-
公开(公告)号：CN109529348B
公开(公告)日：2022-10-21
申请号：CN201811426850.2
申请日：2018-11-27
Applicant: 山东工商学院
IPC: A63F13/60
Abstract: 本发明涉及五子棋技术领域，公开了一种采用unity引擎构建三维五子棋棋盘模型的方法，包括以下步骤：S1、在三维空间中x轴、y轴和z轴三个方向的每个方向均设置多根线段，交叉组合构成棋盘，线段之间的交叉点为棋子的落子位置；S2、构建的坐标轴，在屏幕左上角展示出目前选取的落子位置的坐标；S3、在x轴和y轴上放置多个光源，多个光源两两相对；S4、观察操作；S5、落子操作，这种采用unity引擎构建三维五子棋棋盘模型的方法，使三维立体五子棋棋盘具有可视性，落子操作精准、方便快捷。
-
公开(公告)号：CN113516296A
公开(公告)日：2021-10-19
申请号：CN202110578986.0
申请日：2021-05-26
Applicant: 山东工商学院
Abstract: 本发明公开了一种基于动态多视角个性化相似度测度的股票预测方法，包括：获取待预测股票序列，采用待预测股票序列与历史股票序列对应元素间的兰氏距离，构造动态时间归整距离矩阵，根据动态时间归整距离矩阵的约束条件，从动态时间归整距离矩阵中找出有效弯曲路径，将有效弯曲路径中的最小累积距离对应的路径作为最优弯曲路径，并将最小累积距离作为待预测序列与历史股票序列之间最优距离，将待预测序列与多个不同历史股票序列的最优距离进行升序排序，并从历史股票序列中挑选出前m个最优距离对应的m条相似股票序列，根据m条相似股票序列的走势，对待预测股票序列的走势进行预测，该方法反映时间特性，解决时间错位及漂移问题，消除奇异点影响。
-
公开(公告)号：CN110473202A
公开(公告)日：2019-11-19
申请号：CN201910528161.0
申请日：2019-06-18
Applicant: 山东工商学院
Abstract: 本发明公开了一种高阶动态功能连接网络的时序不变特征提取方法，主要步骤为：(1)对于给定的滑动窗窗宽和步长，将整个磁共振序列分割为多个子序列；(2)计算每个子序列内的各个脑区之间相关性，得到动态功能连接网络，进而计算任意两个脑区的动态功能连接序列的中心矩特征；(3)对于动态功能连接网络的每一个子序列，将每个脑区与其他脑区的连接序列视为一个一维随机序列，计算任意一对脑区的相关性，进而构建了一个高阶动态功能连接网络并获取它的中心矩特征。本发明利用中心矩特征作为动态功能连接网络及高阶动态功能连接网络的时序不变特征，能够捕获脑功能连接的深层次关联关系，为后续的医学图像处理提供了稳定特征。
-
-
公开(公告)号：CN119540661A
公开(公告)日：2025-02-28
申请号：CN202510095857.4
申请日：2025-01-22
Applicant: 山东工商学院
IPC: G06V10/764 , G06V10/762 , G06V10/74 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机辅助诊断技术领域，具体涉及基于Mamba的动态脑网络特征学习方法，步骤包括：进行数据处理，包括数据收集、数据预处理、动态功能网络序列构建和状态转换序列的构建；将处理后的数据作为样本数据，进行样本增强；构建包含线性嵌入层、Mamba层、线性映射层一、激活函数和损失函数的Mamba模型，作为分类模型；利用状态转换序列对Mamba模型进行训练，优化Mamba模型的超参数；基于训练后的Mamba模型，对增强后的样本数据进行预测，通过Mamba模型输出的标签来确定样本数据的分类结果。本发明能够高效捕捉动态脑网络状态转移序列中隐藏的联系，实现对每个脑网络序列的高精度分类。
-
Patent Agency Ranking
公开(公告)号：CN118427579B
公开(公告)日：2024-09-06
申请号：CN202410895302.3
申请日：2024-07-05
Applicant: 山东工商学院 , 浙江杜比医疗科技有限公司 , 西安电子科技大学杭州研究院
IPC: G06F18/21 , G06F18/213 , G06F18/25 , G06F18/10 , G16H50/20 , G06N3/044 , G06N3/042 , G06N3/08 , G06F18/24
