公开(公告)号：CN118969089A

公开(公告)日：2024-11-15

申请号：CN202411196676.2

申请日：2024-08-29

Applicant: 新疆大学

Inventor： 赵楷 ,  姜春羊 ,  毕雪华 ,  李宇恒 ,  高志鹏 ,  张琳琳

IPC: G16B30/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06F18/25 ,  G06F18/22 ,  G06F18/213

Abstract: 本发明提供一种基于全局和局部图表示学习的miRNA疾病关联预测方法，属于miRNA疾病关联预测技术领域。所述基于全局和局部图表示学习的miRNA疾病关联预测方法包括利用miRNA和疾病的多源信息计算多种相似性矩阵并进行融合，根据已知关联信息和融合的相似性特征，构建miRNA‑疾病属性二部图；使用图Transformer神经网络提取节点全局特征表示；使用自适应图卷积神经网络提取节点局部特征表示；对全局和局部特征表示进行融合，利用多层感知机分类器预测潜在的miRNA疾病关联；该方法通过融合节点的全局和局部特征表示，可以全面、深入刻画miRNA和疾病，实现高精度的预测，为科研人员确定miRNA疾病间的关联提供可信的候选miRNA。

公开(公告)号：CN116778427B

公开(公告)日：2025-04-25

申请号：CN202310865814.0

申请日：2023-07-13

Applicant: 新疆大学

Inventor： 张晗 ,  赵楷 ,  张琳琳 ,  毕雪华 ,  王克丰

IPC: G06V20/52 ,  G06V10/42 ,  G06V10/44 ,  G06V10/75 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种行人重识别方法，属于计算机视觉领域，该方法采用识别终端和用于所述识别终端的识别系统；该方法包括以下步骤：步骤1：准备培训数据集：准备Market‑1501、Dukemtmc‑Reid和Cuhk03数据集，并对数据集进行训练，在训练之前，对这些数据集进行预处理，包括图像预处理和数据增强；步骤2：建立姿态估计算法并进行训练和优化。采用姿态估计算法对不同姿态下的外观建模匹配，实现了域自适应的行人重识别，实现更好的识别效果和鲁棒性，能够制作便携式的行人重识别装置，利用该装置的结合在实时视频流中对行人进行稳定的、高准确度的身份识别，能够满足在各种场景下人们对行人重识别的需求，具有很高的实用性和应用前景。

公开(公告)号：CN118740383A

公开(公告)日：2024-10-01

申请号：CN202310312111.5

申请日：2023-03-28

Applicant: 新疆大学

Inventor： 赵楷 ,  闫俊桥 ,  胡煜环 ,  刘军涛 ,  毕雪华 ,  张琳琳

IPC: H04L9/32 ,  H04L9/40 ,  H04L67/1095 ,  G06Q40/04

Abstract: 本发明提供一种基于信誉和节点关键性的快速发布区块的共识方法，属于区块链技术领域，包括以下步骤：在阶梯信誉模型的信誉基础线上筛选稳定或者积极正向节点；构建正向节点的通信交易双层网络图，计算综合节点关键性并选举出共识集合；主节点依据发布协议持续发布预制区块；共识节点并行的对预制区块进行准备验证和提交验证；监督节点并行的领导共识集合的准备阶段和提交阶段；若主节点出现异常，由热备节点或冷备节点替换；所有节点接到提交确认消息后将区块写入本地；一轮共识周期结束后对各节点更新信誉分值；本发明提供一种基于信誉和节点关键性的快速发布区块的共识方法，进一步提高了共识安全性与稳定性以及系统吞吐量。

公开(公告)号：CN120020816A

公开(公告)日：2025-05-20

申请号：CN202311561003.8

申请日：2023-11-20

Applicant: 新疆大学

Inventor： 赵楷 ,  王植尉 ,  毕雪华 ,  买合木提·买买提 ,  范浩轩 ,  张琳琳 ,  王东

IPC: G06F40/30 ,  G06F18/25 ,  G06F18/213 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442

Abstract: 本发明基于深度学习方法，公开了一种基于双通道语义增强的弹幕情感分析模型构建方法。该方法首先获取弹幕文本并完成数据标注，形成弹幕数据集；然后，进行去除停用词、删除无意义标点符号等数据预处理操作；随后，通过BERT进行词嵌入；继而，使用GCN模块和Bi‑LSTM模块组成双通道分别提取全局语义特征和语序特征，并将两个通道提取到的特征进行融合；紧接着，使用句向量增强机制对融合后特征进行增强；接下来，利用DPCNN模型提取增强后特征中的高层次特征并降低维度；最后，使用多层感知机对DPCNN提取的低维高层次特征进行情感分类。该方法能够解决现有弹幕情感分析模型构建方法中的语义信息提取不足、语义丢失和分类维度过高问题。

公开(公告)号：CN116778427A

公开(公告)日：2023-09-19

申请号：CN202310865814.0

申请日：2023-07-13

Applicant: 新疆大学

Inventor： 张晗 ,  赵楷 ,  张琳琳 ,  毕雪华 ,  王克丰

IPC: G06V20/52 ,  G06V10/42 ,  G06V10/44 ,  G06V10/75 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种行人重识别方法，属于计算机视觉领域，该方法采用识别终端和用于所述识别终端的识别系统；该方法包括以下步骤：步骤1：准备培训数据集：准备Market‑1501、Dukemtmc‑Reid和Cuhk03数据集，并对数据集进行训练，在训练之前，对这些数据集进行预处理，包括图像预处理和数据增强；步骤2：建立姿态估计算法并进行训练和优化。采用姿态估计算法对不同姿态下的外观建模匹配，实现了域自适应的行人重识别，实现更好的识别效果和鲁棒性，能够制作便携式的行人重识别装置，利用该装置的结合在实时视频流中对行人进行稳定的、高准确度的身份识别，能够满足在各种场景下人们对行人重识别的需求，具有很高的实用性和应用前景。