-
公开(公告)号：CN107480847B
公开(公告)日：2021-06-04
申请号：CN201710472754.0
申请日：2017-06-20
Applicant: 郑州大学
Abstract: 本发明的能源区块链网络和基于该网络的虚拟电厂运行与调度方法，根据能源区块网络EBN，所有的发电单元G根据映射α形成供电索引区块链CPSIB；所有的发电单元G和用电单元P的交易过程形成电力交易集T，并根据映射β形成电力交易区块链CETB，在T形成的过程中，所有的用电单元P和发电单元G根据具体的智能合约IC完成交易。本发明将该能源区块网络模型引入到虚拟电厂的运行调度过程中，在提高虚拟电厂整体效率的同时，也籍由区块链自身的密码学特点使虚拟电厂获得了更大程度的信息安全保障。
-
公开(公告)号：CN107480847A
公开(公告)日：2017-12-15
申请号：CN201710472754.0
申请日：2017-06-20
Applicant: 郑州大学
CPC classification number: G06Q10/06315 , G06Q50/06
Abstract: 本发明的能源区块链网络和基于该网络的虚拟电厂运行与调度方法，根据能源区块网络EBN，所有的发电单元G根据映射α形成供电索引区块链CPSIB；所有的发电单元G和用电单元P的交易过程形成电力交易集T，并根据映射β形成电力交易区块链CETB，在T形成的过程中，所有的用电单元P和发电单元G根据具体的智能合约IC完成交易。本发明将该能源区块网络模型引入到虚拟电厂的运行调度过程中，在提高虚拟电厂整体效率的同时，也籍由区块链自身的密码学特点使虚拟电厂获得了更大程度的信息安全保障。
-
公开(公告)号：CN106650920A
公开(公告)日：2017-05-10
申请号：CN201710088050.3
申请日：2017-02-19
Applicant: 郑州大学
Abstract: 本发明公开了一种利用基于单隐层前馈神经网络(SLFNs)的极限学习机(ELM)算法的心血管疾病(CVD)预测模型——ELPSO‑ELM混合智能算法预测模型。该算法通过五阶段连续变异方式，分别为Gaussian变异、Cauchy变异、Pg各维opposition‑based变异、Pg整体opposition‑based变异、DE‑based变异，建立增强领导粒子的粒子群算法(ELPSO)，以粒子群(PSO)算法的优化策略，对单隐层前馈神经网络(SLFNs)隐层单元参数进行优化，设计了ELPSO‑ELM混合智能算法预测模型。解决了传统模型纳入预测因子少、数据要求高的局限性。
-
公开(公告)号：CN105488242A
公开(公告)日：2016-04-13
申请号：CN201510635900.8
申请日：2015-09-30
Applicant: 郑州大学
CPC classification number: G06F17/5004 , E02B7/06 , G06F17/5036
Abstract: 本发明提供基于骨架和模板的土石坝三维原型构建方法，优化土石坝模型，节约建模的时间，提高设计的效率和质量；其方案是，包括以下步骤：步骤一：土石坝原型的参数化；步骤二：土石坝原型的骨架定位模型；步骤三：土石坝原型构件的模板库；步骤四：利用设计表驱动土石坝原型构件；步骤五：土石坝原型构件的集成装配；本发明把土石坝拆分成最小的构件，根据相互关联特征，构成整体，在构建的模板库中选择不同的类型土石坝，进行构件改进设计，可以快速完成土石坝的三维模型设计，提高设计工作质量和设计效率。
-
公开(公告)号：CN111260636B
公开(公告)日：2023-07-25
申请号：CN202010058026.7
申请日：2020-01-19
Applicant: 郑州大学
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本公开提供了一种模型训练方法，包括：获取多个样本图像，其中，多个样本图像中的任一样本图像包括：基因型已知的关于指定肿瘤的三维PET图像。获取任一样本图像的基因型信息。然后，确定任一样本图像的特征集。基于上述所获取的多个样本图像各自的基因型信息和特征集，对初始模型进行训练，以得到目标模型，该目标模型用于确定：基因型未知的关于指定肿瘤的三维PET图像的基因型信息。本公开还提供了一种模型训练设备、图像处理方法和设备以及存储介质。
