基于AHR-BLS模型的可持续学习心电数据分类方法

    公开(公告)号:CN118035823A

    公开(公告)日:2024-05-14

    申请号:CN202410099542.2

    申请日:2024-01-23

    Abstract: 本发明提出了一种基于AHR‑BLS模型的可持续学习心电数据分类方法,包括:对样本心电数据预处理;将样本心电数据划分为原始训练集、新增训练集和测试集;将原始训练集和新增训练集输入AHR‑BLS模型;通过模型中的BLS模块对原始训练集特征提取得到原始特征节点和原始增强节点,对其进行连接得到原始展开矩阵;通过哈希编码模块对原始展开矩阵进行哈希独立编码得到原始编码结果;通过原始编码结果、原始标签矩阵求解优化公式得到原始权重矩阵;将新增训练集输入到模型,通过正则化修正增量算法更新原始权重矩阵;将测试集输入到模型中进行测试;将待测心电数据输入到模型得到心电信号分类结果。从而提高心电信号分类的准确性。

    一种搂抱式的爬树机器人

    公开(公告)号:CN221561331U

    公开(公告)日:2024-08-20

    申请号:CN202420056417.9

    申请日:2024-01-10

    Abstract: 本实用新型公开了一种搂抱式的爬树机器人,包括搂抱机构、驱动机构和框架机构;搂抱机构包括多个搂抱夹爪,搂抱夹爪用于夹住树干;驱动机构包括第一驱动组件和第二驱动组件,第一驱动组件包括麦克纳姆轮和第一驱动电机;第二驱动组件包括第二驱动电机和万向轮;框架机构包括固定框和安装板,安装板安装在固定框上,麦克纳姆轮和第一驱动电机均安装在安装板上,多个搂抱夹爪分别与固定框转动连接。通过搂抱夹爪夹住树干,通过第一驱动组件和第二驱动组件驱动爬树机器人,进而完成相应的修剪树枝或采摘工作,攀爬效率高,使用成本低,可广泛应用于攀爬设备技术领域。

    一种基于心电信号的身份识别方法及装置

    公开(公告)号:CN107122788B

    公开(公告)日:2020-08-25

    申请号:CN201710139144.9

    申请日:2017-03-09

    Abstract: 一种基于心电信号的身份识别方法,包括:获取包括了用户的多个周期的心拍数据的心电信号样本数据集,并将心电信号样本数据集分割为多个单周期心拍数据;利用白化技术去除心拍数据的相关性;在去除了相关性的心拍数据上利用PCA算法提取心拍数据主特征;根据主特征,采用基于RPROP算法建立并训练神经网络分类器;利用已训练的神经网络分类器对输入的心电信号数据进行识别。有益效果为:基于PCA白化算法的心电信号的特征提取简单,最大限度保全原有信号数据的有用信息。基于RPROP算法训练神经网络分类器的方法能快速得到满足实际应用要求的分类器。结合PCA白化特征和RPROP算法提高神经网络的分类效率,使得内存资源消耗降低,识别速度和准确率都能得到有效提升。

    一种基于心电信号的身份识别方法及装置

    公开(公告)号:CN107122788A

    公开(公告)日:2017-09-01

    申请号:CN201710139144.9

    申请日:2017-03-09

    Abstract: 一种基于心电信号的身份识别方法,包括:获取包括了用户的多个周期的心拍数据的心电信号样本数据集,并将心电信号样本数据集分割为多个单周期心拍数据;利用白化技术去除心拍数据的相关性;在去除了相关性的心拍数据上利用PCA算法提取心拍数据主特征;根据主特征,采用基于RPROP算法建立并训练神经网络分类器;利用已训练的神经网络分类器对输入的心电信号数据进行识别。有益效果为:基于PCA白化算法的心电信号的特征提取简单,最大限度保全原有信号数据的有用信息。基于RPROP算法训练神经网络分类器的方法能快速得到满足实际应用要求的分类器。结合PCA白化特征和RPROP算法提高神经网络的分类效率,使得内存资源消耗降低,识别速度和准确率都能得到有效提升。

    人脑部缰核结构分割方法、装置、电子设备及存储介质

    公开(公告)号:CN118196120A

    公开(公告)日:2024-06-14

    申请号:CN202410388912.4

    申请日:2024-04-01

    Abstract: 本申请公开了一种人脑部缰核结构分割方法、装置、电子设备及存储介质,属于数据处理技术领域,其中,人脑部缰核结构分割方法包括:获取脑部的MP2RAGE序列磁共振数据,MP2RAGE序列磁共振数据包括UNI磁共振数据和T1mapping磁共振数据;将MP2RAGE序列磁共振数据输入到训练好的深度学习分割网络,得到人脑部缰核结构分割结果,深度学习分割网络基于交叉注意力机制构建而成。该方法利用训练好的深度学习分割网络实现了缰核结构的快速、精准分割,不再依赖人工提取,并且该模型结合交叉注意力机制利用跨模态之间的互补信息,基于不同模态的磁共振影像对缰核结构进行分割,实现了人脑部缰核结构的精准定位及分割。

