-
公开(公告)号:CN119691558A
公开(公告)日:2025-03-25
申请号:CN202411797572.7
申请日:2024-12-09
Applicant: 常州大学
IPC: G06F18/241 , G06N3/084 , G06N3/049 , G06F18/25 , G06N3/086
Abstract: 本发明涉及TSN配置技术领域,尤其涉及基于TSN配置检测的相关性加权BPNN分类方法,包括构建网络拓扑模型,采集网络拓扑模型中的特征参数对应参数值;利用相关性算法计算特征参数之间的相关性,得到相关性特征参数,并进行归一化处理;将可调度性场景下的相关性特征参数作为输入,TSN配置是否可行作为输出,利用WMVote‑BPNN网络进行训练。本发明解决传统的算法在TSN的网络配置检测中存在的检测时间长、检测准确率低、泛化效果差的问题。
-
公开(公告)号:CN117898707A
公开(公告)日:2024-04-19
申请号:CN202410087241.8
申请日:2024-01-22
Applicant: 常州大学
IPC: A61B5/11 , A61B5/00 , G06V40/10 , G06V10/82 , G06N3/0442 , G06N20/00 , G06V10/764
Abstract: 本发明涉及步态识别技术领域,尤其涉及基于惯性运动单元的腰椎间盘突出症步态识别方法及系统,包括采集步态参数;预处理;分别计算步态参数的变异性指标、规律性指标、步态可预测性指标和步态稳定性指标,步态稳定性基于相空间重构的方法将原始时间序列数据转换为高维相空间中的轨迹,计算相邻轨迹间距离变化率,并计算每个时刻内所有相邻轨迹间距离变化率的均值,并取均值的最大值作为最大Lyapunov指数;利用统计学分析分别计算健侧‑患侧、患侧‑健康、健侧‑健康和健康左右腿、SW检验的p值,根据p值筛选出步态参数;对筛选出步态参数利用机器学习算法进行分类。本发明解决现有步态评估模型缺乏综合参数的问题。
-