-
公开(公告)号：CN117932221A
公开(公告)日：2024-04-26
申请号：CN202410047121.5
申请日：2024-01-11
Applicant: 郑州大学
IPC: G06F18/10 , G06F18/214 , G06F18/24 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于自监督降噪的时序异常检测方法。该方法包括：步骤1：获取待测时序信号，根据待测时序信号生成噪声信号并将生成的噪声信号添加到待测时序信号上，得到对应的含噪时序信号；步骤2：采用预设自监督降噪模型对含噪时序信号进行降噪，得到降噪后信号；步骤3：根据所述降噪后信号，采用预设异常评分函数计算所述待测时序信号的异常评分。本发明可以进行细粒度的时序模式挖掘和异常度量。
-
公开(公告)号：CN117828505A
公开(公告)日：2024-04-05
申请号：CN202311732145.6
申请日：2023-12-16
Applicant: 郑州大学
IPC: G06F18/2433 , G06N3/0475 , G06N3/094 , G06F17/16 , G06F17/11 , G06N3/044 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及工业控制信息安全技术领域，特别涉及一种基于循环一致对抗学习的时序信号异常检测方法及系统，针对目标时刻原始时序信号，利用卡尔曼滤波器生成滤波时序信号；将原始时序信号和滤波时序信号输入至预训练的循环一致性对抗网络，利用循环一致性对抗网络实现时序信号的异常检测，其中，循环一致性对抗网络包括将原始时序信号和滤波时序信号在原始域和目标域进行映射转换的对抗正向环路和对抗反向环路，且对抗正向环路和对抗反向环路中的生成器和鉴别器对应采用相同的结构。本发明通过双向变换机制捕获正常时序信号，利用信号在原始信号域和滤波信号域之间的差异来进行异常检测，能够提升检测效率和准确性，便于实际智能监控等业务场景中的应用部署。
-
公开(公告)号：CN117708738A
公开(公告)日：2024-03-15
申请号：CN202311732146.0
申请日：2023-12-16
Applicant: 郑州大学
IPC: G06F18/2433 , G06F18/213 , G06F18/22 , G06F18/25 , G06N3/047 , G06N3/048 , G06N3/042 , G06N3/098 , G06F123/02
Abstract: 本发明涉及工业控制信息安全技术领域，特别涉及一种基于多模态变量相关性的传感器时序异常检测方法及系统，通过双边滑动窗口收集目标时刻两端业务场景中各模块传感器对应的时序数据，基于时序数据并利用图注意力机制获取带有各模块传感器关联关系结构信息的特征向量；依据特征向量获取目标时刻传感器预测值，并基于预测值与传感器观测值获取预测误差，以根据预测误差判定各传感器时序异常检测结果。本发明通过目标时刻双边滑动窗口获取待异常检测的时序数据并使用多模态变量相关性比较每个传感器预期及实际观测，进而能够准确判断异常传感器行为及时序异常点，便于实际智能监控等业务场景中的应用部署。
-
公开(公告)号：CN113749666B
公开(公告)日：2023-10-27
申请号：CN202111067176.5
申请日：2021-09-10
Applicant: 郑州大学 , 云心电网络科技(上海)有限公司 , 河南云心电网络科技有限公司
Abstract: 本发明提供一种一种基于融合心室规则特征与XGBoost的心肌梗死分类方法，将采集的12导联心电信号采用小波变换去噪，然后通过墨西哥冒基函数对去噪后的心电信号进行小波分解；将处理后的心电信号进行特征提取，提取Q波、ST‑T段形态特征作为规则特征组，同时提取QT段形态特征作为心室活动特征；将提取到的QT段形态特征采用离散小波变化、主成分分析、局部保留投影三种方式进行压缩变换；将提取的规则特征组、压缩样本中的任一种或两者的融合特征输入到XGBoost模型中进行心电分类；采用本发明体用的方法对心电信号进行心肌梗死分离，准确率达99.6％以上。
-
公开(公告)号：CN115429286B
公开(公告)日：2023-06-16
申请号：CN202211241397.4
申请日：2022-10-11
Applicant: 郑州大学 , 河南云心电网络科技有限公司 , 云心电网络科技(上海)有限公司
IPC: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/10 , G06F18/241 , G06F18/214 , G06N3/0895 , G06N3/094
Abstract: 本发明涉及心电数据处理、深度学习、对比学习和对抗学习技术领域，具体涉及一种心电表征自监督学习方法，包括以下步骤：步骤1，基于增噪处理和滤波处理实现心电数据转换处理，心电数据转换处理分为预处理阶段、增噪处理阶段和滤波处理阶段；步骤2，基于对抗学习构建编码器与判别器对抗任务，通过构建心电表征自监督学习模型的对抗学习模块，以实现编码器和判别器的对抗任务；步骤3，基于回归网络构建心电时空回归任务，通过构建心电表征自监督学习模型的回归模块，以实现心电数据时空回归任务；步骤4，基于对比学习构建患者对比任务，构建心电表征自监督学习模型的对比学习模块，以实现患者对比任务。