    一种基于机器学习的光腔内环境的控制方法

    公开(公告)号:CN117408125A

    公开(公告)日:2024-01-16

    申请号:CN202311351835.7

    申请日:2023-10-19

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于机器学习的光腔内环境的控制方法,其方法为:第一步、利用长短期记忆网络LSTM拟合历史数据得到实际系统的虚拟代理模型;第二步、当迭代次数满足结束条件时,将全局最优值作为PIDNN上位机程序的初始权值,实时接收传感器的值并计算出反馈量;有益效果:本发明提供的基于机器学习的光腔内环境的控制方法将LSTM事先辨识得到的虚拟代理模型作为神经网络控制器的控制对象,模拟实际系统输出,进行控制参数的离线仿真优化,解决了粒子群算法在线训练过程中,存在的公平性和运行时间长的问题,避免了神经网络控制器陷入局部最优,从而实现控制效果的提升。

    一种基于机器视觉的农作物植株高遥测方法及系统

    公开(公告)号:CN117128874A

    公开(公告)日:2023-11-28

    申请号:CN202311200339.1

    申请日:2023-09-18

    Applicant: 吉林大学

    Abstract: 本发明涉及一种基于机器视觉的农作物植株高遥测方法及系统,属于农作物高度测量技术领域,远程遥控履带车移动,通过一杆上下的两个深度相机获得农作物植株深度图像,识别提取数据特征进行株高计算,计算像素坐标长度与实际长度的转换比例,得到农作物植株高的实际长度。可实现前端近距离株高测量,遥测终端远程操控,在保证计算准确性的基础上,极大解放了人力成本,提高了识别效率。

    基于直肠癌影像组学研究的新型多模态融合辅助诊断方法

    公开(公告)号:CN111599464A

    公开(公告)日:2020-08-28

    申请号:CN202010401516.2

    申请日:2020-05-13

    Abstract: 本发明提供了一种基于直肠癌影像组学研究的新型多模态融合辅助诊断方法,包括:步骤一、获取直肠癌多种模态的医学影像,并进行预处理;步骤二、对预处理之后的医学影像进行分层分割,并获取每一层医学影像对应的感兴趣区域;步骤三、对每一种模态医学影像的每一个感兴趣区域进行特征提取,获取对应的高维影像组学特征;步骤四、对所获取样本及对应获取得到的高维影像组学特征进行随机划分得到训练集和测试集,并在训练组数据内进行特征降维;步骤五、基于T2加权成像、弥散加权成像及CT影像的低维影像组学特征,分别构建影像组学标签;步骤六、对所获得的各个标签进行系数加权,经线性组合后得到多模态融合影像组学评分,用于直肠癌辅助诊断。

    基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法

    公开(公告)号:CN110517241A

    公开(公告)日:2019-11-29

    申请号:CN201910781301.5

    申请日:2019-08-23

    Abstract: 本发明公开了一种基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法,包括以下步骤:S1:构建带有标注的核磁成像IDEAL-IQ序列腹部影像作为深度学习训练样本集和测试样本集。本发明的计算算法包括机器学习中的U-Net深度学习网络、3D U-Net深度学习网络以及无监督AFKMC2聚类方法,本发明的算法需要用到IDEAL-IQ序列中脂像和水像,其中,3D U-Net深度学习网络和U-Net深度学习网络分别用于分割脂像中皮下脂肪轮廓以及水像中腹膜腔轮廓,无监督AFKMC2聚类方法用于分割脂像中内脏脂肪轮廓,本发明可得到准确率更高,速度更快的全自动定量腹部脂肪组织结果。

    一种双模式的旋翼飞行器目标跟踪方法

    公开(公告)号:CN108961311A

    公开(公告)日:2018-12-07

    申请号:CN201810639869.9

    申请日:2018-06-20

    Applicant: 吉林大学

    Abstract: 本发明公开了一种双模式的旋翼飞行器目标跟踪方法。本发明所设计的系统具有两种跟踪模式,第一种跟踪模式是基于电子标签的追踪模式,在这种模式下,旋翼飞行器能够从较远的范围获取到目标的信息,从而执行跟踪任务,第二种跟踪模式是是基于视觉的追踪模式,旋翼飞行器通过视觉系统获取目标的位置信息,然后通过图像中目标的位置信息计算出目标相对于旋翼飞行器的距离,从而更精准地完成追踪任务。这种双模式跟踪方法与系统采用的目标跟踪算法具有很好的鲁棒性,对于飞行器飞行过程中所产生的抖动以及背景变化具有很好的抵抗效果。通过两种跟踪模式的配合使用,提高了该系统在飞行器目标跟踪领域的实用性。

Patent Agency Ranking