-
公开(公告)号：CN103347087B
公开(公告)日：2016-12-28
申请号：CN201310296180.8
申请日：2013-07-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种结构化P2P和UDDI的服务注册与查找方法和系统，所述方法包括：利用结构化P2P协议，把多个UDDI系统组成P2P覆盖网；服务请求者通过客户端管理系统将用户请求消息发送到P2P覆盖网的某个节点上，该节点查找对应的UDDI节点，该节点根据消息类型决定进行注册或者查找的处理，并返回结果给服务的请求者；客户端管理系统向服务注册中心进行服务注册和服务查找；服务注册或者服务查找的结果由 Socket通信模块直接返回给客户端管理系统。应用本方法构成的系统能够有效地避免单点失效问题，有利于网络的负载均衡，减少P2P覆盖网的流量、压力，具有响应速度快和更好的稳定性。
-
公开(公告)号：CN104089911B
公开(公告)日：2016-05-25
申请号：CN201410299422.3
申请日：2014-06-27
Applicant: 桂林电子科技大学
IPC: G01N21/31 , G01N21/359
Abstract: 本发明为基于一元线性回归的光谱模型传递方法，主要步骤Ⅰ对M台光谱仪器的样品光谱进行相同预处理；Ⅱ根据样品的m种成分将光谱数据分为m个校正集和预测集，分别在M台仪器上建立m个校正模型；Ⅲ校正模型评价；Ⅳ将预测效果最好的仪器作为主仪器，其它为从仪器；Ⅴ选取主仪器校正集中针对各从仪器的最佳样品，按其序号确定各从仪器转换集样品，用一元线性回归求回归系数，校正从仪器光谱，然后代入主仪器校正模型得样品成分含量结果。本方法有效消除不同光谱仪器的差异，实现主仪器上建立的校正模型能够在多台从仪器上共享，减少了分析测试工作量，节约模型建立的成本；且所求参数少、模型简单，预测准确度更高。
-
公开(公告)号：CN113959974B
公开(公告)日：2024-06-07
申请号：CN202111138492.7
申请日：2021-09-27
Applicant: 桂林电子科技大学
IPC: G01N21/359
Abstract: 一种普适性近红外光谱模型的传递方法，搭建的1D‑MSRCNN，在普通一维卷积神经网络的基础上，加入构以二维图像的inception‑resnet结构为基础，1D‑inception‑resnet网络层；显著提升模型对近红外光谱的特征提取能力，并能够有效避免数据过拟合，达到更好的预测结果。且引入迁移学习方法，将在已有的厂商仪器采集的近红外光谱上建立的卷积网络模型迁移到其他厂商仪器采集的光谱，并在全连接层中加入多核MMD核函数，利用多核MMD核函数度量迁移前和迁移后数据间的差异，通过减少域差异来增强1D‑MSRCNN的具体任务层的特征迁移性。解决采集近红外光谱的仪器存在台间差异，在一台仪器上建立的模型，无法在另外的厂商仪器中应用问题，实现模型跨不同厂商的不同型号仪器的应用。
-
公开(公告)号：CN114973244B
公开(公告)日：2023-04-11
申请号：CN202210659966.0
申请日：2022-06-12
Applicant: 桂林电子科技大学
IPC: G06V20/69 , G06V10/764 , G06V10/80 , G06T7/00
Abstract: 本发明公开了一种乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，属于数字图像处理技术技术领域，包括：输入图像预处理模块：对原始图片进行按照预定的patch尺寸切割，并通过图片翻转、旋转等方式进行数据增强；分割模块：通过在训练集中裁剪patches训练一个分割网络，将测试集数据按相应尺寸切割并送入分割网络，得到patch级的分割结果，然后将分割后结果按照其在预处理阶段截取的patch坐标信息来重建出属于原始尺寸的图像。该乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，对于准确地分割和分类乳腺癌有丝分裂的细胞，特别是样本细胞数量稀少，特征复杂的，具有重要意义。
-
公开(公告)号：CN113421067A
公开(公告)日：2021-09-21
申请号：CN202110806911.3
申请日：2021-07-16
Applicant: 桂林电子科技大学
Abstract: 本发明涉及共享自行车管理领域，具体涉及一种共享自行车品牌识别与数量管理方法及系统。所述方法包括：获取待测共享自行车的图像数据和位置数据；使用图像检测识别算法对待测共享自行车的图像数据进行检测识别，得到待测共享自行车的品牌信息和数量信息；所述图像检测识别算法是经过共享自行车样本图像集训练的目标检测模型，所述共享自行车样本图像集中的样本图像已标注其对应的共享自行车品牌；存储待测共享自行车的位置信息、品牌信息和数量信息并基于这些信息对共享自行车进行管理。本发明提供了集数据采集、图像检测、数据存储及应用于一体的系统，能够准确检测共享自行车的品牌、数量和位置，并实现共享自行车的精准管理。
