-
公开(公告)号：CN114628037A
公开(公告)日：2022-06-14
申请号：CN202210180325.7
申请日：2022-02-25
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于深度学习卷积神经网络的新冠病毒识别预测模型，选取确诊新冠与健康人员的血清拉曼光谱作为样本，首先将样本光谱数据使用Min‑max方法归一化、使用Savitzky‑Golay方法对光谱进行平滑去噪、使用主成分分析方法对光谱数据降维处理后，利用卷积神经网络构建新冠病毒的识别预测模型，并使用Adam优化算法对模型参数进行优化，以提高模型的预测准确率。最后，为证明卷积神经网络的优越性，选取机器学习中的随机森林、逻辑回归、决策树、K近邻等算法进行模型构建，对比不同模型的预测结果，得出基于卷积神经网络的模型对新冠病毒具有最高的识别准确率，为生物医学检测新冠病毒提供一种无损辅助的方法。
-
公开(公告)号：CN109781706A
公开(公告)日：2019-05-21
申请号：CN201910111235.0
申请日：2019-02-11
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法。本发明针对拉曼峰相似的两种食源性致病菌——大肠杆菌0157:H7以及布鲁氏菌S2株识别精度不足的问题，提出一种基于PCA-Stacking的拉曼集成分类算法，找到了鲁棒性更好的数学统计模型和计算方法。针对拉曼光谱中存在的毛刺，基线漂移问题，使用Savitzky-Golay滤波器和非对称最小二乘实现光谱的预处理。通过网格搜索模型参数，证明了Stacking集成算法相比于K近邻、逻辑回归、支持向量机单一算法模型有更高的分类准确率。
-
公开(公告)号：CN113442646A
公开(公告)日：2021-09-28
申请号：CN202110240416.0
申请日：2021-03-04
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种用于救援机器人的全向车轮装置，通过第一横板、第二横板和竖板将轮架的形状控制在正多边形，同时分割为多个容置空间，每一容置空间对应一个包括全向轮的驱动部，由全向轮来实现全向行使；同时在轮架的外沿上设置了连接件，通过连接件可将多个轮架连接在一起，从而组成更大的移动承载装置，可实现更大的支撑，获得更大的承载能力。多整套车轮支架安装于承载体上时，只需要设计多个六边形凹槽卡住即可，设计要求简单基础，如果有其中一套车轮支架损坏，直接更换新的装置卡住即可。实现通用性、快速更换、操作方便的效果，解决了现有的搜救机器人大多无法实现全向行使，同时无法通过组合来提高承载能力的问题。
-
公开(公告)号：CN114638291A
公开(公告)日：2022-06-17
申请号：CN202210226118.0
申请日：2022-03-08
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于多层前馈神经网络算法的食源性致病菌分类方法，包括步骤1：对获得的食源性致病菌数据做数据预处理工作；步骤2：构建多层前馈神经网络；步骤3：对构建的多层前馈神经网络模型进行评估，得到当前模型分类的准确率。本发明使用基于多层前馈神经网络算法的方法，通过对多层前馈神经网络算法的结构配置及优化提高了食源性致病菌光谱分类的准确率。本发明主要解决的技术问题是通过对多层前馈神经网络算法建模实现食源性致病菌光谱数据分类的自动化，为食源性致病菌检测的提供了新的方法。
-
公开(公告)号：CN114544592A
公开(公告)日：2022-05-27
申请号：CN202210183783.6
申请日：2022-02-28
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于卷积神经网络的拉曼光谱智能分类方法，包括步骤S1，利用硅片对LabRAM HR Evolution拉曼光谱仪进行校正，进行拉曼实验；步骤S2，对收集到的拉曼光谱实验数据进行预处理；步骤S3，构建基于卷积神经网络的分类模型，用于不同预处理方式的拉曼光谱数据进行分类；步骤S4，数据分类：模型构建完成后，将三份拉曼光谱数据各自都按5：1的比例随机分为训练集和测试集，放入卷积网络中进行训练，待训练完成后进行数据分析；步骤S5，数据分析：进行对比实验，分析数据预处理方式的优劣，判断预处理是否可以提高模型准确率，是否可以保留更多有效特征，以及对比分析卷积神经网络模型与传统机器学习算法的优劣。
