-
公开(公告)号：CN118821305A
公开(公告)日：2024-10-22
申请号：CN202410791606.5
申请日：2024-06-19
Applicant: 西南科技大学
IPC: G06F30/15 , G06F30/28 , G06F30/27 , G06N3/08 , G06F111/10
Abstract: 本发明属于飞行器启动优化领域，具体涉及一种基于特征分解的飞行器翼型流场快速预测方法。本发明的方法包括获取大量不同来流的数据集，归一化后进行奇异值分解(Singular Value Decomposition，以下简称SVD)，使用分解后的基模态系数对深度神经网络进行训练，实现对飞行器翼型的变来流流场快速预测。本发明通过使用SVD实现对流场特征的提取，使用深度神经网络对变来流翼型流场进行快速预测，减少了飞行器翼型设计与优化中流场计算的耗时，减小了翼型气动分析与优化过程中的大量流场计算时间。
-
公开(公告)号：CN118781044A
公开(公告)日：2024-10-15
申请号：CN202310366225.8
申请日：2023-04-07
Applicant: 西南科技大学
Abstract: 本发明公开了一种CT肾肿瘤自动RENAL评分方法，基于图像处理和自动化算法进行临床肾肿瘤RENAL评分，不用人工进行干预，从而对肾肿瘤剜除术难度进行客观合理的评估；优点是节省医生人工评分时间，为术前准确诊断、手术方案个体化规划和手术入路选择提供准确可靠的技术决策支持。
-
公开(公告)号：CN117992702A
公开(公告)日：2024-05-07
申请号：CN202410263306.X
申请日：2024-03-08
Applicant: 西南科技大学
IPC: G06F17/10 , G06F17/13 , G06N3/063 , G06F18/214 , G06N3/045
Abstract: 本发明公开了一种求解含参ODEs(常微分方程)的深度泛参深度算子网络方法，方法包括：建立ODEs系统数据库；构建用于深度泛参深度算子网络求解含参ODEs的DFNet框架；基于已知ODEs数据、深度神经算子网络、预处理的深度神经网络，通过正向求解获得更高精度的ODEs解。本发明将包含多种不同变量函数的ODEs系统数据采用DFNet训练，从而实现在任意变量函数、指定边界的条件下对ODEs系统进行高精度求解。
-
公开(公告)号：CN111241481B
公开(公告)日：2022-04-29
申请号：CN202010025238.5
申请日：2020-01-10
Applicant: 西南科技大学
Abstract: 本发明公开了一种空气动力数据集异常数据检测方法，包括S1、根据界定的自变量、因变量关系对，得到三组自变量和因变量；S2、基于鲁棒最小二乘回归方法，同时对所述三组自变量和因变量进行回归，得到三个βi，i＝1,2,3，其中βi为系数；S3、分别计算三组因变量的标准化预测值与标准化残差，得到三组新的二维数据集；S4、分别对S3中所得三组新的二维数据集进行单链接层次聚类，以最大类为纯净数据集进行异常数据集检测，合并三次聚类的异常数据作为整个数据的异常数据。
-
公开(公告)号：CN118821515A
公开(公告)日：2024-10-22
申请号：CN202410784829.9
申请日：2024-06-18
Applicant: 西南科技大学
Abstract: 本发明公开了一种基于密度聚类的棱柱网格生成方法，属于三维网格处理技术领域，主要步骤包括：首先输入三角化的表面网格，计算每个网格单元的法向量，并识别相邻单元的共线边；计算共线边所在单元的二面角和中点，按角度大小进行分类；定义一个距离度量，用于聚类分析；选择适当的聚类半径，并通过K距离图辅助确定；每个聚类结果代表一个凹凸区域，计算区域中共线二面角均值作为特征角度；定义偏向角度，使用激活函数计算网格偏移角度，修正生长高度，生成新层棱柱单元；调整三棱柱单元，确保质量达标；重复上述步骤，直到网格厚度满足要求。本方法有效识别凹凸角点，保证网格层均匀过渡，避免网格相交和退化单元问题。
-
Patent Agency Ranking
公开(公告)号：CN118762177A
公开(公告)日：2024-10-11
申请号：CN202410757496.0
申请日：2024-06-13
Applicant: 西南科技大学
IPC: G06V10/26 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于CT图像的胰腺肿瘤自动分割方法，该方法协同集成了允许扩展和领域无关的深度神经网络模型Segment Anything Model(SAM)和在特定领域的数据集上训练的，可以自动配置网络以适应特定的分割挑战的深度神经网络模型3D nnU‑Net形成最终的3D nnSAM神经网络分割模型。该模型以3D nnU‑Net作为主干网络，其编码器由两个并行编码器组成：3D nnU‑Net编码器和3D SAM编码器。3D SAM编码器用作即插即用插件，其参数在训练期间被冻结，将两个编码器的embedding级联，随后馈送到3D nnU‑Net的解码器以输出最终的分割图。本发明利用SAM的强大的特征提取及泛化功能，同时利用3D nnU‑Net的自动配置功能来适应特定的分割挑战，它允许少量学习的同时，实现更准确和鲁棒的医学图像分割效果。
