-
公开(公告)号：CN119655760A
公开(公告)日：2025-03-21
申请号：CN202411740237.3
申请日：2024-11-29
Applicant: 昆明理工大学
IPC: A61B5/16 , A61B5/055 , A61B5/145 , G06F18/2415 , G06F18/232 , G06F18/214
Abstract: 本发明公开了一种基于动态脑功能网络属性的自闭症分类特征提取方法，可以对参与者的rs‑fMRI数据进行数据预处理，提取参与者的多个BOLD信号；使用解剖自动标记图谱将大脑分割成90个区域，基于提取区域间的BOLD信号的Pearson相关系数构建第一脑功能网络；计算每个参与者第一脑功能网络中的网络强度、全局效率以及平均聚类系数三种网络拓扑特征指标；利于滑动时间窗技术，对BOLD信号进行动态连续提取，并计算各滑动窗口下提取的富人俱乐部网络、馈线网络和本地网络的网络强度、全局效率以及平均聚类系数三种网络拓扑特征指标；采用动态Rich‑club评估指标来表征整个时间间隔内的关键脑区。通过验证表明本发明的特征参与训练后通过训练后的模型能够准确和快速分类自闭症患者和健康样本。
-
公开(公告)号：CN119251831A
公开(公告)日：2025-01-03
申请号：CN202411280033.6
申请日：2024-09-12
Applicant: 昆明理工大学
IPC: G06V20/69 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/776 , G06V10/52 , G06V10/774 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多实例学习和多尺度特征提取的胃癌亚型分类方法。本发明至少解决了传统多实例学习组织病理图片分类方法中的三个难点问题：现有的多实例学习方法存在单一尺度限制、计算资源需求过高、没能有效同步关注病理图像上下文信息。针对这些问题，本发明首先使用ResNet骨干网络提取不同放大倍率下病理图像的特征，通过并行注意力模块和可微分模块获得较低放大倍数下信息丰富的子图像Tile，并将其与更高放大倍数下的组织病理图像结合，以获取上下文关联信息。最后，过聚合不同放大倍数下的特征来实现胃癌亚型分类任务。本发明相比现有方法仅需要更少的计算资源就能达到一个更佳的识别精度，可为胃癌患者的诊断提供重要参考。
-
公开(公告)号：CN117830813B
公开(公告)日：2024-06-11
申请号：CN202410085265.X
申请日：2024-01-21
Applicant: 昆明理工大学
Abstract: 本发明公开了一种小天体表面岩石检测方法，包括：构建小天体表面岩石检测基准数据库；将小天体表面岩石检测数据库中的图片缩放到预设规格后送入骨干网络中提取各级特征，并在骨干网络的最后经过多头自注意力模块MHSA增强小天体特征图中的岩石特征后经SPPF操作得到小天体表面图片特征图；将小天体表面特征图输入到网络的Neck网络，通过Neck网络增加的小目标检测层，在低层特征图中融合高层语义特征，在高层特征图中融合低层位置信息和纹理特征，将得到的各层特征图进行多尺度融合后得到多尺度待检测小天体表面特征图；将多尺度待检测小天体表面图片特征图送入检测头detect中，预测图中岩石的位置坐标和置信度。本发明较现有技术识别准确率和召回率高，从而能够更好的完成小天体岩石检测任务。
-
公开(公告)号：CN116486156A
公开(公告)日：2023-07-25
申请号：CN202310453144.1
申请日：2023-04-25
Applicant: 昆明理工大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种融合多尺度特征上下文的全视野数字切片图像分类方法。针对全视野数字图像尺寸大、多级分辨率、特征提取困难导致的常规分类方法准确率欠佳等问题，本发明结合对比学习、多尺度特征，自注意力机制从而获得一个效果较好的全视野数字图像分类模型。首先将收集到的全视野数字图像进行不同分辨率下的切分，得到尺寸统一且信息含量低的切片。其次使用对比学习针对不同分辨率下获得的切片分别训练一个具有特征解耦能力的特征提取网络，进行特征提取。进一步融合获得的多尺度特征，并进行特征图重构，作为网络的输入。最后使用带有自注意力机制的网络，获得输入数据的上下文信息，从而提高特征的全局表示能力，使得预测结果更加准确。
-
公开(公告)号：CN116467568A
公开(公告)日：2023-07-21
申请号：CN202310500834.8
申请日：2023-05-06
Applicant: 昆明理工大学
IPC: G06F18/10 , G06F18/214 , G06F18/2415 , G06F18/213 , G06N3/0464 , G06N3/088 , G06F18/25