-
Patent Agency Ranking
公开(公告)号：CN110245713A
公开(公告)日：2019-09-17
申请号：CN201910534517.1
申请日：2019-06-19
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种食源性致病菌分类方法，包括：卷积神经网络的搭建以及用于模型评估的k折交叉验证。本发明使用基于卷积神经网络的方法，通过对卷积神经网络的结构配置及优化提高了食源性致病菌光谱分类的准确率。本发明主要解决的技术问题是通过对卷积神经网络建模实现食源性致病菌光谱数据分类的自动化，给食品安全从业者提供参考，提高食品安全检测的效率。
-
公开(公告)号：CN119202845A
公开(公告)日：2024-12-27
申请号：CN202411372743.1
申请日：2024-09-29
Applicant: 上海应用技术大学
IPC: G06F18/241 , G06F18/27 , G06F18/10 , G06N3/044 , G06N3/084
Abstract: 本发明涉及机器学习和拉曼光谱技术领域，尤其涉及基于神经网络的食源性病原体拉曼光谱分类方法及系统，对通过实验获取的病菌数据进行预处理；构建循环神经网络RNN模型，进行病菌拉曼光谱数据的处理和分类；使用交叉验证评估模型的性能，优化网络模型。本发明通过利用循环神经网络的高效数据处理能力显著提高了食源性病原体拉曼光谱分类的速度和准确性，通过数据增强和模型优化，提高了模型对未见数据的泛化能力，确保了检测的稳定性和可靠性，适用于大规模数据处理和实时分析，极大地提升了微生物检测的效率和应用范围。
-
公开(公告)号：CN114663722A
公开(公告)日：2022-06-24
申请号：CN202210226116.1
申请日：2022-03-08
Applicant: 上海应用技术大学
IPC: G06V10/774 , G06V10/77 , G06V10/764 , G06K9/62 , G01N21/65
Abstract: 本发明公开了一种基于LightGBM算法的食源性致病菌分类方法，包括步骤1：光谱背景拟合和数据预处理；步骤2：食源性病菌拉曼光谱数据预处理；步骤3：Light GBM分类模型，计算初始梯度值，初始值设为零，建立树并设置树的深度不超过100层。本发明通过对LightGBM集成算法建立一种分类模型使其对食源性致病菌光谱数据进行分析分类，能提高食品安全检测的效率，保障人民的食品卫生安全。
-
公开(公告)号：CN111274874A
公开(公告)日：2020-06-12
申请号：CN202010020498.3
申请日：2020-01-08
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于adaboost的食源性致病菌拉曼光谱分类模型训练方法，本发明针对大肠杆菌以及布鲁氏菌，提出一种基于adaboost集成算法的拉曼光谱分类法方法。对于两种不同病菌的拉曼光谱先进行数据预处理，包括去毛刺，降噪(Savitzky-Golay滤波器)，然后采样成数值型数据，之后对数据采用PCA降维，之后用基于元分类器为决策树的adaboost算法调用网格搜索模型找到最合适的参数，经验证，集成算法adaboost比单一类算法例如KNN、SVM等有更高的分类准确率。
-
公开(公告)号：CN111259929A
公开(公告)日：2020-06-09
申请号：CN202010020262.X
申请日：2020-01-08
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于随机森林的食源性致病菌的分类模型训练方法，本发明对于两种不同致病菌的拉曼光谱数据进行多步数据预处理，包括利用多项式拟合进行基线校正、PCA进行数据降维、Savitzky-Golay卷积平滑算法降低噪声干扰，平滑光谱等步骤。本发明集成多棵决策树模型，有效地提高了分类模型的泛化能力，使得食源性致病菌检测的准确性得到提升。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
