-
公开(公告)号：CN117151215A
公开(公告)日：2023-12-01
申请号：CN202311242845.7
申请日：2023-09-25
Applicant: 郑州轻工业大学
IPC: G06N5/02 , G06F18/213 , G16H10/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于知识图谱的冠心病多模态数据特征提取方法，包括以下步骤：A：获取心电图、光电容积脉搏波和心音图的信号实体；B：获取心脏彩超图像的图像实体；C：获取病历文本的文本实体及文本实体属性，并抽取文本实体关系；D：与冠心病患者知识图谱本体结构进行链接形成知识图谱，建立病例关系图网；E：采用随机游走算法和Skip‑Gram模型将病例关系图网中的节点降维表征为统一的节点表示向量；F：采用主成分分析算法，对步骤E中得到的节点表示向量再次降维，最终获取节点的降维特征。本发明能够为冠心病诊断结果的辅助验证提供更为准确的数据基础。
-
公开(公告)号：CN113590953A
公开(公告)日：2021-11-02
申请号：CN202110868848.6
申请日：2021-07-30
Applicant: 郑州轻工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的推荐算法库，属于推荐系统技术领域。一种基于深度学习的推荐算法库，包括推荐系统算法包DeepRS，所述推荐系统算法包DeepRS包括框架层、抽象层和算法层三层架构，所述框架层采用Tensorflow开源框架，所述Tensorflow开源框架为上层服务提供自动微分、张量计算、GPU计算以及数值优化算法多个接口；本发明中的推荐系统算法包DeepRS是一种开源的、易扩展的算法包，丰富了推荐系统算法工具箱，填补了基于深度学习的推荐系统算法包缺口，使基于深度学习的推荐模型结果再现更容易，降低开发基于深度学习的推荐模型的门槛，同时又提高了实用性。
-
公开(公告)号：CN118212152A
公开(公告)日：2024-06-18
申请号：CN202410449141.5
申请日：2024-04-15
Applicant: 郑州轻工业大学
Abstract: 一种适用于基于Mojette变换理论的CT重建图像的混合先验降噪方法。由Mojette变换的CT重建特点可知，重建图像的投影集不同产生不同的累积噪声，可视为相同的切片叠加不同分布的噪声，因而不同投影下重建切片图像存在内在关联性。除不同投影集下重建切片间的相关性，单个切片在空间域中具有非局部相似性，提出基于transformer模块与结构稀疏理论的Mojette重建CT图像降噪网络。本发明解决传统Mojette重建图像重建过程中噪声指数繁衍所造成的重建质量不高问题；利用同一切片的多个含不同噪声的重建图像的低秩降噪算法与基于transformer模块的深度网络提取图像块特征，改善CT重建图像质量。
-
公开(公告)号：CN117171393A
公开(公告)日：2023-12-05
申请号：CN202310515823.7
申请日：2023-05-09
Applicant: 郑州轻工业大学
IPC: G06F16/901 , G06F16/953 , G06F18/25 , G06F18/214
Abstract: 本发明提出了一种面向多模态检索的自适应半配对询问哈希方法，其步骤为：对训练数据集中成对的图像样本和文字样本分别进行预处理；联合执行投影学习、跨模态重构学习、多模态融合学习和语义保持哈希学习来学习判别性的哈希映射函数，并获得跨模态重构矩阵；对新到达批量的询问样本进行预处理，若询问样本仅含有图像或仅含有文本，则通过训练学习得到的跨模态重构矩阵来补全缺失的模态特征；将补全后的模态特征矩阵输入到哈希映射函数，获得询问样本的哈希编码矩阵；将询问样本划分为询问集和检索集，选择汉明距离最近的几个样本作为检索结果。本发明优于最先进的多模态哈希检索方法，能够适应模态缺失场景下的多模态实例样本检索。
-
公开(公告)号：CN116467643A
公开(公告)日：2023-07-21
申请号：CN202310461606.4
申请日：2023-04-26
Applicant: 郑州轻工业大学
IPC: G06F18/241 , G06F18/214
Abstract: 本发明公开了一种基于混合密度自适应加权协同表示非均衡学习方法及系统，涉及模式识别技术领域，包括：对非均衡数据集进行预处理，获得目标训练集和目标测试集；基于混合密度获取目标训练集中样本权重，通过加权机制生成权重矩阵自适应地为每个样本赋权；根据权重矩阵构建自适应加权协同表示非均衡学习模型；求解建立的自适应加权协同表示非均衡学习模型模型，计算最小重构误差预测样本标签。本发明提供的一种基于混合密度自适应加权协同表示非均衡学习方法及系统，能够在保证高精度的情况下识别少数类样本，加强了CRC对少数类样本的识别能力。
-
Patent Agency Ranking
公开(公告)号：CN113610546A
公开(公告)日：2021-11-05
申请号：CN202110922175.8
申请日：2021-08-12
