-
公开(公告)号：CN107122629B
公开(公告)日：2017-12-26
申请号：CN201710255286.1
申请日：2017-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于随机混淆的Android软件协同加固方法，包括如下步骤：a)解压获得classes.dex文件和bin文件；b)对classes.dex文件头header进行随机混淆；c)对源文件中的bin文件进行重命名；d)计算混淆后的classes.dex文件的hash值hash_dex；e)计算加载器loder的hash值hash_loder；f)对重命名后的bin文件进行加密并生成密文ciphertext；g）重新签名，打包生成加固后的APK。通过对dex头文件随机混淆加固以及对bin文件的安全动态加载加固。通过随机混淆的协同加固方法对Android软件进行保护，增强了代码的安全性。有效防止Android软件被恶意篡改或盗版的现象发生。
-
公开(公告)号：CN116468619A
公开(公告)日：2023-07-21
申请号：CN202310184267.X
申请日：2023-03-01
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 一种基于多特征反馈融合的医学影像去噪方法，运用了采用了解码‑编码的网络框架，通过多特征反馈融合网络对图像进行特征提取。特征反馈融合网络由多特征反馈融合模块(MFFM)和并联扩张卷积模块组成。通过并联多个不同扩张率的扩张卷积层在提取浅层特征的同时既增大特征图的感受野，又保证信息不丢失。多特征反馈融合模块(MFFM)可以将进一步提取的深层特征以注意力机制的形式反馈给浅层特征，从而实现深层特征和浅层特征的深度融合。将融合后的特征图池化放大至相同尺寸可以保证输入特征图的shape不变。化特征向量，降低噪声因子的干扰。恢复特征图融合了关键像素特征，强化了特殊而又复杂的模糊边缘，降低了噪声对冠状动脉CTA的影响。
-
公开(公告)号：CN111460956B
公开(公告)日：2021-06-29
申请号：CN202010222769.3
申请日：2020-03-26
Applicant: 山东科技大学 , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于数据增强与损失加权的不平衡心电样本分类方法，通过对数据进行相应的处理实现了数据增强，增强了心拍样本的多样性和代表性，防止过拟合现象的发生；并通过批处理加权损失函数，使每一类心拍样本的权重处于一个动态的非线性变化的过程，得到一个较优的处理心拍类别样本不平衡的方法，分类结果优于现有的最先进的分类方法。可以积极推动便携式心律失常时检测设备的发展。
-
公开(公告)号：CN105748063A
公开(公告)日：2016-07-13
申请号：CN201610259531.1
申请日：2016-04-25
Applicant: 山东大学齐鲁医院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/024 , G06F19/00
CPC classification number: A61B5/0402 , A61B5/024 , A61B5/7264 , A61B5/7267 , G16H50/20
Abstract: 本发明的基于多导联和卷积神经网络的心律失常智能诊断方法，包括：a).选取数据样本；b).标注心律失常类型；c).截取导联的心跳信号；d).得到归一化的心跳集合；e).构建隐层和输出层；f).设定目标函数；g).样本训练；h).心律失常分类的应用。本发明的心律失常智能诊断方法，利用多导联心电图数据训练CNN能够提高网络的学习效率和心律失常自动诊断的精度，实现了使用有心律失常类型标注多导联心电图数据训练CNN的通用框架和具体方法，可准确判断出待诊断心电信号的心律失常类型，可作为确诊结果或供医生参考。
-
公开(公告)号：CN105120200A
公开(公告)日：2015-12-02
申请号：CN201510553799.1
申请日：2015-09-02
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 发明的基于定制light-udp协议的物联网医疗系统的视频通信方法，包括：a).用户认证，每个用户通过向web服务器注册获取具有自身唯一标识的用户ID；b).light-udp通道的建立；c).数据传输，双方通过路由器经Internet网络进行视频流的传送，无需经过web服务器和视频服务器的中转；d).数据校验，双方用户端对接收到的light-udp数据包只进行数据域中前8个字节的校验；e).视频播放。本发明的基于定制light-udp协议的通信方法，通过双方建立的light-udp通道进行数据的收发，保证了视频传输的时效性。同时，只对数据域中的前8个字节进行校验，避免了因少量字节错误而造成整个数据包被丢弃现象的发生，进一步保证了数据的时效性。
