-
公开(公告)号：CN119377801B
公开(公告)日：2025-03-14
申请号：CN202411949366.3
申请日：2024-12-27
Applicant: 云南大学 , 昆明医科大学第一附属医院(云南省皮肤病医院)
IPC: G06F18/2415 , G06N3/044 , G06N3/0464 , G06V10/77 , G06V10/82 , G06V40/16 , G06F18/214
Abstract: 本发明涉及禁毒监测技术领域，公开了一种戒毒人员复吸风险预测方法，包括：对吸毒人员和非吸毒人员进行毒品视觉刺激测试，采集被测试人员的影像数据，并获取被测试人员对毒品的渴望程度值，基于影像数据获得被测人员的动作特征数据和表情特征数据，基于表情特征数据和对应的渴望程度值及人员身份属性形成的训练样本对第一预测模型进行训练，并基于动作特征数据和对应的渴望程度值及人员身份属性形成的训练样本对第二预测模型进行训练，利用两个模型分别对已戒毒人员进行预测，综合两个预测模型预测结果及模型权重进行复吸风险进行预测。本发明可实现对已戒毒人员复吸风险的高效率精确预测。
-
公开(公告)号：CN119377801A
公开(公告)日：2025-01-28
申请号：CN202411949366.3
申请日：2024-12-27
Applicant: 云南大学 , 昆明医科大学第一附属医院(云南省皮肤病医院)
IPC: G06F18/2415 , G06N3/044 , G06N3/0464 , G06V10/77 , G06V10/82 , G06V40/16 , G06F18/214
Abstract: 本发明涉及禁毒监测技术领域，公开了一种戒毒人员复吸风险预测方法，包括：对吸毒人员和非吸毒人员进行毒品视觉刺激测试，采集被测试人员的影像数据，并获取被测试人员对毒品的渴望程度值，基于影像数据获得被测人员的动作特征数据和表情特征数据，基于表情特征数据和对应的渴望程度值及人员身份属性形成的训练样本对第一预测模型进行训练，并基于动作特征数据和对应的渴望程度值及人员身份属性形成的训练样本对第二预测模型进行训练，利用两个模型分别对已戒毒人员进行预测，综合两个预测模型预测结果及模型权重进行复吸风险进行预测。本发明可实现对已戒毒人员复吸风险的高效率精确预测。
-
公开(公告)号：CN119671327A
公开(公告)日：2025-03-21
申请号：CN202510020069.9
申请日：2025-01-07
Applicant: 云南大学 , 昆明医科大学第一附属医院(云南省皮肤病医院)
IPC: G06Q10/0637 , G06Q50/26 , G06F18/2433 , G06F18/2135 , G06F18/231 , G06F18/25 , G06F18/27 , G06N3/0499 , G06N3/084 , G06F18/40 , G06F9/54 , G06F13/40 , G16H50/30 , G06V20/40 , G06V20/52 , G06V40/20 , G16Y20/10 , G16Y20/40 , G16Y40/10 , G16Y40/20 , G16Y40/50 , G16Y40/60 , H04L67/12 , G07C9/37 , H04N7/18 , H04L9/40 , H04W4/029
Abstract: 本发明公开了一种戒毒场所的安全态势分析系统，涉及安全态势分析领域，包括集成监控模块、安全风险分析模块、心理状态评估模块和应急响应模块，高效地处理大规模监控数据，并实时更新安全态势，确保各模块之间的快速数据交换和统一处理；通过进行安全风险和心理状态的综合评估提升戒毒场所的管理效率和安全性，并根据评估结果生成安全态势图，自动触发应急响应程序，迅速响应潜在的安全风险，解决的是现有技术无法有效整合和分析数据量大和种类繁多数据的问题，本发明对戒毒场所安全进行多方位监控和分析，还通过结合数据融合分析、心理状态评估和智能应急响应机制，增强了场所管理的安全性、实时性和应对能力。
-
公开(公告)号：CN119044440B
公开(公告)日：2025-01-24
申请号：CN202411555338.3
申请日：2024-11-04
Applicant: 云南大学
IPC: G01N33/18 , G01C21/00 , G06F17/10 , G06F18/2433
Abstract: 本发明涉及数据处理技术领域，具体为一种基于污水毒品检测数据的处理方法及设备，该方法包括获取目标区域内各污水采样点的采样数据，将各采样数据与其对应采样点的历史采样数据耦合，获得异常数据，并确定污水中毒品的含量为第一毒品浓度；确定待核查管网段；获取与待核查管网段相连通的上一管网段内的污水采样数据，确定污水中毒品的含量为第二毒品浓度；获取待核查管网段内位于异常数据对应的采样点位置上游的任一位置的污水采样数据，确定污水中毒品的含量为第三毒品浓度；根据第一毒品浓度、第二毒品浓度和第三毒品浓度对比结果，确定毒品排放源头。本发明解决了传统人工统计分析污水毒品检测数据效率低、数据容易出差的问题。
-
Patent Agency Ranking
公开(公告)号：CN119044440A
公开(公告)日：2024-11-29