-
Patent Agency Ranking
公开(公告)号：CN115429286A
公开(公告)日：2022-12-06
申请号：CN202211241397.4
申请日：2022-10-11
Applicant: 郑州大学 , 河南云心电网络科技有限公司 , 云心电网络科技(上海)有限公司
Abstract: 本发明涉及心电数据处理、深度学习、对比学习和对抗学习技术领域，具体涉及一种心电表征自监督学习方法，包括以下步骤：步骤1，基于增噪处理和滤波处理实现心电数据转换处理，心电数据转换处理分为预处理阶段、增噪处理阶段和滤波处理阶段；步骤2，基于对抗学习构建编码器与判别器对抗任务，通过构建心电表征自监督学习模型的对抗学习模块，以实现编码器和判别器的对抗任务；步骤3，基于回归网络构建心电时空回归任务，通过构建心电表征自监督学习模型的回归模块，以实现心电数据时空回归任务；步骤4，基于对比学习构建患者对比任务，构建心电表征自监督学习模型的对比学习模块，以实现患者对比任务。
-
公开(公告)号：CN107679441B
公开(公告)日：2020-06-02
申请号：CN201710077106.5
申请日：2017-02-14
Applicant: 郑州大学
Abstract: 基于多时相遥感影像阴影提取城市建筑物高度信息的方法，本发明旨在形成系统、快捷、准确的方法，利用两幅不同时相的遥感影像（两幅影像具有不同的太阳高度角以及卫星方位角），对目标建筑物阴影进行批量分析与计算，进而实现快速和较准确得提取区域内目标建筑物的高度，有助于提高测量、三维建模等工作的效率；具体实施主要是通过计算建筑物阴影长度，结合影像上标志建筑与其阴影的夹角关系，选择相应数学模型计算区域内目标建筑的高度值；应用两幅遥感影像计算得到的两组建筑高度结果，基于最小二乘法构建拟合方程，获得修正后的目标建筑的高度，从而提高了计算结果的精度。
-
公开(公告)号：CN110490109A
公开(公告)日：2019-11-22
申请号：CN201910733962.0
申请日：2019-08-09
Applicant: 郑州大学
Abstract: 本发明公开了一种基于单目视觉的在线人体康复动作识别方法。该方法包括建模训练和在线识别，建模训练步骤中包括采集样本、提取特征、构建模型和模型训练四个分步骤，在线识别步骤中包括识别目标、识别特征和识别动作三个分步骤。通过以上步骤，本发明融合姿态估计方法OpenPose与最近邻匹配方法对监控视频流中的目标人体进行识别并生成动作序列，再通过滑动窗口从动作序列中识别检测动作特征，再将检测动作特征输入到经过建模训练得到的检测模型中进行康复动作识别。本发明只需对每帧图像中提取的少数关节点进行处理从而极大地降低了计算成本，模型易于部署，能够适应非理想、嘈杂的环境，在线识别连续的康复动作准确率达90.66％。
-
公开(公告)号：CN110020636A
公开(公告)日：2019-07-16
申请号：CN201910303529.3
申请日：2019-04-18
Applicant: 郑州大学
Abstract: 本发明涉及一种基于异常特征值的室性早搏智能分析方法，包括以下步骤：1)、信号预处理，用小波滤波器对原始信号进行去噪处理，之后再通过斜率、幅度和宽度的数字分析来定位QRS复合波，最后再从完整的ECG信号中以R峰为中心进行分割提取单个心拍；2)、特征提取，选取QRS复合波面积、RR间期和QRS振幅矢量和作为特征参数用于分类器的输入；3)、模型训练，通过自助法重采样技术，从原始训练样本集中有放回地重复随机抽取k个样本生成新的训练样本集合，然后根据自助样本集生成M个分类树组成随机森林，根据分类树投票多少形成的分数确定新数据的分类结果；本发明具有心电信号中心率失常异常信号识别准确、分类精准的优点。
-
公开(公告)号：CN107679441A
公开(公告)日：2018-02-09
申请号：CN201710077106.5
申请日：2017-02-14
Applicant: 郑州大学
Abstract: 基于多时相遥感影像阴影提取城市建筑物高度信息的方法，本发明旨在形成系统、快捷、准确的方法，利用两幅不同时相的遥感影像（两幅影像具有不同的太阳高度角以及卫星方位角），对目标建筑物阴影进行批量分析与计算，进而实现快速和较准确得提取区域内目标建筑物的高度，有助于提高测量、三维建模等工作的效率；具体实施主要是通过计算建筑物阴影长度，结合影像上标志建筑与其阴影的夹角关系，选择相应数学模型计算区域内目标建筑的高度值；应用两幅遥感影像计算得到的两组建筑高度结果，基于最小二乘法构建拟合方程，获得修正后的目标建筑的高度，从而提高了计算结果的精度。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.03 seconds)
