-
公开(公告)号:CN109474897B
公开(公告)日:2020-01-07
申请号:CN201910021555.7
申请日:2019-01-10
Applicant: 厦门大学
Abstract: 基于隐马尔可夫模型的车联网安全消息单跳协作广播方法,属于车联网领域。通过提高对初始化广播结果的预测准确度进一步提高协作重广播的接收成功率。首先,利用接收功率序列对信道状态进行预测;然后,进行初始化广播;接下来,根据各备选节点的传输范围与预测失败节点集合的重合度选择最优的协作节点;最后,进行协作重广播,被选中的协作节点和源节点一起在源节点的时隙内重传数据包。将隐马尔可夫模型引入了协作广播方法中,提高对初始化广播结果的预测准确度,进而选择更有针对性的协作节点进行协作重广播,以进一步提高接收成功率。
-
公开(公告)号:CN105101214A
公开(公告)日:2015-11-25
申请号:CN201510551435.X
申请日:2015-09-01
Applicant: 厦门大学
CPC classification number: Y02D70/00 , H04W16/04 , H04W16/18 , H04W52/0206
Abstract: 一种超密集无线网络的资源虚拟化映射方法,属于移动通信领域。1)物理区域G栅格化;2)建立优化目标模型;3)根据优化目标模型,实现活跃状态的基站映射,保证对相关区域全面覆盖;4)把每个栅格与每个活跃基站覆盖区域重合部分称为虚拟小区;5)针对虚拟小区,获取虚拟资源请求;6)根据优化目标模型,在保证满足区域G内请求资源量的前提下,进行资源映射和基站活跃状态的再映射,确定最终虚拟资源映射方案;7)执行步骤6)形成的最终映射方案,经过时间T后,进入步骤5),获取新的资源请求统计量,开始新一轮映射。以节能为目标,在保证小区覆盖及资源需求的前提下尽量降低网络能耗。
-
公开(公告)号:CN116307419A
公开(公告)日:2023-06-23
申请号:CN202210263821.9
申请日:2022-03-17
Applicant: 厦门大学
IPC: G06Q10/0631 , G06Q50/26 , G06N3/0499 , G06N3/084 , G06N3/092 , G06F18/232
Abstract: 本申请实施例提供了一种基于强化学习的公交调度方法,包括以下步骤:S110、初始化路网数据,对所述路网进行区域网格化划分;S120、按照时间段划分轨迹数据,计算不同区域各时段的交通流量;S130、结合实时乘车请求数据,计算并更新所述交通流量;S140、公车行驶至路线终点时,从多个维度获取当前路网状态;S150、基于强化学习神经网络,结合步骤S130获得的更新后的所述交通流量与步骤S140获得的所述路网状态,计算公车驶向不同路线的反馈数据;以及S160、重复步骤S130‑S150,获取强化学习模型参数,并且基于训练好的强化学习模型进行公交调度。通过该方法,可以充分考虑到当前的路网状态和交通流量,有效地利用城市公交资源,提高公交运营效益,缓解城市交通拥堵情况。
-
公开(公告)号:CN113140273B
公开(公告)日:2022-05-10
申请号:CN202110349716.2
申请日:2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种基于深度学习的ICU患者电子病历分析方法及系统,包括:接收输入的ICD编码和药物向量,并将ICD编码和药物向量分别输入两个多层感知机,生成两个维度大小相同的隐藏层,并计算出两个隐藏层的相关性;基于初始化的稀疏系数,用KL散度计算稀疏系数和自编码器的中间层激活后神经元的平均激活程度的距离,并放入到损失函数;将隐藏层作为自编码器的中间层,使用一个多层感知机进行解码,输出包括多种药物的药方;基于初始化的加权矩阵,对输出的药方进行加权,将多开的药物作为药物损失放入损失函数。本发明通过获取患者ICD编码与药方的映射关系,挖掘出药物间的潜在关联,并给出推荐,具有较高的可靠性。
-
公开(公告)号:CN111049425B
公开(公告)日:2020-12-11
申请号:CN201911413084.0
申请日:2019-12-31
Applicant: 厦门大学
Abstract: 本发明提供了一种以液体作为俘能介质的低频多方向振动能量收集装置,包括腔体以及设置于腔体内部的液体、绝缘支撑杆、阵列式能量转换装置、浮块;液体覆盖在腔体的底部与浮块之间的区域;将阵列式能量转换装置固定在距离腔体底部的一定高度处并与水平面保持平行;浮块的一面与阵列式能量转换装置固定连接,浮块的另一面悬浮在液体表面;当受到外界振动激励时,悬浮在液体中的浮块跟随着液体的晃动而带动与其固定连接的阵列式能量转换装置发生运动从而产生电能,实现低频、多方向的振动能量收集。应用本技术方案可实现高效地俘获环境中的低频、多方向振动能量并转化电能,从而实现外界的振动机械能到电能的转换。
