基于确定学习与插值算法的分布参数系统全局辨识方法

    公开(公告)号:CN112733075B

    公开(公告)日:2024-04-19

    申请号:CN202011585105.X

    申请日:2020-12-28

    Inventor: 董训德 王聪

    Abstract: 本发明公开了基于确定学习与插值算法的分布参数系统全局辨识方法。所述方法包括以下步骤:使用有限差分方法中的直线法(method of lines)对由偏微分方程描述的分布参数系统,对其在空间上进行离散,将其转化为一组常微分方程组;基于确定学习对分布参数系统降维后得到的常微分方程组进行系统辨识,实现对分布参数系统在有限个空间离散点上的准确辨识;基于有限个空间离散点上系统动态的辨识结果,采用插值方法对除前述的空间离散点以外的其他任意空间点上的系统动态进行近似,进而实现对分布参数系统的全局辨识。本发明部分解决了分布参数系统辨识中持续激励条件的满足,保证对降维后的常微分方程组的准确辨识。

    根据部分口令明文特征动态调整猜测规则执行次序的方法

    公开(公告)号:CN112329002B

    公开(公告)日:2024-04-09

    申请号:CN202010893455.6

    申请日:2020-08-31

    Inventor: 陈虎 王聪 曹瑞秋

    Abstract: 本发明公开了根据部分口令明文特征动态调整猜测规则执行次序的方法。所述方法包括以下步骤:输入待猜测密文集合C并对其进行字典攻击,得到部分猜测口令明文集合Q;输入总猜测次数为S的猜测规则集合RS,计算猜测规则集合RS中每条口令猜测规则的长度特征向量和字符类型数特征向量;根据部分猜测口令明文集合Q的长度特征向量和字符类型数特征向量估计待猜测口令明文集合P的长度特征和字符类型数特征;根据估计的长度特征和字符类型数特征调整猜测规则集合RS的尝试次序,并根据调整后的尝试次序依次使用规则对待猜测密文集合C继续进行猜测。本发明可以准确地估计整体口令的长度特征和字符类型数特征,从而缩短获得猜测结果的时间。

    一种基于web的心肌缺血病例数据统计可视化系统

    公开(公告)号:CN114334056A

    公开(公告)日:2022-04-12

    申请号:CN202111585202.3

    申请日:2021-12-22

    Abstract: 本发明公开了一种基于web的心肌缺血病例数据统计可视化系统,包括:心肌缺血病例数据库,用于存储心肌缺血患者的基本信息及相关生物指标数据,提高数据检索效率;后端数据服务器,服务器通过查询心肌缺血病例数据库,聚合计算应用侧图表组件所需数据,并使用webSocket技术将实时更新的数据推送到前端应用侧;前端可视化图表,基于Echarts封装适用于心肌缺血病例数据统计可视化图表组件;数据监控面板,实现多个图表的布局、图表自适应显示设备窗口大小等操作。本发明解决了当前医疗统计数据更新延迟、展示形式单一以及前端图表组件配置繁琐的问题,给医疗数据研究工作者提供了高效直观的数据分类结构信息。

    基于多模态心血管疾病信息的医疗推荐方法、系统及介质

    公开(公告)号:CN113010783A

    公开(公告)日:2021-06-22

    申请号:CN202110283851.1

    申请日:2021-03-17

    Abstract: 本发明公开了一种基于多模态心血管疾病信息的医疗推荐方法、系统及介质,所述方法包括:获取心血管疾病的临床文本模态数据,作为第一模态数据,以及获取心电图信号数据,作为第二模态数据,并对第一模态数据和第二模态数据进行预处理;根据预处理后的数据,基于多种推荐算法结合构造个性化推荐模型;基于个性化推荐模型获取推荐结果集合,并将推荐结果推荐给目标用户。本发明基于多模态心血管疾病医疗信息数据,能够针对用户,构建更为精准反映用户身体状况和需求的推荐模型;此外,本发明采用基于深度学习领域的深度因子分解机算法和传统的推荐算法结合,提升了医疗推荐系统的推荐能力,有助于医疗资源的配置优化。

    基于心电信号动力学特征的身份识别方法、系统及介质

    公开(公告)号:CN112370065A

    公开(公告)日:2021-02-19

    申请号:CN202011135341.1

    申请日:2020-10-21

    Inventor: 董训德 王聪

    Abstract: 本发明公开了一种基于心电信号动力学特征的身份识别方法、系统及介质,其中方法包括以下步骤:获取待识别个体的心电信号,对所述心电信号进行预处理;根据经过预处理的所述心电信号提取多个第一QRS波;将所述第一QRS波和QRS波模式库进行比对,根据比对结果获取待识别个体的身份信息。本发明提取的心电信号动力学特征是心电信号更加本质的深层次特征,是对心电信号信息的深度挖掘,可以对心电信号更加全面更加准确的刻画,减少同一个体心电信号之间的差异性,放大不同个体心电信号之间的差异性,提高身份识别系统的准确性和稳定性,可广泛应用于生物识别领域。