Abstract: 本发明属于语义分析技术领域，具体涉及一种面向多模态神经信号的上下文语义协同建模方法，步骤包括对多模态神经信号进行预处理，计算不同模态的神经信号的脑区特征值，获取处理后的多模态神经信号脑区特征值；对于获取的每个独立被试处理后的多模态神经信号脑区特征值，构建脑区级上下文语义注意力模型，衡量不同模态的神经信号及不同脑区在全脑工作中的语义表达信息；建立基于GCN改进的注意力机制模型，并在其中加入多头注意力模型，进行全脑语义提取。本发明可以在小样本条件下构建对多模态神经信号进行准确表达的模型，具有较强的识别能力和泛化效果，能够更好的应用于精神疾病的辅助诊断。
-
公开(公告)号：CN114648067A
公开(公告)日：2022-06-21
申请号：CN202210281624.X
申请日：2022-03-22
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于多元高斯分布的高低阶脑功能连接特征同步提取方法，包括如下步骤：为功能磁共振信号序列划分子集；基于多元高斯分布的子集内低阶特征、高阶特征提取，并利用克罗克达积对所述高阶特征进行降维；基于多元高斯分布的子集间低阶统计特征、高阶统计特征提取；将子集内所述低阶特征、高阶特征及子集间所述低阶统计特征、高阶统计特征融合；分类器训练。本发明的有益效果是：在统一的数学框架下，同步获取低阶和高阶特征，提出分层的方法解决了因子集划分丢失的特征。
-
公开(公告)号：CN112991395A
公开(公告)日：2021-06-18
申请号：CN202110462758.7
申请日：2021-04-28
Applicant: 山东工商学院
Abstract: 本发明揭示了一种基于前景条件概率优化尺度和角度的视觉跟踪方法，属于计算机视觉领域。实现步骤如下：1)读取视频帧序列，利用SiamMask方法计算该帧回归框、分割掩码(前景)以及最小外接框；2)计算最小外接框内前景区域所占的比例；3)当比例小于设定阈值时，计算该帧最小外接框的可靠性；4)根据可靠性的大小选择不同策略优化最小外接框尺度；5)针对尺度优化后的跟踪框的角度进行偏移设置；6)计算各偏移角度旋转框与前景的IoU值；7)跟踪器自适应输出与前景IoU值最大的旋转框。所述视觉跟踪方法，在目标发生运动、旋转、尺度变化等复杂条件下有效提高了目标跟踪的整体性能。
-
公开(公告)号：CN111695479A
公开(公告)日：2020-09-22
申请号：CN202010500755.3
申请日：2020-06-04
Applicant: 山东工商学院
Abstract: 本发明涉及一种基于图像减影技术的跌倒预警方法，属于跌倒预警技术领域，以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围，通过减影技术对跌倒进行了实时快速的预警，避免了基于人工观察视频的种种不便、降低了对检测平台的计算力需求，并且在跌倒提示方面明确清晰，对跌倒的及时救助有着重要意义，在保证检测质量的情况下提升了检测效率，降低了对监测平台的配置需求。无需额外佩戴相应设备，降低了使用成本，对被检测者也更为舒适。
-
公开(公告)号：CN111311024A
公开(公告)日：2020-06-19
申请号：CN202010186373.8
申请日：2020-03-17
Applicant: 山东工商学院
Abstract: 本发明涉及股票分析技术领域，公开了一种自适应的异同滑动平均线股票趋势预测方法，包括以下步骤：S1、数据划分；S2、构造聚类标准；S3、聚类；S4、确定不同的参数；通过神经网络对已经聚类的波形图分类进行训练学习，再为每个类别确定不同的参数；S5、构建自适应异同滑动平均线；为每类数据建立一个MACD模型，将所有的MACD模型组合起来，构建成最终的自适应的异同滑动平均线；S6、利用自适应异同滑动平均线进行股票预测，这种自适应的异同滑动平均线股票趋势预测方法，对不同类别的股票确定的不同的参数，使得构建出的动态的MACD指标具有较强的适用性，提高预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.128 seconds)
