测，减轻负担。
-
公开(公告)号：CN117334334B
公开(公告)日：2024-05-03
申请号：CN202311272180.4
申请日：2023-09-28
Applicant: 海南大学
IPC: G16H50/30 , G16H50/70 , G06F18/214 , G06F18/21 , G06F18/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N20/20 , G06N3/048
Abstract: 本发明公开一种健康风险预测方法、装置、设备及介质。该方法获取现时环境数据；将现时环境数据输入至预测模型中，所述预测模型包括VARLST混合模型和AdaBoost模型，其中，所述VARLST模型包括VARMA模型和BI‑LSTM模型，将VARLST模型的预测结果和AdaBoost模型的预测结果进行加权融合，获得最终预测值；基于现时环境数据下预测的最终预测值以及过去时间段内的危险参考基准值下的疾病患病人数和非患病人数，计算得到预测健康风险的相对危险值；基于相对危险值进行健康风险预警。本发明能够在环境质量指数异常时，通过快速预测以及健康风险的相对危险值的计算，做到提早预防的准备。
-
公开(公告)号：CN117954032A
公开(公告)日：2024-04-30
申请号：CN202410066497.0
申请日：2024-01-17
Applicant: 海南大学
IPC: G16H10/60 , G06F16/215 , G06F18/10 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2413 , G06F18/243
Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。
-
公开(公告)号：CN117952198A
公开(公告)日：2024-04-30
申请号：CN202311606478.4
申请日：2023-11-29
Applicant: 海南大学
IPC: G06N5/022 , G06N3/049 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N5/04
Abstract: 本发明公开基于时间特征和复杂进化下的时序知识图谱表示学习方法，包括构建TFCE模型，包括时间特征模块、复杂进化模块和两个嵌入时间的解码器，时间特征模块，用于对知识图谱中的实体和关系进行时间编码，捕捉时间特征的长距离依赖关系和关联关系，获得时间嵌入矩阵；复杂进化模块中引入感知机制和注意力网络，用于分别学习知识图谱中的实体和关系在每个时间戳上的进化表示，更新实体嵌入矩阵和关系嵌入矩阵；两个嵌入时间的解码器同时进行实体预测和关系预测；将数据集输入至所述TFCE模型进行训练，同时计算损失函数以更新模型参数，当损失函数不断下降直至收敛时，得到最优TFCE模型。本发明能够提高对未来事件的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.037 seconds)