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于可信双链的食品质量安全溯源系统，包括：链上成员准入模块，用于建立链上成员初始信用度模型和链上成员信用度更新模型；消费者溯源记录查询模块，用于在接收客户端发送的食品标识查询请求后，依据食品标识查询区块链，获取与食品标识对应的各历史溯源记录，将最终查询结果反馈给消费者；上链数据可信性度量评估模块：建立链上成员信用度量模型，建立数据质量模型，对上链数据质量进行度量，建立上链数据可信性度量模型；基于私有链的食品生产过程溯源装置；基于联盟链的食品流通过程溯源装置。根据本发明技术方案，既提高溯源效率，又兼具溯源信息真实可靠和隐私保护性。
-
公开(公告)号：CN118626384A
公开(公告)日：2024-09-10
申请号：CN202410817614.2
申请日：2024-06-24
Applicant: 郑州轻工业大学
IPC: G06F11/36 , G06F18/2135 , G06F18/23 , G06N20/20
Abstract: 本发明公开了基于聚类集成学习的软件缺陷预测方法，涉及软件缺陷预测技术领域。本发明与之前的软件缺陷预测方法相比，解决了现有软件缺陷预测方法需要大量数据进行对比，耗费大量时间及运行成本；只通过单一的聚类方法从特定的角度分析和处理数据，无法全面捕捉数据的特征和模式的问题；结合卡方检验和稀疏主成分分析的特征选择策略来进行特征选择；首先用卡方检验筛选出最具有统计显著性的特征，再使用稀疏主成分分析对这些显著特征进行降维；还基于谱聚类、纽曼聚类、流体聚类和CNM聚类四种方法组成的聚类集成方法进行软件缺陷预测。在性能上取得了显著的改善；为未来工作提供了有益的指导，强调了聚类集成方法在无监督学习中的潜在优势。
-
公开(公告)号：CN117151215B
公开(公告)日：2024-08-06
申请号：CN202311242845.7
申请日：2023-09-25
Applicant: 郑州轻工业大学
IPC: G06N5/02 , G06F18/213 , G16H10/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于知识图谱的冠心病多模态数据特征提取方法，包括以下步骤：A：获取心电图、光电容积脉搏波和心音图的信号实体；B：获取心脏彩超图像的图像实体；C：获取病历文本的文本实体及文本实体属性，并抽取文本实体关系；D：与冠心病患者知识图谱本体结构进行链接形成知识图谱，建立病例关系图网；E：采用随机游走算法和Skip‑Gram模型将病例关系图网中的节点降维表征为统一的节点表示向量；F：采用主成分分析算法，对步骤E中得到的节点表示向量再次降维，最终获取节点的降维特征。本发明能够为冠心病诊断结果的辅助验证提供更为准确的数据基础。
-
公开(公告)号：CN117281524A
公开(公告)日：2023-12-26
申请号：CN202311242846.1
申请日：2023-09-25
Applicant: 郑州轻工业大学
IPC: A61B5/318 , A61B5/372 , A61B5/00 , A61B5/366 , A61B5/355 , A61B5/358 , G16H50/20 , G06F18/25 , G06F18/10 , G06F18/2131 , G06F18/2135 , G06F18/243 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于多特征融合的冠心病智能辅助验证方法和系统，包括以下步骤：A：利用心电信号采集模块获取单导联心电信号；B：利用心电信号预处理模块进行单导联心电信号预处理；C：通过心电信号多特征融合模块，获取每个单导联心电信号的QRS波、ST段和T波的形态特征和关键静态要素特征；再对形态特征和关键静态要素特征分别进行融合，得到融合后的形态特征矩阵和关键静态要素特征矩阵，最后其融合得到融合特征矩阵；D：将融合特征矩阵中的特征，输入冠心病辅助筛查模型输出预测结果。本发明能够有效解决现有基于心电图的冠心病筛查方法特征提取泛化能力差、单一维度特征表达不全面和可解释性弱的问题。
-
公开(公告)号：CN116032490A
公开(公告)日：2023-04-28
申请号：CN202310026725.7
申请日：2023-01-09
Applicant: 郑州轻工业大学
Abstract: 本发明提供了一种基于改进SM2算法的Fabric区块链构建方法，属于区块链加密技术领域，包括：将SM2算法中的签名过程第五步改进为：计算s＝(k‑erdA)mod n，若s＝0，则返回第二步；若s！＝0，则进行第六步；将SM2算法中的验证过程第三步改进为：计算t＝e′r′mod n，若t＝0，则验证不通过；若t！＝0，则进行第四步；在Fabric区块链的加密模块BCCSP上增加改进后的SM2算法，实现基于改进SM2算法的Fabric区块链构建。该方法能够构建算法效率更高的Fabric区块链系统。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
