-
公开(公告)号：CN107703572B
公开(公告)日：2024-07-23
申请号：CN201711260899.0
申请日：2017-12-04
Applicant: 济南大学
IPC: G02B5/18
Abstract: 本发明涉及一种组合光栅，包括圆筒形的安装座、沿所述安装座周向依次排列成光栅环的若干光栅块，以及套设在光栅环两侧的安装座上且压住光栅环外弧面的固定环，所述安装座上开设有与各光栅块对应的透孔，所述固定环通过螺栓与安装座固接，且在固定环上穿设有沿径向顶至各光栅块外弧面的径向调整螺栓，至少一个固定环上设有与光栅环适配的环形槽，设有所述环形槽的固定环上穿设有沿轴向顶至各光栅块的轴向调整螺栓。本发明使用独立光栅块组成光栅环，大大减小了加工难度，降低了制造成本，并且通过轴向调整螺栓和径向调整螺栓对各光栅块进行位移调整，使光栅环的各面均处于平齐状态了，保证了成像实验效果。
-
公开(公告)号：CN116662833A
公开(公告)日：2023-08-29
申请号：CN202310589312.X
申请日：2023-05-22
Applicant: 济南大学
Abstract: 本发明公开了一种基于高斯混合模型的多视图动态迁移聚类方法及系统，该方法包括：获取待聚类的多视图数据集，预设每个视图的视图权重和各视图之间的动态迁移学习因子的初始值；分别对每个视图中的数据样本进行聚类，根据聚类结果计算获取每一视图的高斯混合模型参数初始值以及每一视图中每一数据属于每一簇的隶属度；根据隶属度更新高斯混合模型参数、视图权重和动态迁移学习因子；以更新后的值为最新值，对每个视图进行隶属度迭代计算，直至迭代结束；根据最终迭代获取的动态迁移学习因子进行各视图之间的聚类学习，得到各视图趋于一致的聚类结果。本发明通过动态迁移学习技术实现多视图间互补信息的深入挖掘，提高多视图数据的聚类性能。
-
公开(公告)号：CN116560888A
公开(公告)日：2023-08-08
申请号：CN202310528255.4
申请日：2023-05-08
Applicant: 济南大学
IPC: G06F11/07 , G06F18/241 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明属于磁盘故障预测领域，提供了一种基于生成对抗网络的不平衡磁盘数据处理方法及系统，包括获取磁盘数据并进行预处理；基于预处理后的磁盘数据，利用预先训练好的残差条件表格生成对抗网络模型进行数据合成，得到合成的磁盘数据；本发明针对现有技术中磁盘故障预测时由于数据中存在数据分布严重平衡的问题，对CTGAN改进使得改进后的模型可以更深层次的学习到磁盘真实数据的特征分布，从而生成高质量的伪数据，从而起到平衡数据集的作用。此方法可以解决磁盘故障数据不足的问题，很好的缓解了由过采样与欠采样技术带来的过拟合与特征丢失的现象。
-
公开(公告)号：CN116521462A
公开(公告)日：2023-08-01
申请号：CN202310459791.3
申请日：2023-04-21
Applicant: 济南大学
IPC: G06F11/22 , G06N3/086 , G06N3/094 , G06N3/0475
Abstract: 本发明提出了一种用于磁盘故障预测模型训练的数据集构建方法及系统，涉及数据处理技术领域，具体方案包括：对获取的真实磁盘SMART数据集进行预处理，并按照预设比例划分为基础数据集与测试集；将基础数据集分别输入到预设个数的互不相同的GAN模型中，生成预设个数的待用数据集，其中，GAN模型用于生成表格数据；利用遗传算法找出适用于预设磁盘故障预测模型的最优数据混合比例，并依据比例进行待用数据集和真实磁盘SMART数据集的混合，构建平衡的磁盘SMART数据集；本发明在对磁盘故障预测模型训练之前，利用多元GAN合成的磁盘故障数据，并通过优化算法(GA)寻优合成数据的最佳混合比例，添加至真实数据集中，以缓解磁盘SMART数据正负样本不平衡的问题。
-