-
Patent Agency Ranking
公开(公告)号：CN114780866B
公开(公告)日：2022-11-01
申请号：CN202210376638.X
申请日：2022-04-11
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9536 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 一种基于时空上下文兴趣学习模型的个性化智能推荐方法，使用图神经网络建模用户历史签到行为序列，通过创新图消息传播与聚合的拉普拉斯范数，融合兴趣点之间的交互关联性及空间关联性来获取兴趣点的高阶特征表示。同时编码日模式创新性的获取到了用户的长期兴趣，并使用长短期记忆网络捕获用户短期行为模式作为短期兴趣，通过层间注意力获取长短期兴趣。在此基础上进行候选兴趣点的概率计算作为推荐依据。通过图卷积的方式提高了兴趣点的特征提取效果，充分利用时空上下文挖掘用户的兴趣，以此进行推荐提高准确率，解决用户的出行需求。
-
公开(公告)号：CN113434756B
公开(公告)日：2022-05-27
申请号：CN202110683196.9
申请日：2021-06-18
Applicant: 山东省人工智能研究院 , 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/9535 , G06F16/9536
Abstract: 一种基于图双向聚合网络链接预测模型的个性化评论推荐方法，在用户‑评论二部图中，聚合评论特征至用户特征。再结合社交网络，融合用户邻居特征得到用户的嵌入表示。然后将用户嵌入表示去除用户原始特征后聚合到评论中，通过对比评论聚合前后的差值来调整用户的嵌入表示。在此基础上，结合转发网络，通过边两端用户节点特征的内积计算边的得分，最后根据分数的高低进行推荐。通过推荐系统协助用户进行筛选，将评论的推荐任务转化为小范围内用户之间的链接预测任务。并提供能够处理异类型数据的特征提取方法，使得最终结果更具可表示性。
-
公开(公告)号：CN113434756A
公开(公告)日：2021-09-24
申请号：CN202110683196.9
申请日：2021-06-18
Applicant: 山东省人工智能研究院 , 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/9535 , G06F16/9536
Abstract: 一种基于图双向聚合网络链接预测模型的个性化评论推荐方法，在用户‑评论二部图中，聚合评论特征至用户特征。再结合社交网络，融合用户邻居特征得到用户的嵌入表示。然后将用户嵌入表示去除用户原始特征后聚合到评论中，通过对比评论聚合前后的差值来调整用户的嵌入表示。在此基础上，结合转发网络，通过边两端用户节点特征的内积计算边的得分，最后根据分数的高低进行推荐。通过推荐系统协助用户进行无视，将评论的推荐任务转化为小范围内用户之间的链接预测任务。并提供能够处理异类型数据的特征提取方法，使得最终结果更具可表示性。
-
公开(公告)号：CN111835360A
公开(公告)日：2020-10-27
申请号：CN202010677703.3
申请日：2020-07-14
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: H03M7/30
Abstract: 一种基于基追踪去噪的稀疏信号重构方法，通过压缩感知的重构性能对噪声非常敏感，即噪声的引入会大大降低压缩感知的重构性能，通过基追踪降噪，实现了心电信号噪声的滤除和信号的重构。通过数值最优化算法准确重构出原始信号，得到了原有的波峰波谷信息，利用了心电信号的稀疏性特点重构了原有的心电信号，并有效的去除了噪声，保证了心电信号的真实性。
-
公开(公告)号：CN110840445A
公开(公告)日：2020-02-28
申请号：CN201911279110.5
申请日：2019-12-12
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/00
Abstract: 一种动态心电信号的自动降噪方法，通过生成器输入有噪声的心电信号，通过不断的训练学习后产生干净的无噪声的心电信号，并自定义了损失函数，判别器对生成最后输出的干净信号和原始干净的心电信号进行判别，如果信号一致则输出为真，否则输出假。最后通过不断的学习实现动态心电信号降噪的目的。可以从混有噪声的动态心电信号当中过滤噪声，获得干净的原始心电信号。通过建立动态心电信号噪声模型,实现了如何有效地去除动态心电数据存在的各种复杂噪声，保留信号中的有效成分，提高心电信号的质量。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.04 seconds)
