-
公开(公告)号：CN117910645A
公开(公告)日：2024-04-19
申请号：CN202410111061.9
申请日：2024-01-25
Applicant: 郑州大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于自然灾害领域，公开了混合深度学习的城市洪涝快速预测模型构建与评估方法，该模型构建与评估方法包括：收集研究区域的相关数据，利用水动力模型LISFLOOD‑FP计算得到洪涝过程数据集。将洪涝过程数据集分为训练数据集和验证数据集；在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型，利用训练数据集，对所述城市洪涝快速预测模型进行训练；选择合适的精度评估指标；利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的时间精度、空间精度及鲁棒性。本发明提出的城市洪涝快速预测模型构建与评估方法使得城市洪涝预测模型效率和精度更高，且模型构建与评估更全面。
-
公开(公告)号：CN113616216B
公开(公告)日：2024-02-27
申请号：CN202111067110.6
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: 本发明涉及一种基于BiLSTM‑Treg的心电信号分类方法，包括建立BiLSTM‑Treg神经网络模型、采集心电信号、对数据进行预处理、进行心电信号的分类的步骤；本发明首先对数据进行预处理，滤除心电信号中的噪声，并将心电信号以心搏为单位划分，其次，将连续的单心搏组合成心搏段，使得心搏间的节律信息得以保留；然后进行模型的搭建与优化，最后进行心搏分类；本发明通过构建融合心搏间节律信息的时序BiLSTM‑Treg神经网络模型，并利用树正则化方法进行优化，提高了神经网络模型的泛化能力，提高了心搏分类的准确率。
-
公开(公告)号：CN115795237B
公开(公告)日：2023-11-03
申请号：CN202211514932.9
申请日：2022-11-25
Applicant: 郑州大学
Abstract: 本发明涉及遥感技术领域，应用遥感生态指标反映区域生态环境状态。选取绿度、湿度、干度以及热度四个遥感生态指标，使用多线程并行计算以及基于多核CPU的并行计算相结合的方式，创新性地使用四元Copula函数作为生态指标的计算工具，利用Gringorten公式、Kendall相关系数和最大似然估计法构建出四元Copula函数模型，并最终计算出基于Copula的综合遥感生态指数(Copula‑base remote sensing ecological index,CRSEI)。本发明构建的综合遥感生态指数，能够最大程度囊括四个指标所反映的地表类型状况信息以及四个指标间的相关性信息，更加综合、全面地通过栅格可视化结果从时间以及空间上反映生态环境质量，为生态环境的监测、评价以及治理提供可靠、有力的技术支持。
-
公开(公告)号：CN110020636B
公开(公告)日：2022-10-04
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：CN110490109B
公开(公告)日：2022-03-25
申请号：CN201910733962.0
申请日：2019-08-09
Applicant: 郑州大学
IPC: G06V40/20 , G06V10/46 , G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04
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％。
-
Patent Agency Ranking
公开(公告)号：CN112450944A
公开(公告)日：2021-03-09
申请号：CN202011459650.4
申请日：2020-12-11
Applicant: 郑州大学 , 河南云心电网络科技有限公司
Abstract: 本发明公开了一种标签相关性引导特征融合的心电图多分类预测系统与方法。系统包括：标签粗糙分类模块，用于根据历史数据中心电图异常标签出现频率，确定心电图标签第一优先级组以及剩余心电图标签集合；标签相关性分析模块与标签精细分类模块，用于进行标签相关性分析，将剩余心电图标签集合划分为多个心电图标签优先级组；原始特征提取模块，用于利用神经网络主体结构对输入的心电图进行特征提取得到原始特征张量；心电图多分类预测模块，用于进行心电图分类。利用本发明，大大提高了心电图分类准确率。
-
公开(公告)号：CN108888263B
公开(公告)日：2020-10-30
申请号：CN201810497939.1
申请日：2018-05-22
Applicant: 郑州大学
IPC: A61B5/0456
Abstract: 本发明涉及一种基于几何形态群组特征的R波检测方法，首先采用由FIR低通滤波器和中值滤波器构成滤波器组对输入心电信号(ECG)集合V进行信号预处理；然后对集合V中的所有数值进行取绝对值运算，把运算后的值存入集合V'中，再对集合V'中所有值做一阶差分运算，把结果存入数组U；接着确定数组U的几何形态的起始点Gs，峰值点Gp，结束点Ge存入数组D中；确定数组D中的几何形态Ci存入数组C；计算集合V'中的每点几何特征值Kdot；算出连续四点几何特征值的均值后再计算Kgs值存入数组K；接下来选出候选R波，最后确定有效R波，将其存入数组R，输出即为R波位置的集合；本发明具有监测准确率高、监测过程简便、自适应性强、普适性高的优点。
-
公开(公告)号：CN111568411A
公开(公告)日：2020-08-25
申请号：CN202010445891.7
申请日：2020-05-22
Applicant: 郑州大学
IPC: A61B5/0452
Abstract: 本发明涉及一种基于连续心搏活动序列特征-SVM模型的心搏分类方法，包括以下步骤：S1、采用连续小波变化去除心电信号中的噪声；S2、对经过步骤S1处理后的心电信号进行分割截取出完整的心搏，然后从截取出的心搏中进行特征提取，并将提取到的特征按类别建立以下数据集：集合A＝{470单心搏形态特征}，集合B＝{21个连续RR间期}集合C＝{491连续心搏全局序列特征}；S3、将步骤S2中的数据集中的任一个集合输入到采用SVM算法模型中进行心搏分类；本发明具有良好的心搏分类准确性。
-
公开(公告)号：CN111557659A
公开(公告)日：2020-08-21
申请号：CN202010445892.1
申请日：2020-05-22
Applicant: 郑州大学
IPC: A61B5/0402 , A61B5/0452
Abstract: 本发明涉及一种基于多特征融合与Stacking-DWKNN的心律失常分类方法，包括以下步骤：S1、采用连续小波变化去除心电信号中的噪声；S2、对经过步骤S1处理后的心电信号进行分割截取出完整的心搏，然后从截取出的心搏中进行特征提取，并将提取到的特征按类别建立以下数据集：集合A＝{235单心搏形态特征}，集合B＝{P-QRS-T波}，集合C＝{PR间期}，集合D＝{QT间期}，集合E＝{ST段}，集合F＝{RR间期}，集合G＝{R幅值}，集合H＝{T幅值}；S3、将步骤S2中的数据集中的任一个集合或任意多个集合的组合输入到采用Stacking集成多个通过权值改进的KNN算法中进行心搏分类；本发明提供的心搏分类方法能够有效提高心搏分类的结果准确性。
-
公开(公告)号：CN109846472A
公开(公告)日：2019-06-07
申请号：CN201910095804.7
申请日：2019-01-30
Applicant: 郑州大学
IPC: A61B5/0402 , A61B5/0472
Abstract: 本发明涉及一种基于BiLSTM-Attention深度神经网络的心搏分类方法，包括以下步骤：1)、数据预处理，采用双正交小波变换去除高频噪声和基线漂移；2)、特征提取，通过二进样条小波变换检测R波峰值，进而计算RR间期及对QRS波群数据进行提取；3)、模型训练，通过BiLSTM-Attention神经网络对检测的步骤2)中检测的波形进行深度学习分类；本发明具有心电信号分类准确、有效对心电信号进行深度学习分类的优点。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.028 seconds)
