-
公开(公告)号：CN111259098B
公开(公告)日：2023-04-11
申请号：CN202010026567.1
申请日：2020-01-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于稀疏表示和Fréchet距离融合的轨迹相似度计算方法，该方法首先通过求解每条轨迹用其他轨迹稀疏表示下的各个系数大小，从而得到一个系数矩阵，再利用Fréchet距离对任意两条轨迹做空间曲线相似度计算，得到一个相似度矩阵，然后将这两种方法得到的相似度进行加权融合，求出每条轨迹相似度最高的Top‑k个轨迹邻居。本发明提出了考虑轨迹多种特征属性以及时空距离融合的方法来度量轨迹间的相似度，然后在此相似度基础上进行聚类，从而提高轨迹聚类效果。
-
Patent Agency Ranking
公开(公告)号：CN109859839B
公开(公告)日：2022-05-03
申请号：CN201910065074.6
申请日：2019-01-23
Applicant: 桂林电子科技大学
IPC: G16H50/20 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于分层集成学习的阿尔茨海默症分类方法，步骤为：S1、获取阿尔茨海默症的核磁共振图像；S2、对步骤S1获得的核磁共振图像进行预处理；S3、将预处理之后的图像，以切片为单位输入基于分层集成学习的模型中，采用预先训练好的深层神经网络（DNN）提取特征矩阵，将提取的特征矩阵输入到分类器中进行分类，得到切片级别的粗预测结果；S4、将步骤S3得到的粗预测结果进行集成，再次经分类器分类，得到切片的细分类预测结果；S5、将步骤S4得到的细分类预测结果进行集成，再次进行经分类器进行分类预测，得到病人级别的阿尔茨海默症的最终分类结果。该方法分类稳定，分类效率高，分类方法通用性和灵活性好。
-
公开(公告)号：CN111259098A
公开(公告)日：2020-06-09
申请号：CN202010026567.1
申请日：2020-01-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于稀疏表示和Fréchet距离融合的轨迹相似度计算方法，该方法首先通过求解每条轨迹用其他轨迹稀疏表示下的各个系数大小，从而得到一个系数矩阵，再利用Fréchet距离对任意两条轨迹做空间曲线相似度计算，得到一个相似度矩阵，然后将这两种方法得到的相似度进行加权融合，求出每条轨迹相似度最高的Top-k个轨迹邻居。本发明提出了考虑轨迹多种特征属性以及时空距离融合的方法来度量轨迹间的相似度，然后在此相似度基础上进行聚类，从而提高轨迹聚类效果。
-
公开(公告)号：CN109859839A
公开(公告)日：2019-06-07
申请号：CN201910065074.6
申请日：2019-01-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于分层集成学习的阿尔茨海默症分类方法，步骤为：S1、获取阿尔茨海默症的核磁共振图像；S2、对步骤S1获得的核磁共振图像进行预处理；S3、将预处理之后的图像，以切片为单位输入基于分层集成学习的模型中，采用预先训练好的深层神经网络（DNN）提取特征矩阵，将提取的特征矩阵输入到分类器中进行分类，得到切片级别的粗预测结果；S4、将步骤S3得到的粗预测结果进行集成，再次经分类器分类，得到切片的细分类预测结果；S5、将步骤S4得到的细分类预测结果进行集成，再次进行经分类器进行分类预测，得到病人级别的阿尔茨海默症的最终分类结果。该方法分类稳定，分类效率高，分类方法通用性和灵活性好。
-
公开(公告)号：CN110147841A
公开(公告)日：2019-08-20
申请号：CN201910427921.9
申请日：2019-05-22
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于弱监督及无监督部件检测和分割的细粒度分类方法，步骤为：S1、获取数据集训练样本；S2、基于弱监督部件检测方法和无监督部件检测方法，对步骤S1获得的数据集训练样本进行处理，得到部件假设，即部件检测结果；S3、利用步骤S2得到的部件假设，进行部件制导分割，得到更多对细粒度分类有用的部件；S4、根据步骤S3得到的有用的部件，进行细粒度图像分类的操作，得到分类结果。该方法利用部件检测得到的部件假设来指导前景分割以保留更多的对细粒度分类有用的部件，同时抑制背景噪声，从而提升细粒度分类的性能；同时，该方法在实际应用方面的条件限制更少，大大增加了适用的场景和方法的泛用性。
-
公开(公告)号：CN109001772A
公开(公告)日：2018-12-14
申请号：CN201810601341.2
申请日：2018-06-12
Applicant: 桂林电子科技大学
IPC: G01S19/30
Abstract: 一种基于峰值位置比较的北斗导航信号获取方法，包括如下步骤：接收北斗导航信号；将北斗导航信号进行平均采样与本地码进行相关运算，获得相关函数；将相关函数进行峰值搜索，记录峰值的位置；重复步骤（1）至步骤（3），重复至少2次，得到相应的峰值位置；对得到的所有峰值位置进行比较，得到比较结果；判断比较结果是否满足预期的变化规律。如果是，则判定信号存在，北斗导航信号获取成功；如果否，则判定信号不存在，返回步骤（1），对北斗导航信号进行下一次接收。本发明实现了对北斗信号的快速获取，满足软件接收机对实时性的要求；对弱信号（尤其是低于-128dBm）下较小的相关峰值的检测概率高，系统虚警率大幅度降低。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