-
Patent Agency Ranking
公开(公告)号：CN112785525A
公开(公告)日：2021-05-11
申请号：CN202110106827.0
申请日：2021-01-26
Applicant: 桂林电子科技大学
Abstract: 本发明属于刀具刃口图像处理领域，具体是指一种基于深度学习去除刀具刃口图像中的附着物的方法及系统，包括采集含附着物和擦拭干净的刀具刃口图像并生成数据集，其特征为，还包括以下步骤，步骤一，采用卷积和激活函数对输入的含附着物图片的浅层特征提取和通道提升；步骤二，采用长短期记忆网络提取附着物递归去除过程中的时序信息；步骤三，对输入的含附着物图片的引入自注意力模块进行深层特征提取；步骤四，通过的卷积，整合通道的特征，输出图像。该方法降低了90%参数量和计算量，符合工业现场的速度需求；提高了特征图通道中的附着物定位能力，使附着物与刀具边缘的衔接部分更平滑，去除效果显著，提升了刀具豁口检测系统精度。
-
公开(公告)号：CN107609351A
公开(公告)日：2018-01-19
申请号：CN201710989588.1
申请日：2017-10-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络预测假尿苷修饰位点的方法，其特征是，包括如下步骤：1）数据集整理及转换；2）模型构建和训练卷积神经网络模型；3）对待预测序列截取和编码；4）特征提取和预测。这种方法能提高假尿苷位点预测的准确率，使假尿苷位点预测更好的推广于应用。
-
公开(公告)号：CN103347087A
公开(公告)日：2013-10-09
申请号：CN201310296180.8
申请日：2013-07-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种结构化P2P和UDDI的服务注册与查找方法和系统，所述方法包括：利用结构化P2P协议，把多个UDDI系统组成P2P覆盖网；服务请求者通过客户端管理系统将用户请求消息发送到P2P覆盖网的某个节点上，该节点查找对应的UDDI节点，该节点根据消息类型决定进行注册或者查找的处理，并返回结果给服务的请求者；客户端管理系统向服务注册中心进行服务注册和服务查找；服务注册或者服务查找的结果由Socket通信模块直接返回给客户端管理系统。应用本方法构成的系统能够有效地避免单点失效问题，有利于网络的负载均衡，减少P2P覆盖网的流量、压力，具有响应速度快和更好的稳定性。
-
公开(公告)号：CN117746201A
公开(公告)日：2024-03-22
申请号：CN202311850353.6
申请日：2023-12-29
Applicant: 桂林电子科技大学
IPC: G06V10/80 , G06V10/766 , G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于交叉Transformer和MLIF的多模态融合生存预后方法，所述方法包括以下步骤：获取影像和病理切片数据集；对数据集进行预处理并标注感兴趣区域；对其进行手工特征提取；划分训练集和测试集；将所述影像组学特征和病理特征输入至预设的多模态融合模块进行二阶段的训练；其中，第一阶段的训练是采用交叉Transformer增强不同特征间的交互，利用多模态低秩交互融合模块(MLIF)将不同特征进行全面高效整合，生成多模态融合特征；第二阶段的训练是根据多模态融合特征，训练一个用于生存预后的回归网络，该网络的预测结果为最终结果。本发明通过端到端整合多模态数据揭示了不同模态数据之间的关联和互补性，提高了患者的治疗效果和生存率。
-
公开(公告)号：CN117594225A
公开(公告)日：2024-02-23
申请号：CN202311651602.9
申请日：2023-12-05
Applicant: 桂林电子科技大学
IPC: G16H50/20 , G16B20/00 , G16B40/20 , G06T7/11 , G06F18/25 , G06N3/0499 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于病理和基因的多模态融合生存预后方法及装置，方法包括：对病理组织学图像和基因数据进行预处理，获得病理切片和基因数据集；构建多模态融合模型，然后训练模型：利用病理预后模块提取病理切片的病理深度学习特征，然后进行生成预后；利用利用基因预后模块提取基因数据的基因组学特征，然后进行生成预后；利用多模态低秩交互融合模块将病理深度学习特征和基因组学特征多模态融合，生成多模态融合特征；利用多模态融合特征对患者进行生存预后分析，然后经过迭代计算损失后，获取预后预测结果。本发明，全面地将多模态数据进行整合，增强了特征融合模型的鲁棒性，提高了病患生存预后的准确性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.034 seconds)