-
公开(公告)号：CN117095016A
公开(公告)日：2023-11-21
申请号：CN202310418834.3
申请日：2023-04-19
Applicant: 西南科技大学
IPC: G06T7/11 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于多视角一致性的半监督3D肝脏CT图像分割方法，主要包括：(1)获取腹部CT图像进行划分得到训练集和测试集；(2)对腹部CT图像经过调整CT值、归一化、裁剪等操作进行预处理；(3)构建基于多视角的半监督3D肝脏CT图像分割的网络模型，使用V‑Net作为主干网络，同时添加两个并行解码器以不同的视角预测分割任务；(4)在每个解码器部分引入一个辅助预测任务来学习目标特征的全局几何信息指导模型学习；(5)使用训练集中少量的带标签数据和大量不带标签数据送入到网络模型训练；(6)通过主解码器与辅助解码器不同的预测任务之间建立一致性约束损失最终训练好的分割模型；(7)将测试集送入到训练好的模型中得到肝脏分割结果。本发明在避免使用大量手动注释像素级标签的情况下取得了良好肝脏分割性能，该方法简洁效率高。
-
公开(公告)号：CN118607233A
公开(公告)日：2024-09-06
申请号：CN202410756870.5
申请日：2024-06-13
Applicant: 西南科技大学
IPC: G06F30/20 , G06F30/28 , G06F111/10 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明属于空气动力学数值计算技术领域，具体涉及一种基于优化的逐层推进网格生长方法。该方法包括对二维图形的边界进行离散化处理，生成初始的网格点；识别并获取网格“角点”的具体坐标信息；根据网格质量要求，建立相应的目标函数和约束条件，构建优化的数学模型；利用序列最小二乘算法对所建立的数学模型进行求解，优化网格点的分布；在每个“角点”处，通过优化生成新的三个网格点坐标，从而形成更优化的四边形网格单元从而生成高质量的网格；通过将网格生成过程建模为数学优化问题，本发明有效解决了由于“角点”处的网格点不规则生成导致的网格质量较差的问题，显著提高了网格的整体质量。
-
公开(公告)号：CN117150899A
公开(公告)日：2023-12-01
申请号：CN202311108551.5
申请日：2023-08-30
Applicant: 西南科技大学
IPC: G06F30/27 , G06F30/28 , G06F30/15 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F119/14 , G06F113/28
Abstract: 本发明公开了一种针对流场结构的多任务识别方法。本发明中指代的多任务主要包括为：流场结构中的激波识别任务、膨胀波识别任务和涡旋识别任务。针对这三种流场结构提出了一种针对流场结构的多任务识别方法。由于本发明中提出的三种流场结构都形成在边界层中，而边界层是指飞行器在高速飞行时在其表面形成的一种流场结构，当飞行器外部形状不同时，所形成的流场也会不同，就会导致产生外形泛化问题。针对此问题，本发明提出使用飞行器外形中的曲率半径来表示外形信息，进而使得本发明提出的针对流场结构的多任务识别方法具有一定的泛化能力。另外，在进行多任务识别时，会出现结构相互遮挡的情况，针对该问题在多任务网络之后添加了遮挡识别网络，从而解决多任务流场结构识别产生的结构遮挡问题。本发明能有效自动化的同时识别出多种流场结构，并且在不同外形条件下得到的流场数据都适用，具有一定的泛化能力。
-
公开(公告)号：CN116340613A
公开(公告)日：2023-06-27
申请号：CN202211488110.8
申请日：2022-11-25
Applicant: 西南科技大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601
Abstract: 本发明公开了一种基于关键词提取的方面级自给权重商品选品系统及方法，所述方面级自给权重商品选品系统包括构建商品特征库子系统，所述构建商品特征库子系统包括代表商品评论数据爬取模块、关键词种子生成模块、商品特征生成模块、商品特征存储模块。所述方面级自给权重商品选品系统包括待选商品评论数据爬取模块、商品特征匹配模块、待选商品资质值计算模块、待选商品选品值计算排序模块、优选商品推送模块。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.022 seconds)