    一种同塔多回输电线路上的零序互感阻抗计算方法

    公开(公告)号:CN107271941A

    公开(公告)日:2017-10-20

    申请号:CN201710280820.4

    申请日:2017-04-26

    Abstract: 本发明公开一种同塔多回输电线路上的零序互感阻抗计算方法,包括:获取涉及各回线、基杆塔、输电导线、地线的基础数据;将沿线土壤等效为同塔段土壤电阻率ρt和非同塔段土壤电阻率ρf;将全线土壤等效为具有相同的土壤电阻率的均一土壤电阻率,并用均一土壤电阻率构造ρt和ρf的初始值;通过列写各回线关于ρt、ρf的线性代数方程组,并采用迭代法以及上述迭代初值,求解ρt和ρf;根据基础数据、ρt和ρf,求取各回线及整条线路中各型号杆塔单位长度的零序互感阻抗。本发明方法计算出的零序互感阻抗与土壤电阻率应用于保护整定计算、短路计算、潮流计算、计算机仿真等研究工作中,可以大大提高分析计算的精确程度,减少由于经验估计造成的误差。

    一种基于确定学习理论的与视角无关的步态识别方法

    公开(公告)号:CN104134077A

    公开(公告)日:2014-11-05

    申请号:CN201410329222.8

    申请日:2014-07-10

    Inventor: 曾玮 王聪

    Abstract: 本发明公开了一种基于确定学习理论的与视角无关的步态识别方法,属于模式识别技术领域。该方法包括以下步骤:预处理;特征提取;基于提取的步态特征,对训练集里不同视角下的步态系统动态进行神经网络建模、辨识;建立常值神经网络;构建动态估计器,利用不同视角下的步态模式之间在步态系统动力学上的差异,根据最小误差原则实现对测试模式的准确分类识别。本发明能够实现对不同视角下人体步态系统动态的局部准确建模和辨识,同时将不同视角下的步态模式组成一个统一的训练步态模式库,能够克服现有方法对于不同视角下的步态模式要分别构建对应训练集进行识别的问题,实现与视角无关的步态识别,具有更高的鲁棒性和实用性。

    基于确定学习理论的心肌缺血辅助检测方法

    公开(公告)号:CN103549949A

    公开(公告)日:2014-02-05

    申请号:CN201310496628.0

    申请日:2013-10-21

    Abstract: 本发明公开了一种基于确定学习理论的心肌缺血辅助检测方法,该方法包括如下步骤:数据预处理,获取心电图ST-T环数据;采用确定学习算法对ST-T环的内在系统动态进行局部准确建模,将所建模的系统动态进行三维可视化显示得到CDVG;根据CDVG形态并结合高危因素与临床信息进行分析,得到辅助检测结果。该方法的技术要点是基于确定学习算法的CDVG的获得与分析。本发明方法适用于心电图尚未发生明显改变时的心肌缺血检测,可有效提示心血管疾病的发生,还可用于心血管疾病治疗效果的评估,具有检测过程简单、经济、无创,减轻了患者负担等优点。

    基于确定学习理论的机械臂通用控制方法

    公开(公告)号:CN102289204B

    公开(公告)日:2013-10-30

    申请号:CN201110148179.1

    申请日:2011-06-03

    Inventor: 吴玉香 王聪

    Abstract: 本发明公开了基于确定学习理论的机械臂通用控制方法,其步骤包括:建立机械臂动态模型;建立期望的周期轨迹;建立自适应RBF神经网络控制器,调节RBF神经网络的权值,实现机械臂对期望周期轨迹的跟踪,以及RBF神经网络对机械臂闭环系统中未知动力学模型的局部逼近;建立常数神经网络;利用常数RBF神经网络完成控制任务。该方法能够在系统参数完全未知的情况下实现对机械臂闭环控制系统未知动态沿机械臂所经历周期轨迹在局部区域内的准确学习;能够在稳定的动态控制过程中学习到闭环系统动力学的有效知识,并以常数RBF网络权值的方式储存,可将其成功地应用到后续相同或相似的控制任务当中去,以提高控制系统的控制性能,节约能量。

    基于确定学习理论的转子系统故障诊断方法

    公开(公告)号:CN103245491A

    公开(公告)日:2013-08-14

    申请号:CN201310111708.X

    申请日:2013-04-01

    Inventor: 吴玉香 张景 王聪

    Abstract: 本发明公开了一种基于确定学习理论的转子系统故障诊断方法,包括如下步骤:(1)对转子系统的正常模式和故障模式进行学习,利用学到的知识建立模式库;(2)建立各模式的状态估计器,将被监测转子系统的状态与状态估计器的状态进行比较产生残差;(3)对残差进行分析与评估,实现故障的检测与分离。该方法适用于含有未知动态的复杂转子系统的故障诊断,可以对运行于各种模式下的转子系统进行准确建模,建立模式库,从而快速地检测与分离故障。具有可靠性高、诊断效率高和自动化程度高等优点。

Patent Agency Ranking