-
公开(公告)号：CN118918363A
公开(公告)日：2024-11-08
申请号：CN202410943009.X
申请日：2024-07-15
Applicant: 杭州电子科技大学
IPC: G06V10/764 , A61B5/00 , A61B5/055 , G06V10/774 , G06T7/00 , G16H30/00 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06F17/16 , G06F17/18 , G06N3/08
Abstract: 本发明公开了基于GFE‑Mamba神经网络的可解释阿尔茨海默进展分类方法，包括如下步骤：步骤1、构建GFE‑Manba神经网络模型，步骤2、建立MRI和PET图像数据集并分为训练集和测试集，应用MRI和PET图像训练集和测试集预训练3D GAN‑Vit模块；步骤3、建立MRI和量表数据结合的多模态阿尔茨海默进展分类数据集，并划分为训练集和测试集；步骤4、使用训练集对预训练的GFE‑Mamba神经网络模型进行训练并进行参数调优；步骤5、使用测试集测试评估得到的预训练的GFE‑Mamba神经网络模型，最终实可解释多模态阿尔茨海默进展分类。该方法不仅能够为临床医生诊断和治疗重大危险疾病提供重要参考标准，还进一步增强了临床医生对AD和其他重大脑部疾病的诊断能力，对于临床诊断和AD疾病预防具有重要意义。
-
公开(公告)号：CN118536330A
公开(公告)日：2024-08-23
申请号：CN202410349782.3
申请日：2024-03-26
Applicant: 杭州电子科技大学
IPC: G06F30/23 , G16C60/00 , G06F113/26 , G06F119/08 , G06F119/14 , G06F113/22
Abstract: 本发明公开了一种考虑模具作用的复合材料固化变形的预测方法，考虑复合材料固化成型过程中多种材料状态的交替和多个物理化学场的耦合，基于ABAQUS用户子程序，开发了固化变形预测模型，该模型包括两部分：热—化学模型和应力应变模型；采用热力顺序耦合的思路，先计算出复合材料构件上温度场和固化度场的分布情况，然后在此基础上考虑复合材料的力学性能的转变，模具和构件的相互作用，完成固化变形的预测。本发明基于顺序热力耦合的方法准确的把握了时变的树脂模量和热性能参数、树脂收缩和复合材料的热膨胀、模具和构件的相互作用等影响因素，提高了预测复合材料固化变形的准确性。
-
公开(公告)号：CN117236116A
公开(公告)日：2023-12-15
申请号：CN202311199491.2
申请日：2023-09-18
Applicant: 杭州电子科技大学
IPC: G06F30/23 , G06T17/20 , G06F30/15 , G06F113/26
Abstract: 本发明公开了一种基于三角网格的飞机长桁加筋壁板高精度建模方法。现有技术中通过FEM软件建模时，建模前期准备要仔细，测量数据要准确，且建模过程中工作量大，通过CAD软件建模时，人工操作量多，且结构调研和测量要具有针对性。本发明首先构建整体的长桁加筋壁板横截面模型，且若为弯曲蒙皮，判断弯曲蒙皮上各长桁与弯曲蒙皮接触面的贴合程度是否达到要求，若没有达到要求，进一步细分网格和重新构建模型，直到弯曲蒙皮上各长桁与弯曲蒙皮接触面的贴合程度达到要求，最后进行拉伸得到三维模型。本发明相比于传统的FEM建模或CAD建模，具有较强的针对性，提高了建模效率，且具有更高的细节精度，并在保证效率的同时减少人工劳动力。
-
公开(公告)号：CN119723630A
公开(公告)日：2025-03-28
申请号：CN202411512411.9
申请日：2024-10-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人脸模板和滑动窗口的人脸提取方法，首先将图片转为灰度图，并采用sobel算子进行边缘检测得到边缘强度特征；对灰度图进行预处理，然后对经过处理的图片计算积分图；基于人脸模板，对人脸模板满足规则的阈值进行赋值；基于积分图计算像素密度特征，然后结合边缘强度特征标记人脸候选区域；最后利用滑动窗口检测人脸候选区域并与人脸模板满足规则结合寻找具体人脸位置，绘制人脸方框。本发明引入人脸模板与自适应的滑动窗口检测结合技术，利用检测区域与人脸模板的匹配程度增强检测的准确性。本发明采用基于特征点的局部滑动窗口，避免对无效区域、无效特征的检测，通过对边缘强度特征和像素密集度特征的检测，来预测人脸的大致位置，并结合人脸模板搜索人脸具体位置。
-
公开(公告)号：CN114238758A
公开(公告)日：2022-03-25
申请号：CN202111531109.4
申请日：2021-12-14
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06F16/36 , G06F40/289 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开一种基于多源跨界数据融合的用户画像预测方法，针对现有技术项目特征稀疏、高阶结构化特征缺失以及用户行为序列特征缺失而导致的用户特征预测不准的问题。基于用户产生的电商数据，利用知识图谱扩充商品特征、利用图卷积网络充分对用户历史购买记录进行挖掘及利用循环神经网络预测用户的潜在购买特征，有效提升了用户画像预测的准确性。本发明的优点在于利用通过知识图谱解决了商品特征稀疏的问题，通过图卷积神经网络解决高阶结构化特征缺失的问题，通过循环神经网络解决了用户行为序列特征缺失的问题，为推荐系统的性能提升打下良好基础。
