-
公开(公告)号：CN109903271B
公开(公告)日：2022-05-13
申请号：CN201910083862.8
申请日：2019-01-29
Applicant: 福州大学
IPC: G06T7/00 , G06V10/77 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种胎盘植入B超图像特征提取与验证方法，首先将已标注分类的胎盘植入B超图像数据集分为训练集合和测试集合；接着构建B超图像训练数据集的列向量数据矩阵，计算均值向量；然后依次通过均值向量，计算数据矩阵的协方差矩阵，计算协方差矩阵的特征值，选取主成分，建立变换矩阵，根据变换矩阵，建立训练数据集图像的特征子空间投影，实现B超图像的特征提取；接着计算测试数据集图像在特征子空间上的投影，采用最小距离法获取测试B超图像的分类；最后判别测试图像分类的正确性用以验证特征提取。本发明有助于后续通过机器学习方法对小样本B超图像集合的进一步学习。
-
公开(公告)号：CN109903271A
公开(公告)日：2019-06-18
申请号：CN201910083862.8
申请日：2019-01-29
Applicant: 福州大学
Abstract: 本发明涉及一种胎盘植入B超图像特征提取与验证方法，首先将已标注分类的胎盘植入B超图像数据集分为训练集合和测试集合；接着构建B超图像训练数据集的列向量数据矩阵，计算均值向量；然后依次通过均值向量，计算数据矩阵的协方差矩阵，计算协方差矩阵的特征值，选取主成分，建立变换矩阵，根据变换矩阵，建立训练数据集图像的特征子空间投影，实现B超图像的特征提取；接着计算测试数据集图像在特征子空间上的投影，采用最小距离法获取测试B超图像的分类；最后判别测试图像分类的正确性用以验证特征提取。本发明有助于后续通过机器学习方法对小样本B超图像集合的进一步学习。
-
公开(公告)号：CN109309945A
公开(公告)日：2019-02-05
申请号：CN201811442199.8
申请日：2018-11-29
Applicant: 福州大学
Abstract: 本发明涉及一种用于城市高架桥等多层级场景的车辆自组织网络路由方法，当车辆节点在某个层级上移动时，贪婪选择离目的节点最近的同层邻居车辆进行转发，同层没有可用节点时，选择离目的节点最近的层间邻居车辆进行转发。当车辆节点在上桥处时，无论向哪个道路层发送数据包都不会收到建筑的影响导致无线信号衰减。此时，节点计算各个道路层中的链路质量，最后选择目的节点所在的道路层或链路质量较高的道路层进行转发。本发明能够解决多层次场景下跳数增多及链路质量下降的问题，提升VANETs路由的整体性。
-
公开(公告)号：CN109309945B
公开(公告)日：2021-09-28
申请号：CN201811442199.8
申请日：2018-11-29
Applicant: 福州大学
Abstract: 本发明涉及一种用于城市高架桥等多层级场景的车辆自组织网络路由方法，当车辆节点在某个层级上移动时，贪婪选择离目的节点最近的同层邻居车辆进行转发，同层没有可用节点时，选择离目的节点最近的层间邻居车辆进行转发。当车辆节点在上桥处时，无论向哪个道路层发送数据包都不会收到建筑的影响导致无线信号衰减。此时，节点计算各个道路层中的链路质量，最后选择目的节点所在的道路层或链路质量较高的道路层进行转发。本发明能够解决多层次场景下跳数增多及链路质量下降的问题，提升VANETs路由的整体性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
