-
公开(公告)号：CN111582306A
公开(公告)日：2020-08-25
申请号：CN202010234034.2
申请日：2020-03-30
Applicant: 南昌大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于关键点图表示的近重复图像匹配方法，涉及图像处理技术领域，首先利用关键点检测算子检测图像中的关键点；根据关键点的分布特性，自动将其聚成若干类，每类中包含的关键点空间位置相邻。基于聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边则代表该边所连接两个顶点之间的空间位置关系；建立关联图并且求解关联图上的最大权重团。本发明将图像中的关键点表示为一个图，接下来利用图匹配来实现图像匹配这一问题；充分利用图像中关键点之间的空间位置关系，对近重复图像之间存在的变换具有较强的鲁棒性。
-
公开(公告)号：CN119724430B
公开(公告)日：2025-05-16
申请号：CN202510228738.1
申请日：2025-02-28
Applicant: 南昌大学
IPC: G16C20/70 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/006
Abstract: 本发明涉及水质预测技术领域，具体涉及到一种基于融合鲸鱼优化算法的水质时序预测方法及系统。水质时序预测方法包括：采集水质监测数据并对水质监测数据进行预处理，得到水质时间序列数据；通过小波去噪方式对水质时间序列数据进行降噪处理；通过WOA对EEMD的参数进行优化，通过EEMD对水质时间序列数据进行分解，得到若干个IMF；以目标水质指标作为预测指标，通过CNN‑LSTM深度学习模型对每个IMF进行预测并得到预测结果。本发明采用WOA自动优化EEMD中的关键参数，克服了传统方法中人工选择参数的局限性，提升了预测精度与鲁棒性。本发明优化后的EEMD不仅能够有效降低水质数据中的噪声，还实现了多尺度信号分析。
-
公开(公告)号：CN119360284A
公开(公告)日：2025-01-24
申请号：CN202411919183.7
申请日：2024-12-25
Applicant: 南昌大学
Abstract: 本发明涉及图书盘点技术领域，具体涉及到一种基于计算机视觉的有轨式图书盘点系统及方法。有轨式图书盘点系统包括：书架、轨道装置、书架定位装置、书籍限位装置、盘点装置、服务器端；所述图书书脊朝外放置且书脊处附有一个含对应信息的改进条形码标签；所述盘点装置能够在轨道装置上来回行驶，用于获取图像并识别所述改进条形码标签和书架信息标签，运算得出盘点信息和定位信息，并将盘点信息和定位信息上传至服务器端。本发明通过轨道装置和盘点装置配合在书架上采集视频图像，以提高图像质量；通过将改进条形码标签和书架信息标签的外框架沿长边放置水平，以实现任意角度的条形码识别，提升图书识别率。
-
公开(公告)号：CN117671507B
公开(公告)日：2024-05-10
申请号：CN202410116722.7
申请日：2024-01-29
Applicant: 南昌大学
IPC: G06V20/10 , G06V20/52 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合气象数据的河流水质预测方法，方法包括：基于预设的融合规则将第一气象数据融合至第一水质数据序列中，得到第一目标预测数据序列，以及将第二气象数据融合至第二水质数据序列中，得到第二目标预测数据序列；将第一目标预测数据序列和第二目标预测数据序列分别输入至预设的深度学习模型中，深度学习模型分别输出对应异常预设区域的第一水质预测结果以及对应某一预设区域的第二水质预测结果；根据第一水质预测结果、第二水质预测结果以及第一相似度与第二相似度的比值计算另一预设区域的水质预测结果。能够实现整条河流各个区域的水质快速预测。
-
公开(公告)号：CN103281746A
公开(公告)日：2013-09-04
申请号：CN201310214115.6
申请日：2013-06-03
Applicant: 南昌大学
CPC classification number: Y02D70/00
Abstract: 一种商拓扑能量递阶动态规划的无线传感网路由方法，是将网络生命周期首轮根据传感网节点地理属性划分商集，得出备选划分方案，通过竞争找到最优首层虚分簇并记录簇头。首层各虚簇用同样的方式找到各自最优子簇，以此分层递阶直到各个分簇不能再往下划分为止。最后一层各簇为最终有效分簇，其各簇头节点通过逐级与各自父簇头节点构成传输路径。从第二轮开始首先判断上一轮第一层的各个划分节点间整体能量是否失衡。如失去平衡则调用第一轮同样方法重构造分簇路由。如果平衡则保留划分并选定新簇头，然后进一步判断下一层同父各簇是否平衡，并采取第一层同样方式递归处理直至形成底层分簇、构造新路由。本发明能够构造高效低耗路由、延长网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN103281745A