-
Patent Agency Ranking
公开(公告)号：CN119672588A
公开(公告)日：2025-03-21
申请号：CN202411493375.6
申请日：2024-10-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征相似度的动作分割网络优化方法。本发明首先需要获取数据集的视频，将原始的视频进行分帧处理，得到时序图片，然后获得对应的标签。然后利用通用的特征提取网络获得对数据集进行特征提取，得到相应的特征，然后根据输入的特征计算代表性特征。然后根据代表性特征进行特征相似度计算，然后进行滤波处理，之后将将滤波后的特征相似度输入到损失函数中，反向传播更新参数。本发明通过求得视频中动作的代表性特征，结合特征相似度，对网络的训练加以辅助，达到更好的动作分类结果，减少了过分割错误，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN119477941A
公开(公告)日：2025-02-18
申请号：CN202411573718.X
申请日：2024-11-06
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06N3/045 , G06N3/0442 , G06T7/00
Abstract: 本发明公开了一种基于XLSTM‑HVED神经网络的脑部神经胶质瘤缺失模态分割方法，包括如下步骤：步骤1、获取神经胶质瘤数据集，并将数据集划分为训练集和测试集；步骤2、构建用于神经胶质瘤分割的XLSTM‑HVED神经网络模型，所述XLSTM‑HVED神经网络模型包括SAVE编码器、Vision XLSTM注意力模块、分割解码器、重建解码器和DuSFE模块；步骤3、使用训练集对XLSTM‑HVED神经网络模型进行训练，结合神经胶质瘤图像特点,对XLSTM‑HVED神经网络模型参数调优；步骤4、使用测试集测试评估得到的XLSTM‑HVED网络模型，最终实现脑部神经胶质瘤缺失模态分割。
-
公开(公告)号：CN118536330B
公开(公告)日：2024-12-13
申请号：CN202410349782.3
申请日：2024-03-26
Applicant: 杭州电子科技大学
IPC: G06F30/23 , G16C60/00 , G06F113/26 , G06F119/08 , G06F119/14 , G06F113/22
Abstract: 本发明公开了一种考虑模具作用的复合材料固化变形的预测方法，考虑复合材料固化成型过程中多种材料状态的交替和多个物理化学场的耦合，基于ABAQUS用户子程序，开发了固化变形预测模型，该模型包括两部分：热—化学模型和应力应变模型；采用热力顺序耦合的思路，先计算出复合材料构件上温度场和固化度场的分布情况，然后在此基础上考虑复合材料的力学性能的转变，模具和构件的相互作用，完成固化变形的预测。本发明基于顺序热力耦合的方法准确的把握了时变的树脂模量和热性能参数、树脂收缩和复合材料的热膨胀、模具和构件的相互作用等影响因素，提高了预测复合材料固化变形的准确性。
-
公开(公告)号：CN112487199B
公开(公告)日：2022-02-18
申请号：CN202011331045.9
申请日：2020-11-24
Applicant: 杭州电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开了一种基于用户购买行为的用户特征预测方法，该方法包括：采集目标用户特征信息、历史订单信息以及订单商品信息，并利用订单商品信息从公开知识图谱获取商品相关的三元组知识，构建知识子图，利用图卷积神经网络聚合实体近邻局部特征，充分学习实体的表示向量；在用户特征预测模型中根据不同的商品特征以及不同的具有相似购买行为用户的特征学习到目标用户与不同商品以及相似购买行为用户的相似度，充分根据用户间以及用户实体间的相似度学习其特征向量，满足用户的个性化需求。本发明提高了用户特征预测的准确性，从而可以更准确地预测用户特征，构造更完整的用户画像。
-
公开(公告)号：CN119762632A
公开(公告)日：2025-04-04
申请号：CN202411503462.5
申请日：2024-10-25
Applicant: 杭州电子科技大学
IPC: G06T13/20 , G06V10/80 , G06N3/047 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于光流信息的扩散模型视频生成方法。首先对现有数据集中的视频进行预处理，获取参考图像信息和光流信息；然后使用标准Stable Diffusion模型作为视频生成的主干网络；使用两个与标准SD模型中Unet结构相同的Unet分别提取参考图像特征和光流特征，参考图像特征在自注意力层与SD模型Unet的自注意力层进行融合，光流特征在交叉注意力层和SD模型Unet的时序注意力层进行融合。同时为了更好的利用光流信息，本发明提出了运动损失来进一步提高网络的生成效果。另外，本发明也采用了多样化的提示信息使得网络能够获得更加稳定的生成效果。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.036 seconds)
