-
公开(公告)号:CN119357572A
公开(公告)日:2025-01-24
申请号:CN202411929679.2
申请日:2024-12-26
Applicant: 山东工商学院 , 山东汉鑫科技股份有限公司
Abstract: 本发明属于时空数据补全技术领域,具体涉及一种基于复合非凸函数和结构回归的时空数据补全方法,步骤包括将待补全的时空数据存储为三维张量形式的目标张量;构造目标张量的WCT范数,用于捕捉变换域中时空数据的全局多维低秩特性;构造目标张量的结构回归模型,用于揭示复杂的时空数据相关模式;结合WCT范数和结构回归模型,构造时空数据补全模型,并引入辅助变量和附加约束条件,转化时空数据补全模型的目标函数;采用交替方向乘子法求解转化后的目标函数,得到目标张量的最优解,完成对时空数据的补全。本发明有效地捕捉变换域中张量的全局多维低秩属性,提升了张量恢复的效果。
-
公开(公告)号:CN119540661A
公开(公告)日:2025-02-28
申请号:CN202510095857.4
申请日:2025-01-22
Applicant: 山东工商学院
IPC: G06V10/764 , G06V10/762 , G06V10/74 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机辅助诊断技术领域,具体涉及基于Mamba的动态脑网络特征学习方法,步骤包括:进行数据处理,包括数据收集、数据预处理、动态功能网络序列构建和状态转换序列的构建;将处理后的数据作为样本数据,进行样本增强;构建包含线性嵌入层、Mamba层、线性映射层一、激活函数和损失函数的Mamba模型,作为分类模型;利用状态转换序列对Mamba模型进行训练,优化Mamba模型的超参数;基于训练后的Mamba模型,对增强后的样本数据进行预测,通过Mamba模型输出的标签来确定样本数据的分类结果。本发明能够高效捕捉动态脑网络状态转移序列中隐藏的联系,实现对每个脑网络序列的高精度分类。
-
公开(公告)号:CN119130969A
公开(公告)日:2024-12-13
申请号:CN202411229344.X
申请日:2024-09-03
Applicant: 山东工商学院 , 烟台华东电子科技有限公司 , 山东汉鑫科技股份有限公司
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于深度学习图像处理技术领域,具体涉及基于改进U‑Net和ViT的集装箱破损检测方法,步骤包括获取集装箱的样本图像数据,组成原始数据集;构建CBAM_Vgg_UNet模型;对CBAM_Vgg_UNet模型进行训练,获得集装箱箱面分割网络模型;获得只包含集装箱箱面的图像数据,组成箱面数据集;训练ViT分类模型,获得基于ViT的集装箱破损判断分类模型;对集装箱进行实时的图像采集,组成实时数据集;获得实时的只包含集装箱箱面的图像数据,输入至集装箱破损判断分类模型中,设置判断阈值,进行破损判断,完成集装箱破损检测。本发明能够更好地捕捉到集装箱箱面的特征,使得破损检测更为可靠和精准。
-
公开(公告)号:CN118038231B
公开(公告)日:2024-06-18
申请号:CN202410437716.1
申请日:2024-04-12
Applicant: 山东工商学院 , 青岛大学附属医院 , 烟台毓璜顶医院 , 山东医影智能科技有限公司
IPC: G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/082 , G06N3/042 , G06N3/0464 , G06V10/40
Abstract: 本发明属于多模态脑影像分析技术领域,具体涉及小样本场景下融合多维信息的脑网络构建及特征提取方法,步骤包括:对不同模态的脑影像进行预处理,获取处理后的脑影像,对其中每个独立被试的处理后的脑影像进行标示,并进行标准化处理;对于标准化处理后的脑影像,在其中引入L1正则项,获得回归系数矩阵并进行二值化,得到二值化的多特征融合矩阵;利用带有自注意力机制池化层的图卷积神经网络,对多特征融合矩阵进行特征提取;构建四重暹罗网络学习框架,挖掘输入特征之间的特征相似性,最终达到分类的目。本发明可以更好地提取大脑网络的特征,并使得特征更具备区分度,能够更好的应用于精神疾病的辅助诊断。
-
公开(公告)号:CN118038231A
公开(公告)日:2024-05-14
申请号:CN202410437716.1
申请日:2024-04-12
Applicant: 山东工商学院 , 青岛大学附属医院 , 烟台毓璜顶医院 , 山东医影智能科技有限公司
IPC: G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/082 , G06N3/042 , G06N3/0464 , G06V10/40
Abstract: 本发明属于多模态脑影像分析技术领域,具体涉及小样本场景下融合多维信息的脑网络构建及特征提取方法,步骤包括:对不同模态的脑影像进行预处理,获取处理后的脑影像,对其中每个独立被试的处理后的脑影像进行标示,并进行标准化处理;对于标准化处理后的脑影像,在其中引入L1正则项,获得回归系数矩阵并进行二值化,得到二值化的多特征融合矩阵;利用带有自注意力机制池化层的图卷积神经网络,对多特征融合矩阵进行特征提取;构建四重暹罗网络学习框架,挖掘输入特征之间的特征相似性,最终达到分类的目。本发明可以更好地提取大脑网络的特征,并使得特征更具备区分度,能够更好的应用于精神疾病的辅助诊断。
-
公开(公告)号:CN116935352A
公开(公告)日:2023-10-24
申请号:CN202310611100.7
申请日:2023-05-29
Applicant: 山东工商学院
IPC: G06V20/58 , G06V40/10 , G06V20/40 , G06V10/774
Abstract: 本发明公开一种行人轨迹的预测方法、系统、电子设备及存储介质,涉及车辆智能驾驶技术领域,方法包括:基于当前时间段所有行人轨迹信息,采用第一多层感知机、正弦位置编码、a1个第一entmax函数、第二多层感知机、第三多层感知机、a1个更新后的第一entmax函数、更新后的第二多层感知机、更新后的第三多层感知机、第四多层感知机、第五多层感知机、a2个第二entmax函数、第六多层感知机、第七多层感知机、a3个第八多层感知机、a3个第九多层感知机、a3个第十多层感知机、a3个第三entmax函数、第十一多层感知机、第十二多层感知机和第十三多层感知机,确定待下一时间段轨迹信息,提高了行人轨迹预测的精度。
-
-
-
-
-