公开(公告)号：CN110910392B
公开(公告)日：2023-04-18
申请号：CN201911131121.9
申请日：2019-11-18
Applicant: 济南大学
IPC: G06T7/11 , G06T5/00 , G06T7/90 , G06V10/762 , G06V10/74
Abstract: 一种基于多重空间信息加权的模糊聚类的图像分割方法，在模糊聚类的目标函数中同时考虑了图像的多种像素信息，这种方法对于具有多种未知噪声的图像具有较好的鲁棒性，在此过程中，该方法提供了两种不同的算法，首先为了确保对聚类贡献较大的空间信息能够更好地促进聚类，采用熵加权技术对参与聚类的多种空间信息进行自动加权，像素之间的距离度量采用欧几里得距离；其次考虑到噪声图像中的像素点错综复杂且往往具有线性不可分的特点，使用核方法将特征空间中的像素点映射到高维的核空间，像素之间的距离度量使用高斯核函数进行计算，并对映射后的不同图像之间的像素点进行加权。
-
Patent Agency Ranking
-
公开(公告)号：CN111062394A
公开(公告)日：2020-04-24
申请号：CN201911132050.4
申请日：2019-11-18
Applicant: 济南大学
Abstract: 一种基于多通道加权引导滤波的模糊聚类彩色图像分割方法，对于带有噪声的彩色图像，首先通过多元形态学重建可以有效的去除不同类型不同强度的噪声，从而减轻噪声对图像聚类的影响；其次，将带有噪声的彩色图像对隶属度多通道引导滤波时，由于利用原始彩色图像的每个通道分别对隶属度引导滤波，然后将每个通道的滤波结果加权得到最终的滤波输出图像，所以能够避免不同通道之间的相互影响，从而最终的滤波结果能够更有效的保持边缘，提高了对彩色噪声图像分割的准确率。另外，由于三个通道的滤波结果加权计算是一个线性操作，所以基于多通道加权引导滤波的模糊聚类的彩色图像分割方法具有较低的时间复杂度。
-
公开(公告)号：CN110956204A
公开(公告)日：2020-04-03
申请号：CN201911130984.4
申请日：2019-11-18
Applicant: 济南大学
IPC: G06K9/62
Abstract: 一种基于迁移学习的高斯混合模型数据聚类方法，通过将稀少的待聚类的数据集作为目标域 ，选取与目标域数据类型相似且数据量充足的数据集作为源域 。首先用高斯混合模型对源域 中的数据聚类，得到源域的类均值与类协方差矩阵。使用从源域聚类获得的类均值与类协方差矩阵，并通过基于迁移学习的高斯混合模型聚类算法对目标域中的数据进行聚类，得到每一个数据点的后验概率，用其后验概率的最大值所在的组件作为这一数据点的类标签，从而有效提高目标域 中数据聚类的准确度。
-
-
公开(公告)号：CN107693029A
公开(公告)日：2018-02-16
申请号：CN201711258722.7
申请日：2017-12-04
Applicant: 济南大学
IPC: A61B5/153
CPC classification number: A61B5/153 , A61B5/15003 , A61B5/150572 , A61B5/150748
Abstract: 本发明涉及一种变角度腔镜下静脉采血装置，包括套管和采血针，所述采血针包括滑接于所述套管内的针管，以及自所述针管依次连接的连接部、前软管、硬管和后软管，所述连接部的外径大于所述针管外径；所述套管包括空心管和固接于所述空心管前端的针头引导部，所述针头引导部上设有朝向空心管轴线延伸的引导面，所述引导面上开设有与所述针管适配的通槽，所述通槽两侧设有引导壁，两侧引导壁的间距与连接部外径适配。本发明在针管进入体内时，利用空心管作为保护，避免了误伤其他器官，扎针时，通过引导面改变针管的方向，使针管斜向扎入血管，避免了将血管穿透，保证了采血的顺利进行。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.023 seconds)