申请号：CN202411555338.3
申请日：2024-11-04
Applicant: 云南大学
IPC: G01N33/18 , G01C21/00 , G06F17/10 , G06F18/2433
Abstract: 本发明涉及数据处理技术领域，具体为一种基于污水毒品检测数据的处理方法及设备，该方法包括获取目标区域内各污水采样点的采样数据，将各采样数据与其对应采样点的历史采样数据耦合，获得异常数据，并确定污水中毒品的含量为第一毒品浓度；确定待核查管网段；获取与待核查管网段相连通的上一管网段内的污水采样数据，确定污水中毒品的含量为第二毒品浓度；获取待核查管网段内位于异常数据对应的采样点位置上游的任一位置的污水采样数据，确定污水中毒品的含量为第三毒品浓度；根据第一毒品浓度、第二毒品浓度和第三毒品浓度对比结果，确定毒品排放源头。本发明解决了传统人工统计分析污水毒品检测数据效率低、数据容易出差的问题。
-
公开(公告)号：CN117912088A
公开(公告)日：2024-04-19
申请号：CN202311815265.2
申请日：2023-12-27
Applicant: 云南大学
IPC: G06V40/18 , G06V10/80 , G06Q50/26 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于眼部信息筛查吸毒人员的方法，该方法采集了被筛查者眼部视频图像信息，并构建了深度学习神经网络模型，从眼部视频图像信息中提取了瞳孔变化半径序列特征，然后将图像序列通道的特征与半径序列通道的特征进行特征融合，通过训练和验证后获得能用于筛查吸毒人员的模型，本发明方法解决当前技术阈值确定不准确、不充分利用吸毒人员眼部图像信息的问题，与传统方法筛选方法或单特征筛选方法相比，本发明方法更有效、可靠，准确率更高。
-
公开(公告)号：CN119046858B
公开(公告)日：2025-01-24
申请号：CN202411544858.4
申请日：2024-10-31
Applicant: 云南大学 , 云南达尔芬科技有限公司
IPC: G06F18/2433 , G06Q50/26 , G06V20/52 , G06F18/10 , G06F18/23
Abstract: 本发明涉及毒情监测技术领域，具体为一种毒情监测系统，包括数据采集模块、数据预处理模块、毒情分析模块、异常分析模块和数据展示模块。在毒情分析模块中，数据分析层采用聚类方法获取指标层各指标的输入数据，指标层根据输入数据分析各指标得到各指标的输出数据，综合评价层用于对各指标的输出数据、各指标的权重和预处理数据进行综合分析，以得到综合评价结果。异常分析模块用于对毒情分析模块中各指标的输出数据和预处理数据进行分析，以得到异常分析报告。数据展示模块对综合评价结果和异常分析报告进行可视化展示。本发明解决了禁毒单位无法统一在一个系统中实现告警监控、评估毒情等级、查看各区域毒情信息功能的问题。
-
公开(公告)号：CN119046858A
公开(公告)日：2024-11-29
申请号：CN202411544858.4
申请日：2024-10-31
Applicant: 云南大学 , 云南达尔芬科技有限公司
IPC: G06F18/2433 , G06Q50/26 , G06V20/52 , G06F18/10 , G06F18/23
Abstract: 本发明涉及毒情监测技术领域，具体为一种毒情监测系统，包括数据采集模块、数据预处理模块、毒情分析模块、异常分析模块和数据展示模块。在毒情分析模块中，数据分析层采用聚类方法获取指标层各指标的输入数据，指标层根据输入数据分析各指标得到各指标的输出数据，综合评价层用于对各指标的输出数据、各指标的权重和预处理数据进行综合分析，以得到综合评价结果。异常分析模块用于对毒情分析模块中各指标的输出数据和预处理数据进行分析，以得到异常分析报告。数据展示模块对综合评价结果和异常分析报告进行可视化展示。本发明解决了禁毒单位无法统一在一个系统中实现告警监控、评估毒情等级、查看各区域毒情信息功能的问题。
-
公开(公告)号：CN116602688A
公开(公告)日：2023-08-18
申请号：CN202310631763.5
申请日：2023-05-31
Applicant: 云南大学
Abstract: 本发明公开一种高原地区儿童心电图预测方法，属于心电图预测技术领域，包括：将待测高原地区儿童心电图输入预先训练获得的Stacking集成模型，输出待测高原地区儿童心电图对应的预测结果；其中，待测高原地区儿童心电图对应的预测结果包括心电图正常、窦性心动过快、窦性心动过缓以及其他心律失常；预先训练获得Stacking集成模型，包括：获取主流机器学习模型；利用遗传算法筛选主流机器学习模型，获得基分类器组合；利用基分类器组合和元分类器，构建Stacking集成模型；利用训练集对Stacking集成模型进行迭代训练，获得训练完成的Stacking集成模型。本发明使用改进的遗传算法解决了stacking中选择基学习器的困难，从而得到了性能更为优异的模型。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.056 seconds)
