-
公开(公告)号：CN106846451A
公开(公告)日：2017-06-13
申请号：CN201710045443.6
申请日：2017-01-22
CPC classification number: G06T15/08 , G06T15/005 , G06T19/20 , G06T2219/2016
Abstract: 本发明提供一种面向移动设备的真实感体渲染和交互系统及其工作方法，真实感体渲染和交互系统包括服务器端和客户端，所述服务器端包括：渲染服务器，处理体渲染任务；Web服务器，处理Web页面、发送渲染图像并接收交互事件；耦合组件，连接渲染服务器和Web服务器；所述客户端包括：客户端浏览器，接收并显示Web服务器发送的渲染图像，并将用户产生的交互事件发送至Web服务器。本发明采用浏览器/服务器（B/S）架构将计算设备与交互显示设备进行分离，用户可通过接入网络的移动设备透明使用远端高性能真实感体渲染服务器而无需关心交互显示设备的计算能力。
-
公开(公告)号：CN115393830A
公开(公告)日：2022-11-25
申请号：CN202211030586.7
申请日：2022-08-26
Applicant: 南通大学
Abstract: 本发明涉及疲劳驾驶检测技术领域，尤其涉及一种基于深度学习与面部特征的疲劳驾驶检测方法，包括：S1：收集戴眼镜、不戴眼镜、戴墨镜的疲劳驾驶视频，并将视频分帧，得到图像数据集；S2：训练人脸检测模型，输入图像并检测出人脸区域；S3：训练人脸关键点与头部姿态学习模型并部署，输入人脸区域图像得到人脸关键点与头部姿态估计；S4：针对眼部、嘴部、头部疲劳特征评价指标给出疲劳判断。本发明主要是用深度学习模型对目标驾驶图像进行检测，具有无接触，成本低，使用方便等特点。通过对驾驶员眼部、嘴部、头部姿态等疲劳特征进行检测，对驾驶员出现疲劳状态进行识别，并做出报警响应，能够提高疲劳驾驶的检测速度和效率。
-
公开(公告)号：CN114549558A
公开(公告)日：2022-05-27
申请号：CN202210192755.0
申请日：2022-03-01
Applicant: 南通大学
Abstract: 本发明提供一种基于多模态特征融合Vnet的乳腺肿块分割方法，包括以下步骤：S1：获取乳腺磁共振图像及医生手工标记的乳腺肿块分割结果的数据集；S2：数据预处理，对数据集中的数据进行划分；S3：构建基于多模态特征融合Vnet的网络模型；S4：训练步骤S3的网络模型，进行参数调整，得到预测的乳腺肿块分割结果；S5：利用设定的评价指标和损失函数对步骤S4所得的预测的乳腺肿块分割结果与S1中医生手工标记的乳腺肿块分割结果进行比较，验证分割方法的有效性。本发明能有效提高乳腺肿块分割准确率，辅助医生进行诊断和决策，减轻医生的负担，在乳腺肿块辅助诊断、手术模拟和医疗教学具有较强的应用价值。
-
公开(公告)号：CN113961933A
公开(公告)日：2022-01-21
申请号：CN202111227292.9
申请日：2021-10-21
Applicant: 南通大学
Abstract: 本发明涉及信息安全和自然语言处理技术领域，具体涉及一种基于改进Bert模型的信息安全漏洞分类方法，包括步骤a、数据预处理，从语料库中搜集所有漏洞信息数据作为数据集，通过过滤和清洗的方式对数据集进行预处理，其数据集格式为 ；采用分词方式将数据集分为一个个字作为输入序列X＝(x1，x2，…，xn)。本发明首先对数据进行清洗和过滤，剔除数据集中的噪音数据，可提升信息安全漏洞分类模型的表现；本发明其次引入基于预训练的Bert模型对漏洞进行分类；最后在词嵌入层加入对抗训练FGM、双向编码器后加入多样本随机丢弃(multi‑sample dropout)和标签平滑Focal Loss等技巧提升模型鲁棒性和泛化能力，进一步提升漏洞分类的准确率。
-
公开(公告)号：CN109359464A
公开(公告)日：2019-02-19
申请号：CN201811268289.X
申请日：2018-10-29
Applicant: 南通大学
Abstract: 本申请公开了一种基于区块链技术的无线安全认证方法，利用工作量证明和延长最长链相结合的共识机制，将用户的信息产生交易记录在不可篡改且去中心化的区块链账本中，并分别设计了用户注册阶段和用户登录与认证阶段协议。能够有效的避免分布式拒绝服务(DDoS)攻击等常见的攻击方式，使得用户在无线网络环境下能够安全识别网络设备，不被恶意用户攻击。且使用了较少的运算量，能够有效的降低运算成本的开销。
-
Patent Agency Ranking
公开(公告)号：CN106599555B
公开(公告)日：2018-10-30
申请号：CN201611089491.7
申请日：2016-12-01
