公开(公告)号：CN116959752A

公开(公告)日：2023-10-27

申请号：CN202310712730.3

申请日：2023-06-15

Applicant: 大连海事大学

Inventor： 王演 ,  崔世钰 ,  郑贺予 ,  安永泰

IPC: G16H80/00 ,  A61B5/0205 ,  G16H50/20 ,  G06F18/24 ,  G06N3/0455 ,  A61B5/145 ,  G06F123/02

Abstract: 本发明公开了一种基于时间邻域编码的医学时序信号分类预测方法，包括：获取医学时序信号，并对医学时序信号进行时间窗口划分；检测信号平稳性，确定时间邻域参数；基于时间邻域参数，利用时间窗口对所述医学时序信号进行采样；利用编码器对采样信号进行编码；利用判别器对编码结果进行鉴别分类，预测目标窗口与样本窗口位于同一邻域的可能性。本发明中，基于时间邻域编码对医学时序信号进行分类预测，预测过程简单，准确率高，可靠性较高，解释性强，不仅适用于单类数据的分类识别，同时在两类相干性指标的分类任务中效果较好，可以应用在具有相关性病理指标的分析方向，探究某些相关指标与医学疾病的关系，为HIE指标的分析方法提供一个新思路。

公开(公告)号：CN118351679A

公开(公告)日：2024-07-16

申请号：CN202410274078.6

申请日：2024-03-11

Applicant: 大连海事大学

Inventor： 王演 ,  朱峰 ,  安永泰 ,  杨跃 ,  程诚 ,  陈炯燚 ,  李佳颖

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/049 ,  G06N3/084 ,  G06N3/086 ,  G06N3/006

Abstract: 本发明公开了一种基于PSO‑STGCN图卷积网络的短期交通流预测方法及系统，涉及智能交通技术领域，方法包括：获取多个时刻的历史交通速度数据，并对所述数据进行预处理，得到训练集、测试集和验证集；根据交通流矩阵，构建空间时间图卷积网络STGCN模型；采用粒子群优化PSO算法，对所述STGCN模型的参数进行优化；利用所述训练集对优化后的STGCN模型进行训练；利用训练好的STGCN模型进行交通流预测，得到预测结果。本发明将PSO与STGCN模型相结合，克服了手动设置模型参数的缺点，使粒子群算法能够捕获STGCN模型的最优参数，对交通流量预测具有更显著的影响。

公开(公告)号：CN118118303A

公开(公告)日：2024-05-31

申请号：CN202410222532.3

申请日：2024-02-28

Applicant: 大连海事大学

Inventor： 王演 ,  安永泰 ,  朱峰 ,  杨跃 ,  程诚 ,  陈炯燚 ,  李佳颖

IPC: H04L27/00 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/0442 ,  G06F18/25 ,  G06N3/08

Abstract: 本发明提供了基于特征融合和分组卷积神经网络的调制信号识别方法，涉及调制信号技术领域。本发明对接收到的调制信号的两路信号做预处理，分别求出两路信号的和以及两路信号的正切值，最后将这两行值添加到原来的数据中，从而达到丰富数据的作用。接下来将数据输入到设计好的神经网络中，这个神经网络的组成为四个卷积层和一个长短期记忆递归神经网络，其中第二，三，四个卷积层采用分组卷积的方式进行运算。本发明提供的方法具有运算量低，模型参数少和低信噪比条件下准确率较高的特点。在卷积层采用的分组数为8的时候，该方法在信噪比范围为‑20～18dB的情况下，整体识别准确率到了58.34％，在信噪比为0dB的情况下，对11种调制信号的整体识别准确率达到了80.54％。