一种基于空间路径相似性的脑纤维聚类方法

    公开(公告)号:CN106777982B

    公开(公告)日:2019-07-26

    申请号:CN201611171339.3

    申请日:2016-12-17

    Abstract: 一种基于空间路径相似性的脑纤维聚类方法,包括以下步骤:1)、导入纤维数据,跟踪出纤维路径,并计算每根纤维的相似性;2)、由于纤维数据的多样性,有部分组织的纤维比较分散,纤维数量也较少,又有一部分组织的纤维相对比较密集,纤维数量非常多;根据纤维数据的大小,分别使用两种不同的纤维聚类方法:DPC(NGK)纤维聚类方法与DPC(GK)纤维聚类方法;3)将聚类后的纤维数据映射到相应的颜色空间,进行颜色编码与可视化展示;从而达到可以明显地区分出不同类别纤维的效果。

    基于Hadoop的海量交通数据处理方法

    公开(公告)号:CN106530688B

    公开(公告)日:2019-06-14

    申请号:CN201610899062.X

    申请日:2016-10-14

    Abstract: 基于Hadoop的海量交通数据处理方法,包括以下几个步骤:(1)分布式道路匹配,具体包括搭建MapReduce框架、轨迹解析、创建扩展路网;(2)道路流量和车辆速度的计算;(3)道路分流统计。本发明可具体应用到手机导航系统,可以帮助用户来显示当前区域的实时路况,包括当前某条路段的流量以及速度情况和路口的分流信息,用户可以通过这些信息来分析道路拥堵情况,并选择合适的路线来避免经过拥堵的路段,提高导航系统的准确性和有效性。

    一种基于载波调制方法的血氧饱和度及脉搏测量系统

    公开(公告)号:CN109363650A

    公开(公告)日:2019-02-22

    申请号:CN201811546239.3

    申请日:2018-12-18

    Abstract: 一种基于载波调制方法的血氧饱和度及脉搏测量系统,包括控制电路模块(1000)、面光源模块(1100)、采集装置模块(1200)和计算机(1300);应用于电学噪声较大的测量环境下,非接触的血氧饱和度测量和脉搏测量。该方法通过660nm光源(1101)850nm光源(1102)以一定的周期进行交替工作并在此基础上加入载波信号,通过高速成像CCD(1203)获取人手背处的区域灰度值信息。对得到不同波长下的灰度值信息通过图像处理(1301)、结果计算(1302)进一步处理。本发明可以得到手部的血氧饱和度信息和脉搏信息。

    基于差异比较的卷积神经网络可视分析方法

    公开(公告)号:CN109344957A

    公开(公告)日:2019-02-15

    申请号:CN201810860313.2

    申请日:2018-08-01

    Abstract: 一种基于差异比较的卷积神经网络可视分析方法,包括以下步骤:使用Tensorflow设计需要基本网络模型,并在此基础上做参数的修改得出对照模型;对两个模型进行训练,并提取训练完成后的模型参数;将得到的模型参数输入差异分析系统进行差异展示;通过观察差异分析系统的差异概览组件快速找到可能的关键差异点;通过系统提供的交互探索组件对可能的关键差异进行进一步的详细分析,从而得出自己的结论。本发明有效实现差异化可视分析,通过对这些差异的理解用户可以在实际对神经网络模型进行修改的过程中更加有效率地找到关键问题所在。

    一种面向全排列数据的多变量可视分析方法

    公开(公告)号:CN109271567A

    公开(公告)日:2019-01-25

    申请号:CN201810860167.3

    申请日:2018-08-01

    Abstract: 一种面向全排列数据的多变量可视分析方法,包括以下步骤:(1)对原始数据集合中的有限项目使用全排列算法得出所有排序方案;(2)根据原始数据中各个项目两两之间的连接属性,分别对排序方案添加连接属性信息;(3)通过MDS算法将所有排序方案降维聚类;(4)可视化分析:MDS view聚类视图、PCP View平行坐标视图、Perm View矩阵视图,各个视图之间交互分析,引导用户选择自己感兴趣的方案集群和排序方案。本发明从大量的全排列方案中挖掘出特殊的集群模式,将排列方案之间的相似性和差异性通过可视化让用户从中分析并结合自己的需求得出最佳的排序方案。

    一种基于多路特征加权的残差卷积神经网络图像分类方法

    公开(公告)号:CN108764317A

    公开(公告)日:2018-11-06

    申请号:CN201810485738.X

    申请日:2018-05-21

    CPC classification number: G06K9/6267 G06N3/0454

    Abstract: 一种基于多路特征加权的残差卷积神经网络图像分类方法,包括以下步骤:1)模型的输入图像为经过预处理的原始图像,经过预处理的图像裁剪为一个固定尺寸;2)对图像进行较大尺寸的卷积操作和池化操作;3)将步骤2)中输出的特征送入第一个多路特征加权残差模块;4)将步骤3)中多路特征加权残差模块的输出继续送入下一个多路特征加权残差模块,在经过多个多路特征加权残差模块后,输出的特征图像尺寸会逐渐缩小直至变为较小尺寸,最后经过一个平均池化层缩小为特征点;所得特征点直接送入分类层进行分类或经过全连接层后再进行分类。本发明应用于复杂的图像分类任务,丰富了特征表达,避免了因神经网络深度增加导致的梯度消失问题。

Patent Agency Ranking