Applicant: 南通大学
IPC: G16H50/20
Abstract: 本发明公开了一种用于癫痫脑波病历特征选择的多专家协同决策方法。该方法首先构造专家集中每个专家ei对应的癫痫脑波病历参考关系评估矩阵；然后设计专家组Exgi的邻域半径ri，并计算其特征选择值协同性，获取专家组Exgi的特征选择关系协同度cri；最后构造专家系统集E的专家邻近矩阵集P和专家组Exgi的关系矩阵PEi，针对癫痫脑波病历特征开展多专家协同决策选择优化，从而求得全局最优癫痫脑波病历特征选择集。该方法能有效进行癫痫脑波病历的鉴别、诊断和治疗，对癫痫疾病的早期预防、降低脑损伤后果等具有较好作用。
-
公开(公告)号：CN105069301B
公开(公告)日：2017-10-17
申请号：CN201510502415.3
申请日：2015-08-14
Applicant: 南通大学
Abstract: 本发明公开了一种支持力觉交互的腰椎穿刺虚拟仿真与训练系统，包括计算装置和力觉交互设备，在计算装置上连接有显示设备；其中，所述计算装置与力觉交互设备连接，用于将力觉交互设备检测到的使用者做出的动作信号传输至计算装置，计算装置将接收的信号带入预先设置的模型进行实时仿真计算，得到穿刺针作用力传输至力觉交互设备由使用者感知，同时根据仿真计算结果在显示设备上生成实时虚拟穿刺过程界面，从而实现腰椎穿刺虚拟仿真与训练。本系统可仿真穿刺过程中阻力的变化，可以大大降低培训医务人员的成本和周期。
-
公开(公告)号：CN105279388A
公开(公告)日：2016-01-27
申请号：CN201510791062.3
申请日：2015-11-17
Applicant: 南通大学
Abstract: 本发明公开了一种多层云计算框架协同的孕龄新生儿脑病历集成约简方法。该方法首先构造多层MapReduce协同神经子种群Neuro-subpopulationi结构，提取各神经子种群精英最优带权裕度WCi，并通过MapReduce将大规模脑病历组织属性自适应划分至n个协同进化的神经子种群中，并取得不同脑病历组织最佳分割曲面；然后设计一种五层结构的神经网络优化模型，构造精英能量矩阵NSMP，各神经子种群最优能量精英Elitist_leaderi进行脑病历曲面Sub_curvei的集成化协同约简，达到各自分割曲面的最优约简集最后提取出脑病历组织的全局最优属性约简集RedEnsemble。本发明利用云计算环境下多层MapReduce框架和协同神经子种群精英快速提高大数据环境下孕龄新生儿脑病历约简效率和精度，对其脑病历特征选择、规则提取和临床决策支持服务等具有重要的意义。
-
公开(公告)号：CN104318349A
公开(公告)日：2015-01-28
申请号：CN201410530668.7
申请日：2014-10-10
Applicant: 南通大学
CPC classification number: G06F17/30241
Abstract: 本发明公开了一种基于Silverlight和ArcGIS的海籍监测管理方法，包括以下步骤：基于角色和权限进行访问控制；对海域项目进行管理并进行项目监控；对监控信息进行分析，根据坐标信息以及流媒体信息，采用叠加的方式将监控信息演示在基于Silverlight的浏览器插件上；ArcGIS服务组件根据基础数据建立动态地图服务。本发明基于ArcGIS平台，利用其强大的矢量图形处理能力和服务端多级缓存技术，实现在可接受的时间内进行大量的复杂的计算，借助于Silverlight插件，将地图以一种分级式的方式加载到用户的浏览器里实现近乎零延迟的地图表达，具有高可用性和可扩展性。
-
公开(公告)号：CN115758267A
公开(公告)日：2023-03-07
申请号：CN202211400955.7
申请日：2022-11-09
Applicant: 南通大学
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于SRU和双重注意力的脑电信号情绪识别方法，包括：对数据集进行分段预处理以扩充样本数量，由一维卷积提取62个通道局部情感特征；构建嵌入内注意力简单循环单元以捕捉多通道融合特征以及通道之间的依赖关系，全局注意力机制识别出对情感倾向识别影响较大的重点特征，进一步增强对深层次脑电信号特征的学习；线性层输出积极、中性、消极的情感识别结果。实验结果表明，本发明取得了90.24％的平均分类准确率，高于实验对比的优秀深度学习模型，嵌入内注意力简单循环单元特征捕捉能力更强，能够准确地识别出脑电信号所表示的情感倾向，实现检测自动化，同时为医生诊断提供有效的辅助决策。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.028 seconds)