Abstract: 本发明公开了一种基于特征融合和无监督域自适应的轴承故障诊断方法，该方法首先采集不同工况的振动信号，经过切分等预处理步骤，分别得到多个源域和目标域数据集。其次，建立轴承故障诊断模型的多源域自适应神经网络，包括域不变特征提取器、域增强特征提取器、特定域特征提取器、特定域分类器四个子模块。然后，建立轴承故障诊断模型的目标函数，并指定相应的模型训练策略。最后，将目标域数据集输入训练好的轴承故障诊断模型，实现轴承故障诊断。本发明不仅可以提高轴承故障诊断模型在目标域上的故障诊断性能，并具有更高的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115018231A
公开(公告)日：2022-09-06
申请号：CN202111536074.3
申请日：2021-12-15
Applicant: 昆明理工大学
Abstract: 本发明公开了一种基于动态奖励的强化学习深空探测器自主任务规划方法及系统，方法包括定义深空探测器任务规划强化学习参数；构建智能体交互环境；构建策略网络；训练策略网络；利用训练好的策略网络执行任务规划。本发明把深空探测任务规划中的时间约束、资源约束和时序约束融合在深空探测器任务规划强化学习模型的训练过程中，可保证深空探测器任务规划过程中满足多种约束，增强了深空探测器智能体对复杂环境的适应性，同时动态奖励算法将资源约束、时间约束和时序约束融合在一起构建了即时奖励模型，并据此定义损失函数更新策略梯度，在保证多约束条件的前提下加快了深空探测器自主任务规划强化学习模型的收敛速度，减小了偏差，提高了自主任务规划质量。
-
公开(公告)号：CN114971125A
公开(公告)日：2022-08-30
申请号：CN202111550974.3
申请日：2021-12-17
Applicant: 昆明理工大学
Abstract: 本发明公开了一种民航座位控制方法及系统，本发明能实现自动座控；应用本方法，座位控制，这一航空公司的核心业务工作，可由人工转为自动，大幅提高效率；自动反应市场情况；利用动态修正模型机制，将对多种复杂市场影响因素的关注要求转化为据收入、上客速度，动态对大数据模型的偏离度的监控，更敏锐、快速，更符合市场要求；提高座位控制效果的稳定性；依赖市场当前情况和统计趋势，对航空公司的座位资源进行布局、规划、投放，减少人为原因造成的舱位贱卖或虚耗，控制效果更加稳定；有利于航空公司运营效率的提高。通过对航班最终收入进行较为可信的预测，可及时进行航班计划的优化，在需求快速增长的市场增加投入，在需求萎缩的市场减少或合并航班，提高航空公司的运营效率。
-
公开(公告)号：CN109034021B
公开(公告)日：2022-05-20
申请号：CN201810767088.8
申请日：2018-07-13
Applicant: 昆明理工大学
IPC: G06V30/32 , G06V30/192
Abstract: 本发明公开了一种易混淆数字手写体的再识别方法，属于模式识别和机器学习技术领域。本发明先根据手写体数字0‑9识别出易混淆手数字写体4、9和易混淆手数字写体3、5、8，对其进行再次识别，能够有效的识别外形相似的手写体数字；同时优于现有的t‑SNE，相较于现有方法避免了大量手写体数字被识别错误而降低工作效率。
-
公开(公告)号：CN113743464A
公开(公告)日：2021-12-03
申请号：CN202110879527.6
申请日：2021-08-02
Applicant: 昆明理工大学
Abstract: 本发明公开了一种连续特征离散化损失信息补偿方法，包括：对选取的连续特征和因变量特征进行预处理，并对预处理的连续特征和因变量特征进行切分；对因变量特征进行分类形成类标签；结合类标签采用Chimerge算法对训练集的i个连续特征进行离散化处理，得到离散训练集及切割点，根据切割点对测试集进行离散化操作，形成离散测试集；构建特征相关性权值系数，公开了连续特征离散化损失信息补偿方法在机器学习分类模型中的应用。本发明通过离散化算法对连续特征进行离散化处理得到离散型特征，通过建立连续特征与离散特征间的相关性对损失信息进行补偿，可以有效解决连续特征在离散化处理过程中发生的信息损失的问题，并提升了机器学习分类模型的精度。
-
公开(公告)号：CN113742489A
公开(公告)日：2021-12-03
申请号：CN202110894317.4
申请日：2021-08-05
Applicant: 昆明理工大学
IPC: G06F16/36 , G06F16/215
Abstract: 本发明公开了一种基于时序知识图谱的综合影响力补偿方法，本发明通过将获取到的三元组知识信息在知识图谱中以节点和节点间的连接进行表示，可以以图网络的形式来将数据整体进行刻画，更加方便之后对于历史事件的分析；步骤S2在构建好的知识图谱上，通过时间片划分的方法，将历史划分为不同的片段，对应不同时间片中的事件子网构建出邻接矩阵，利用事件发生时间的信息，提出四元组的事件表示形式，结合事件发生的时间信息，考虑到知识图谱中的事件网络是随着时间动态变化的，提出时间衰减函数，拟合历史中事件相关性影响力的衰减趋势；在步骤S3中提出时间跨度区间的划分，从而达到对历史总和影响力补偿的目的，获得更加准确的历史综合影响力。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.037 seconds)