-
Patent Agency Ranking
公开(公告)号：CN111242879B
公开(公告)日：2023-05-16
申请号：CN202010056778.X
申请日：2020-01-17
Applicant: 郑州大学
Abstract: 本公开提供了一种图像处理方法，包括：获取原始图像，其中，所述原始图像包括原始直方图；处理所述原始图像，得到边缘图像和非边缘图像；分别处理所述边缘图像和所述非边缘图像，得到所述边缘图像的边缘直方图和所述非边缘图像的非边缘直方图；处理所述边缘直方图和所述非边缘直方图，得到融合直方图；以及基于所述融合直方图处理所述原始直方图，得到经处理直方图，以便根据所述经处理直方图得到经处理图像，其中，所述经处理图像的对比度高于所述原始图像的对比度。本公开还提供了一种图像处理装置、一种电子设备以及一种计算机可读存储介质。
-
公开(公告)号：CN113516668A
公开(公告)日：2021-10-19
申请号：CN202110667652.0
申请日：2021-06-16
Applicant: 郑州大学
Abstract: 本发明公开了一种物联网应用中图像语义分割方法，本发明包括基于深度学习的图像语义分割和基于区域分类的图像语义分割，在基于深度学习的图像语义分割中，结合DNN先将原始图像划分成不同的目标候选区域，得到一系列图像块，再利用DNN对图像块或图像块中的每个像素进行语义分类，最后根据分类结果对原始图像进行标注，得到最终分割结果；在基于区域分类的图像语义分割中，包括应用基于候选区域的方法和基于分割掩膜的方法，基于候选区域的方法首先利用相应的算法生成大量候选区域并筛选出合理的候选区域，再运用CNN对每个候选区域提取图像特征和语义信息，利用分类器对候选区域中的图像块或像素进行分类，最后输出分割结果。
-
公开(公告)号：CN117830362A
公开(公告)日：2024-04-05
申请号：CN202311732231.7
申请日：2023-12-16
Applicant: 郑州大学
IPC: G06T7/33 , G06T7/00 , G06T3/4038 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种无监督医学图像配准方法包括：获取固定图像和移动图像；将固定图像和移动图像进行合并，得到初始合并图像；将初始合并图像进行分割得到多个预处理图像块，对得到的多个预处理图像块进行多次幽灵卷积旋转变压处理得到多个处理图像块；将得到的多个处理图像块进行合并得到合并处理图像；构建形变神经网络模型，将得到的合并处理图像输入到形变神经网络模型中得到形变场；利用得到的形变场对移动图像进行扭曲处理得到扭曲图像。提出的算法相较之前的方法，全局的特征提取效果更好，且加入了局部特征的捕获，实现了较大形变配准的同时，融入了更多细节；保证配准的有效性以及鲁棒性的同时，最大化的减少了训练所需要的开销和成本。
-
公开(公告)号：CN116563893A
公开(公告)日：2023-08-08
申请号：CN202310595107.4
申请日：2023-05-25
Applicant: 郑州大学
Abstract: 本发明提供一种人体点云数据的处理方法及装置。其中，所述人体点云数据的处理方法，包括：获取人体的源点云数据以及标准点云数据；根据所述源点云数据以及标准点云数据，分别得到第一形变场和第二形变场；第一形变场通过深度链接动态网络得到；所述第二形变场是通过所述概率配准模型对所述源点云数据以及标准点云数据进行处理得到的；根据所述第一形变场和所述第二形变场，确定人体的目标点云数据。本发明的方案能够同时保持局部邻接结构和全局拓扑，从而提关节高铰链配准效果，并且实现肢体遮挡时的人体部位的区分。
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.036 seconds)