-
公开(公告)号:CN108664996A
公开(公告)日:2018-10-16
申请号:CN201810355457.2
申请日:2018-04-19
Applicant: 厦门大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于深度学习的古文字识别方法及系统,方法包括:获取古文字图像数据集并制作分类标签;对图像数据集中的图像进行预处理,并通过图像增广扩充数据集;通过深度神经网络对预处理与图像增广后的图像数据集进行特征提取,并对提取的特征通过分类器分类,以实现不同时间的篆文形体的演变识别;利用人工设计特征,使用模板匹配的方法进行辅助训练,以对分类器的分类结果进一步分类。本发明能够根据改进的深度卷积神经网络模型更加精确的实现正确分类,并借助传统人工设计特征进行辅助训练,进一步提高分类准确率,为具有古文字识别需求的用户群提供更好的体验。
-
公开(公告)号:CN104486435A
公开(公告)日:2015-04-01
申请号:CN201410808066.3
申请日:2014-12-22
Applicant: 厦门大学
Abstract: 基于传感器网络的低能耗生态环境监控节点部署方法,涉及物联网。首先,确定需要监测的因子及具有相关因子的关键点;根据监测的因子及关键点建立最优化数学监控模型;然后,对数学模型求解,找出属性最多的关键点作为预选择点。若预选择点数量大于1,调用属性优化方法来选择所有属性都靠近属性均值的关键点作为监测点。通过上述处理后,若还存在两个以上的预选择点,则调用作物生长因子加权法来确定监测点。如此处理后,若仍然存在两个以上的预选择点,则采用随机算法,随机确定经过作物生长因子加权法处理后的预选择点为监测点。最后,采用关键点与属性的矩阵优化方法对关键点与属性的矩阵T进行处理,得到最终的监测节点数量及分布位置。
-
公开(公告)号:CN113112020A
公开(公告)日:2021-07-13
申请号:CN202110320646.8
申请日:2021-03-25
Applicant: 厦门大学
IPC: G06N5/02
Abstract: 本发明公开了一种基于生成网络与知识蒸馏的模型网络提取和压缩方法,包括如下步骤:利用训练好的教师网络训练生成网络的损失函数,得到训练好的生成网络;根据生成网络生成多张生成图片;将生成图片输入到训练好的教师网络和学生网络,对学生网络进行知识蒸馏;更新学生网络;本发明提供的方法在面对一个大型网络的时候,能够根据任务的不同只学习到大型网络中特定类别的分类知识,迁移到更小的网络中。同时本发明的方法可以更少地依赖数据本身,在无数据的情况下进行知识蒸馏,减少了原始的知识蒸馏对于真实数据的依赖。
-
公开(公告)号:CN113077901A
公开(公告)日:2021-07-06
申请号:CN202110348004.9
申请日:2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种电子病历分析装置和方法,包括:获取EHR数据中的疾病编码、医疗干预编码、住院类型和入院/出院时间;将获取的患者信息作为住院‑长短期记忆神经网络Care‑LSTM的输入,计算得到用于反映不同时间下诊疗记录关联性的权重系数αt和用于反映统一诊疗记录间的内在关联的权重系数βt;基于住院类型和住院间隔时间,得到权重系数rt;基于权重系数αt、βt和rt,得到总权重系数wt;将总权重系数wt与表征向量进行加权平均获得最终状态向量;将最终状态向量作为全连接层和激活函数的输入,获得ICU患者的死亡风险概率。本发明通过住院‑长短期记忆神经网络Care‑LSTM获得两组权重向量,使得分析结果更为准确。
-
公开(公告)号:CN108805223B
公开(公告)日:2021-03-23
申请号:CN201810480506.5
申请日:2018-05-18
Applicant: 厦门大学
IPC: G06K9/68
Abstract: 本发明涉及一种基于Incep‑CapsNet网络的篆文识别方法及系统,方法包括:获取篆文图像数据集,并按照字形与字体制作分类标签;对图像数据集进行预处理与图像增广操作;通过Incep‑CapsNet网络对预处理和图像增广后的篆文图像进行特征提取并识别分类;通过重构网络对预处理和图像增广后的篆文图像进行重构,作为一种有效的正则化方式。本发明能够根据Inception结构提取出更多更本质的特征,并根据胶囊网络克服传统深度卷积神经网络模型所存在的无法识别特征的朝向以及空间中的相对位置等缺点,既具有精确的识别精度,又具有较强的鲁棒性。
-
-
-
-
-
-
-
-
-