公开(公告)日：2013-09-04
申请号：CN201310213519.3
申请日：2013-06-03
Applicant: 南昌大学
IPC: H04W40/10
CPC classification number: Y02D70/00
Abstract: 一种商拓扑能量递阶博弈的无线传感网路由方法，包括：整个网络生命周期分为若干轮。在第各轮中的传感网节点根据地理属性诱导出基数相同的不同的节点商集划分，并且通过能量博弈确定是否需要分簇并找到最好的划分作为第一层分簇（划分），并记录选定的簇头。第一层的各个簇根据同样的方式进一步找到各自最优的商集划分作为第二层子分簇，以此方法分层递阶直到各个分簇不能再往下划分为止。最后一层各簇为本轮最终有效分簇，其各簇头节点通过逐级与各自记录的父簇头节点构成多跳传输路径。本发明技术方案能够构造传感网能量均衡分簇路由，有效的降低了信息的延时和能量的损耗延长网络生命周期。
-
公开(公告)号：CN119724430A
公开(公告)日：2025-03-28
申请号：CN202510228738.1
申请日：2025-02-28
Applicant: 南昌大学
IPC: G16C20/70 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/006
Abstract: 本发明涉及水质预测技术领域，具体涉及到一种基于融合鲸鱼优化算法的水质时序预测方法及系统。水质时序预测方法包括：采集水质监测数据并对水质监测数据进行预处理，得到水质时间序列数据；通过小波去噪方式对水质时间序列数据进行降噪处理；通过WOA对EEMD的参数进行优化，通过EEMD对水质时间序列数据进行分解，得到若干个IMF；以目标水质指标作为预测指标，通过CNN‑LSTM深度学习模型对每个IMF进行预测并得到预测结果。本发明采用WOA自动优化EEMD中的关键参数，克服了传统方法中人工选择参数的局限性，提升了预测精度与鲁棒性。本发明优化后的EEMD不仅能够有效降低水质数据中的噪声，还实现了多尺度信号分析。
-
公开(公告)号：CN118917347A
公开(公告)日：2024-11-08
申请号：CN202411404444.1
申请日：2024-10-10
Applicant: 南昌大学
Abstract: 本发明公开了一种非均匀动态脑网络节点确定方法及系统，方法包括：将EEG时间序列划分成若干EEG时间子序列，并选取与网络节点数相同的前C个EEG时间子序列；根据各个时间子序列之间的互信息熵，创建互信息熵矩阵M，并计算互信息熵矩阵M的期望值E，根据期望值E对互信息熵矩阵M进行稀疏化；以EEG时间子序列为网络节点，互信息熵为边权值构建互信息熵矩阵M的动态脑网络，并计算动态脑网络的稀疏度；以动态脑网络中节点个数为节点数，设置节点间连接概率p，构建ER随机网络，并根据ER随机网络计算动态脑网络的小世界属性指标；根据稀疏度和小世界属性指标对动态脑网络进行更新。选择若干子序列构建脑网络，实现网络节点数自动划分。
-
公开(公告)号：CN117671507A
公开(公告)日：2024-03-08
申请号：CN202410116722.7
申请日：2024-01-29
Applicant: 南昌大学
IPC: G06V20/10 , G06V20/52 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合气象数据的河流水质预测方法，方法包括：基于预设的融合规则将第一气象数据融合至第一水质数据序列中，得到第一目标预测数据序列，以及将第二气象数据融合至第二水质数据序列中，得到第二目标预测数据序列；将第一目标预测数据序列和第二目标预测数据序列分别输入至预设的深度学习模型中，深度学习模型分别输出对应异常预设区域的第一水质预测结果以及对应某一预设区域的第二水质预测结果；根据第一水质预测结果、第二水质预测结果以及第一相似度与第二相似度的比值计算另一预设区域的水质预测结果。能够实现整条河流各个区域的水质快速预测。
-
公开(公告)号：CN114155202A
公开(公告)日：2022-03-08
申请号：CN202111334195.X
申请日：2021-11-11
Applicant: 南昌大学第一附属医院
Abstract: 本发明公开了基于特征融合和迁移学习的甲状腺结节超声图像分类方法，包括：采集甲状腺超声波影像进行预处理，提取出感兴趣区域并进行人工标记去除和降噪，并利用加权自适应伽马校正；进行图像增强，对图像增强后的样本数据集进行样本拓展，并利用拓展样本对预训练过的ResNet18卷积神经网络进行迁移学习微调；将自适应阈值LTP算子提取出的丰富纹理特征作为辅助输入，与超声图像通过多层卷积自动提取出的深层特征进行多尺度特征融合，共同对神经网络进行二次微调训练。本发明解决训练样本数量不足的问题，降低了模型的过拟合风险，还有效地将不同尺度的纹理特征和深层特征融合为联合特征参与网络训练，从而提升深层神经网络对甲状腺结节图像的分类效果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.091 seconds)
