基于有监督深度学习的分子云致密结构证认方法

    公开(公告)号:CN117292172A

    公开(公告)日:2023-12-26

    申请号:CN202311124384.3

    申请日:2023-09-01

    Applicant: 三峡大学

    Abstract: 基于有监督深度学习的分子云致密结构证认方法,首先使用检测算法提取出致密结构候选体,通过人工证认制作数据标签,对所有输入模型中的样本数据进行预处理;然后,训练MCVnet模型提取分子云致密结构候选体的特征,经验证后可以用于证认其他数据,取代人工证认;接着,将训练好的MCVnet模型对新的致密结构候选体数据进行证认,获得每个候选者是真实致密结构的概率;最后,利用所有新的致密结构的置信度分布制定类别划分规则,给出最终分类的结果。本发明基于有监督深度学习的分子云致密结构证认方法,该方法能够自动提取分子云致密结构的特征,在检测算法取不同参数下与人工证认的匹配度都比较高,能够代替人工证认,并且与检测算法结合可以提高检测精度。

    基于连通性的分子云核检测方法

    公开(公告)号:CN114359691A

    公开(公告)日:2022-04-15

    申请号:CN202111495493.7

    申请日:2021-12-08

    Applicant: 三峡大学

    Abstract: 基于连通性的分子云核检测方法,首先,对原始数据进行预处理,提取基于形态学的连通域,包括阈值分割、开运算、膨胀和连通域标记,将连通域与原始数据相结合,得到信号区域;然后,通过梯度最大化过程将信号区域分割成局部区域;最后,将局部区域合并为云核。本发明一种基于连通性的分子云核检测方法,该方法是基于形态学、梯度和合并规则的分子云核检测方法。该方法能够提高检测性能,并保证云核的连通性,保留较多的真实物理结构。在不同信噪比水平下对具有密集云核的仿真分子云产生了良好的性能。

Patent Agency Ranking