-
公开(公告)号：CN119400436A
公开(公告)日：2025-02-07
申请号：CN202411063243.X
申请日：2024-08-05
Applicant: 辽宁大学
IPC: G16H50/70
Abstract: 一种基于穴位‑疾病网络的关键穴位节点挖掘方法，属于信息系统与实证医学交叉领域。包括基于临床针灸处方建立一个有权无向的穴位‑疾病网络，基于穴位‑疾病网络提出一个高特异性的关键节点挖掘方法，结合中医取穴原则，本发明以经络分布特性为基础将局部区域对网络的贡献进行了平衡，并根据关键节点的评价指标选出对全局拓扑有高影响力的关键穴位。本发明利用信息系统领域复杂网络理论对人体各区域经络的关键穴位进行定位和挖掘，从新视角定位等对人体多类常见疾病具有显著影响的关键穴位，明确人体各局部经络中的其它关键穴位，辅助实证医学研究人员在资源约束下找到针对特定疾病的最佳处方用穴。
-
公开(公告)号：CN118885855A
公开(公告)日：2024-11-01
申请号：CN202411063242.5
申请日：2024-08-05
Applicant: 辽宁大学
Abstract: 一种基于多模态可穿戴传感器的体域认知任务决策方法，属于体域网智能信息系统领域。通过在数据融合范式中引入域适应技术，构建体域网跨域信息融合集成的迁移融合框架，设计面向迁移融合框架的基于动态域评估的域适应算法，通过定义和表征泛化体域认知任务的跨域问题模型，引入多类别迁移约束，学习目标域适应矩阵用于最小化迁移成分在学习的潜在子空间中的分布差异。为基于动态域评估的域适应算法引入定量评估领域知识权重的解决方案，包括从分布评估到域评估的综合权重计算方法。通过调整域适应与融合算法的关联性解决体域网多域偏移问题，使整个迁移融合框架适配不同体域认知任务的多模态数据分析过程，提高多模体域认知任务的分析性能。
-
公开(公告)号：CN118982534A
公开(公告)日：2024-11-19
申请号：CN202411199118.1
申请日：2024-08-29
Applicant: 辽宁大学
IPC: G06T7/00 , G06V10/764 , G06V10/54 , G06V10/74 , G06V10/46
Abstract: 一种针对粗糙金属铸造表面缺陷检测的多层图结构网络化构造方法，首先对铸造面粗糙纹理图像进行分析，并选择局部灰度特征点作为图结构网络节点的选择依据；其次以局部灰度极大值点与极小值点的连接线段为基准，选择两个端点及其路径分别作为多层网络的属性层；然后以节点间距及节点强度作为相似性指标进行节点的连接；最后建立多层图结构网络模型用来节点分类从而实现铸造表面纹理的分类。该方法着重于建立粗糙纹理图像的多个图网络，并通过不同拓扑网络提取纹理基元的相似性，以分离出不同的纹理区域。该方法在实际工业数据集上是有效的，该方法为图结构网络在新领域的发展提供了有价值的应用模式，为金属铸造纹理分析提供了新的研究思路。
-
Patent Agency Ranking
公开(公告)号：CN118138248A
公开(公告)日：2024-06-04
申请号：CN202410272657.7
申请日：2024-03-11
Applicant: 辽宁大学
Abstract: 一种基于时间戳和序列号的OPC UA与MQTT一体化安全高效通信系统及方法，包括OPC UA服务器、MQTT代理模块、时间戳模块、序列号模块、数据映射管理模块、实时数据传输模块和MAC消息调用码模块。本发明使用标准的日期时间数据类型和ISO 8601时间表示格式为数据点添加时间戳；采用整数类型属性或字符串类型字段为数据点添加唯一序列号；数据映射管理模块将MQTT数据映射到OPC UA节点，并添加时间戳和序列号属性；通过MQTT代理将设备数据转发给OPC UA服务器，并为每个数据点添加时间戳和序列号；使用Poly1305算法生成和验证MAC消息调用码，确保数据的安全性和完整性。发明提供了安全高效的通信解决方案，适用于物联网和工业自动化等应用。
-
公开(公告)号：CN118982813A
公开(公告)日：2024-11-19
申请号：CN202411199116.2
申请日：2024-08-29
Applicant: 辽宁大学
IPC: G06V20/58 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0495 , G06N3/048 , G06N3/0442
Abstract: 一种3D卷积和注意力机制的地面移动机器人可通行区域识别方法，该方法利用3D卷积和注意力机制，处理通过激光雷达扫描得到的三维点云信息。首先，将获取的点云数据体素化处理，然后通过优化的稀疏鸟瞰图网络以识别体素化点云。在三维稀疏卷积的子流形卷积层和稀疏卷积层之间引入残差模块，并在点云特征提取的末端加入注意力机制模块。本发明方法能够获取更准确的机器人可通行区域，具有高准确性和可靠性，适用于复杂、不均匀且粗糙的危险环境，如搜索、救援和拆弹等任务。通过三维激光雷达点云信息的稀疏鸟瞰图网络中有用信息的特征提取，生成的可通行区域地图与鸟瞰图网络相比，能够获得更优的识别效果，为地面移动机器人提供精确的导航信息。
-
公开(公告)号：CN118981251A
公开(公告)日：2024-11-19
申请号：CN202411063239.3
申请日：2024-08-05
Applicant: 辽宁大学
Abstract: 一种面向可穿戴传感模块的可靠数据采集方法，属于体域网智能信息领域。其目的为实现在同一可穿戴感知模块中，利用多个同构传感器实现无监督自适应数据融合，提高可穿戴数据采集鲁棒性，抑制异常数据干扰以及解决数据冲突。包括：有效感知模块的融合起点校准，即对同一传感模块中的多个同构传感源进行融合数据起点校准；基于裁判序列信任度的权重计算，即在同一传感模块中的多个同构传感源中随机选择裁判序列，自适应计算竞争序列信任权重；基于信任权重的加权融合，即对于同一传感模块中的多个同构传感源，在确定裁判序列后，基于步骤二计算的裁判序列信任权重对模块内其它时序数据进行加权融合。
-
公开(公告)号：CN117221232A
公开(公告)日：2023-12-12
申请号：CN202311221264.5
申请日：2023-09-21
Applicant: 辽宁大学
IPC: H04L47/125 , H04L41/147
Abstract: 本发明公开一种基于WT‑IPSO‑LSTM模型的网络流量预测方法，首先将网络流量时间序列数据进行小波变换，然后建立LSTM模型，并利用改进粒子群算法优化LSTM模型超参数，得到WT‑IPSO‑LSTM预测模型，最终利用该模型对网络流量数据进行预测。本发明预测方法克服了传统方法预测过程中精度不高的问题，且利用小波变换对网络流量数据进行特征提取，利用改进粒子群算法对LSTM的超参数进行优化，避免模型陷入局部最优解的问题，提高了预测收敛速度，最终实现了对网络流量数据的高精度预测。
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
