-
公开(公告)号：CN106599117A
公开(公告)日：2017-04-26
申请号：CN201611087353.5
申请日：2016-12-01
Applicant: 安徽农业大学
IPC: G06F17/30
Abstract: 一种茶学领域虚拟本体建模方法，基于云计算的MapReduce框架的，包括若干个Map任务和一个Reduce任务。其中，Map任务主要开展茶学领域本体模块的虚拟抽取，Map任务的个数由所涉及到茶学领域本体的个数确定。Reduce任务主要是对虚拟抽取后的茶学领域本体模块进行映射，最终生成茶学领域虚拟本体。为了更好的发挥MapReduce的效率，方法中所涉及的茶学虚拟本体知识均储存在HBase数据库中。本方法能实现云计算环境下多个茶学本体知识的按需获取，有效提高茶学本体知识的共享和复用效率。
-
公开(公告)号：CN106570566A
公开(公告)日：2017-04-19
申请号：CN201610972344.8
申请日：2016-10-28
Applicant: 安徽农业大学
Abstract: 本发明将本体引入茶树虫害知识表示和共享模型，提出一种基于本体的茶树虫害知识表示与共享方法，首先通过需求分析获取领域知识，然后利用本体技术及OWL语言解决领域知识有效表达地问题，最后基于ProtégéAPI接口提供领域知识的复用和共享。该方法实现了茶树虫害领域知识规范的形式化的表达，提高了茶树虫害领域知识共享重用效率，为茶树虫害防治、茶农生产决策等提供更有成效的知识服务平台，对于茶业生产质量的提高、茶产业信息化的发展具有一定的促进作用。
-
公开(公告)号：CN119905141A
公开(公告)日：2025-04-29
申请号：CN202510406936.2
申请日：2025-04-02
Applicant: 安徽农业大学
IPC: G16B20/00 , G16B40/00 , G06N3/0455 , G16H50/70
Abstract: 本发明适用于lncRNA与疾病关联预测领域，具体提供了一种基于KAN网络的lncRNA‑疾病关联预测方法，包括以下步骤：融合lncRNA‑disease关联网络信息、lncRNA和疾病的多种相似性信息构建综合的异构网络；构建基于多头注意力机制的Transformer特征提取器，用于捕获来自lncRNA和disease节点的全局序列化特征；构建基于异构图网络的GraphSAGE特征提取器，用于捕获lncRNA和disease节点的拓扑结构特征；融合全局序列化特征和拓扑结构特征得到综合的lncRNA‑disease关联对特征信息；构建一个用于预测lncRNA和疾病之间关联分数的KAN网络。该方法结合Transformer提取全局序列特征、GraphSAGE挖掘异构网络拓扑信息，并通过KAN网络建模非线性关系，充分挖掘了lncRNA和疾病的多层次信息，提高了lncRNA和疾病之间关联预测的精准性。
-
公开(公告)号：CN119415934A
公开(公告)日：2025-02-11
申请号：CN202510028071.0
申请日：2025-01-08
Applicant: 安徽农业大学
IPC: G06F18/213 , G06N3/006 , G06N3/0475 , G06N3/094 , G06F18/10 , G06F18/22 , G01N21/359
Abstract: 本发明适用于近红外光谱建模分析领域，提供了一种近红外光谱建模的特征模式生成与协同优化方法，包括：获取样本近红外光谱数据并进行预处理操作，利用转换方法将一维近红外光谱数据转换为二维结构数据；在已有的二维结构数据的基础上，利用生成技术生成更多的二维结构数据；针对不同的特征模式，利用不同的神经网络进行深度特征的提取，并利用交叉自适应注意力机制与特征协同构建方法构建最佳最小特征模式集；根据最佳最小特征模式集搭建模型，使用协同优化损失函数对模型进行优化，最终实现对近红外光谱数据的高效建模和准确分析。本发明显著提高了近红外光谱建模在物质成分含量分析中的精确度。
-
公开(公告)号：CN119338805A
公开(公告)日：2025-01-21
申请号：CN202411865597.6
申请日：2024-12-18
Applicant: 安徽农业大学
IPC: G06T7/00 , G01N21/88 , G01N21/892 , G01N21/25 , G06V20/68 , G06V20/40 , G06V10/40 , G06V10/52 , G06V10/77 , G06V10/82 , G06V10/94 , G06V10/96 , G06N3/0464 , G06N3/0495 , G06N3/092 , G06N3/096 , G06N3/006 , G06F9/50
Abstract: 本发明属于果实病害检测分析领域，具体提供了面向果实病害检测的多源教师蒸馏及熵减分布平台系统，包括以下模块：集成设备模块利用集成式设备采集目标果实的影像数据；数据处理模块对所述高光谱图像和视频分别进行智能光谱信息增强处理；模型部署模块将针对高光谱图像数据的模型蒸馏得到可部署边缘端的模型；病害检测模块通过总控协调不同数据类型的边缘端拆分教师模型，得到由多个边缘端拆分得到的子模型，利用子模型对传送带上的果实进行病害质量检测任务。本发明通过集成式设备采集果实的高光谱图像和视频，并发送到各个边缘设备进行预处理，再通过总控协调不同数据类型的边缘端进行蒸馏模型的拆分，并将其量化部署在边缘设备上实行检测。
-
Patent Agency Ranking
公开(公告)号：CN118522444B
公开(公告)日：2024-12-06
申请号：CN202410979917.4
申请日：2024-07-22
