一种基于自适应动态分组的农作物病害识别方法

    公开(公告)号:CN119785102A

    公开(公告)日:2025-04-08

    申请号:CN202411940119.7

    申请日:2024-12-26

    Abstract: 本发明公开了一种基于自适应动态分组的农作物病害识别方法,属于农作物病害识别技术领域,包括获取农作物病害图像数据集,并进行数据增强,得到训练集数据;基于DGC动态分组卷积和MLCS多层级通道重排,建立农作物病害识别模型,并利用训练集数据进行训练,得到训练好的农作物病害识别模型,通过训练好的农作物病害识别模型,完成农作物病害识别。本发明通过结合动态分组和多层级通道重排技术,实现了对农作物病害识别模型的轻量化设计,能够有效降低神经网络模型的计算复杂度与参数量,显著缩短了训练时间,同时能够在计算资源有限的移动端或嵌入式设备上实现高效、准确的病害检测。

    一种基于知识图谱的中医诊疗模型数据扩充系统及方法

    公开(公告)号:CN118262874A

    公开(公告)日:2024-06-28

    申请号:CN202410292345.2

    申请日:2024-03-14

    Abstract: 本发明涉及一种基于知识图谱的中医模型数据扩充系统及方法,扩充系统包括知识图谱生成模块、语料生成模块和数据标准化模块,知识图谱生成模块用于对中医数据进行实体识别和关系抽取,通过三元组进行知识表示、实体对齐和质量评估,生成知识图谱;语料生成模块用于将知识图谱转化成中医文本,并对生成的中医文本进行数据增强;数据标准化模块用于将中医文本中存在的文言文数据转化为白话文,并对中医文本进行筛选、去重、去隐私化处理,通过知识图谱生成模块构建基于中医医疗领域的知识图谱,实现中医知识关联和知识融合,然后面向知识图谱进行数据增强,通过合成语料库生成来扩充中医语料库,最后对中医语料进行去重、去隐私化等标准化处理。

    一种边缘云的计算卸载激励方法

    公开(公告)号:CN108920273B

    公开(公告)日:2022-01-28

    申请号:CN201810640773.4

    申请日:2018-06-21

    Abstract: 本发明提供一种边缘云的计算卸载激励方法,在边缘云服务器和移动设备之间建立激励体制,移动设备通过将复杂的计算卸载到边缘云服务器上执行提升其计算效率,边缘云服务器通过为移动设备卸载的计算提供计算服务获得收益,找到移动设备和边缘云服务器的均衡点,得到最优策略,该方法提升了边缘云计算卸载过程中移动设备和边缘云服务器的计算效率,使得边缘云服务器和移动设备的利益最大化。

    一种边缘云的计算卸载激励方法

    公开(公告)号:CN108920273A

    公开(公告)日:2018-11-30

    申请号:CN201810640773.4

    申请日:2018-06-21

    Abstract: 本发明提供一种边缘云的计算卸载激励方法,在边缘云服务器和移动设备之间建立激励体制,移动设备通过将复杂的计算卸载到边缘云服务器上执行提升其计算效率,边缘云服务器通过为移动设备卸载的计算提供计算服务获得收益,找到移动设备和边缘云服务器的均衡点,得到最优策略,该方法提升了边缘云计算卸载过程中移动设备和边缘云服务器的计算效率,使得边缘云服务器和移动设备的利益最大化。

    一种中医证候分类方法、系统、设备及介质

    公开(公告)号:CN115862883A

    公开(公告)日:2023-03-28

    申请号:CN202211545956.0

    申请日:2022-12-05

    Abstract: 本发明公开的一种中医证候分类方法、系统、设备及介质,涉及中医证候分类领域,方法包括:获取待分类症状;将所述待分类症状输入至证候分类模型,得到分类结果;所述分类结果为证候名称;其中,所述证候分类模型是以一阶逻辑规则为约束,利用训练数据集对深度神经网络模型进行训练得到的;所述训练数据集包括多个历史症状信息和多个真实证候;所述一阶逻辑规则是有中医领域知识编译而成的症状与证候的映射关系。本发明通过将一阶逻辑形式的领域知识与深度神经网络相结合,提升了中医证候分类的效果以及分类准确性。

    一种基于学习布隆过滤器的ICN网络信息名字查找方法

    公开(公告)号:CN111611348A

    公开(公告)日:2020-09-01

    申请号:CN202010449138.5

    申请日:2020-05-25

    Abstract: 本发明涉及一种基于学习布隆过滤器的ICN网络信息名字查找方法,其查找结构由学习模型和备份布隆过滤器构成,两部分共同组成学习布隆过滤器结构来进行信息名字的查找,首先使用学习模型对信息名字进行查找,但是在提高查找精度的同时会产生一定数量的假阴性,为了将假阴性率降为0,再通过使用备份布隆过滤器来进行进一步的查找。借由上述技术方案,本发明利用了机器学习,将递归神经网络(RNN)与标准布隆过滤器相结合,在每个节点处,利用学习布隆过滤器实现信息名字的快速查找,提高信息名字检索的准确率并降低内存占用量。

    一种基于服务感知的移动云网络资源分配方法

    公开(公告)号:CN108881442B

    公开(公告)日:2019-07-05

    申请号:CN201810640758.X

    申请日:2018-06-21

    Abstract: 一种基于服务感知的移动云网络资源分配方法,该方法主要是通过一种基于服务感知的资源分配框架来实现的,该资源分配框架包含用户层、请求管理层和资源提供层,所述用户层用来模拟服务请求方,所述请求管理层用来进行请求的优化管理,所述资源提供层用来进行基础资源的管理与分配,其中,请求管理层包括学习分类策略和资源共享策略。本发明通过一个整体框架的设计来实现资源的分配,其中具体内容包含了云基础资源的共享,分配以及动态资源扩展,实现提高资源利用率以及减少时延的联合应用,加速移动云网络的发展。

    基于目标显著性掩模的无监督螺丝图像分类与分割方法

    公开(公告)号:CN119693716A

    公开(公告)日:2025-03-25

    申请号:CN202411882835.4

    申请日:2024-12-19

    Abstract: 本发明提供了一种基于目标显著性掩模的无监督螺丝图像分类与分割方法,属于图像处理领域,该方法包括:获取原始螺丝图像并转换为灰度图像,并基于无监督分割框架,提取显著性掩模,得到显著性图像;利用带有改进去噪锚框的检测变换器进行特征提取,得到测试特征和质心特征;根据测试特征和质心特征得到初步分割图,并再次利用显著性检测对分割图进行处理,得到分割图像,完成对螺丝部件的分割;将相同的测试图像通过缺陷检测模型,得到缺陷定位模型,并根据颜色得到缺陷部件的名称,完成对缺陷部件的分类。本发明解决了现有分类分割方法处理螺丝图像精度低、适合度差以及难以准确分割螺丝图像的问题。

Patent Agency Ranking