Applicant: 安徽农业大学
IPC: G16H50/20 , G16H50/70 , G16B40/00 , G16B30/00 , G16B50/30 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明属于计算机辅助疾病诊断领域，具体是基于多模态协同表示学习的piRNA‑疾病关联的识别方法，该方法通过融合piRNA‑disease关联信息以及piRNA和疾病的多源相似性信息构建综合的异构网络；将异构网络表示学习模块、关联网络表示学习模块和多视图表示学习模块的特征进行融合，构建一个集成多模态的piRNA‑disease关联对特征表示，基于全连接神经网络来预测piRNA与疾病之间的关联置信度。本发明充分挖掘了来自piRNA和疾病的五种多源相似性信息；从不同视角引入了三种协同表示学习模块，通过各模块之间的相互作用与补充，使得MCRL‑PDA能够更加精确的捕获piRNA与疾病之间的复杂关系。本发明多源相似性融合和多模块表示学习的方法可以有效提高MCRL‑PDA识别不同实体间复杂关系的能力。
-
公开(公告)号：CN118522444A
公开(公告)日：2024-08-20
申请号：CN202410979917.4
申请日：2024-07-22
Applicant: 安徽农业大学
IPC: G16H50/20 , G16H50/70 , G16B40/00 , G16B30/00 , G16B50/30 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明属于计算机辅助疾病诊断领域，具体是基于多模态协同表示学习的piRNA‑疾病关联的识别方法，该方法通过融合piRNA‑disease关联信息以及piRNA和疾病的多源相似性信息构建综合的异构网络；将异构网络表示学习模块、关联网络表示学习模块和多视图表示学习模块的特征进行融合，构建一个集成多模态的piRNA‑disease关联对特征表示，基于全连接神经网络来预测piRNA与疾病之间的关联置信度。本发明充分挖掘了来自piRNA和疾病的五种多源相似性信息；从不同视角引入了三种协同表示学习模块，通过各模块之间的相互作用与补充，使得MCRL‑PDA能够更加精确的捕获piRNA与疾病之间的复杂关系。本发明多源相似性融合和多模块表示学习的方法可以有效提高MCRL‑PDA识别不同实体间复杂关系的能力。
-
公开(公告)号：CN117975172B
公开(公告)日：2024-07-09
申请号：CN202410373070.5
申请日：2024-03-29
Applicant: 安徽农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/096 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种整株豆荚识别模型构建与训练方法及系统，属于智能检测技术领域。包括单个豆荚提取与类别匹配、虚拟离体和整株豆荚数据集生成和豆荚识别模型构建与训练。标注获得离体和整株豆荚图像数据集，从离体豆荚训练集中提取单个豆荚并利用其生成虚拟离体和整株豆荚数据集，搭建豆荚识别模型，并使用多阶段迁移学习方法采用虚拟和真实豆荚数据集通过从离体到整株豆荚数据的训练来获得整株豆荚识别模型。本发明较于现有技术，优点在于：生成的虚拟数据集能够丰富豆荚特征，显著减少豆荚标注工作量，并避免重叠遮挡场景下豆荚标注困难等问题；提出的整株豆荚识别模型具有较强的特征提取能力，提升了复杂场景下豆荚识别精度。
-
公开(公告)号：CN117975172A
公开(公告)日：2024-05-03
申请号：CN202410373070.5
申请日：2024-03-29
Applicant: 安徽农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/096 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种整株豆荚识别模型构建与训练方法及系统，属于智能检测技术领域。包括单个豆荚提取与类别匹配、虚拟离体和整株豆荚数据集生成和豆荚识别模型构建与训练。标注获得离体和整株豆荚图像数据集，从离体豆荚训练集中提取单个豆荚并利用其生成虚拟离体和整株豆荚数据集，搭建豆荚识别模型，并使用多阶段迁移学习方法采用虚拟和真实豆荚数据集通过从离体到整株豆荚数据的训练来获得整株豆荚识别模型。本发明较于现有技术，优点在于：生成的虚拟数据集能够丰富豆荚特征，显著减少豆荚标注工作量，并避免重叠遮挡场景下豆荚标注困难等问题；提出的整株豆荚识别模型具有较强的特征提取能力，提升了复杂场景下豆荚识别精度。
-
公开(公告)号：CN106372099B
公开(公告)日：2020-06-16
申请号：CN201610534240.9
申请日：2016-07-07
Applicant: 安徽农业大学
IPC: G06F16/28
Abstract: 本发明公开了一种农业领域本体有效性评估方法，结合查全率R、查准率P和F1指数对农业领域本体概念进行评估，结合概念间的语义相似度对农业领域本体概念间分类关系的一致性、准确性、简洁性进行评估，根据评估指标对农业领域本体概念间对象属性关系进行评估。如此，重点解决了农业领域本体有效性评估中存在的三个重要问题——本体概念的有效性评估、本体分类关系的有效性评估和本体非分类关系的有效性评估。本发明提出的农业领域本体有效性评估方法体系以农业领域本体为研究对象，可有效地评估农业领域本体的质量，提升农业本体构建效率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.023 seconds)
