-
公开(公告)号：CN119537751A
公开(公告)日：2025-02-28
申请号：CN202411599861.6
申请日：2024-11-11
Applicant: 吉林大学
Abstract: 基于退化空间ARMA模型,本发明提出一种基于退化空间ARMA模型的FFRA对角ULA相差估计和模糊解决方法,本发明首先推导了修正Yule‑Walker(MYW)线性方程组和求根多项式,由于对角ULA阵元间隔大于载波波长的一半,对角线相差产生模糊问题。利用对角线和轴向相差所满足的显式线性组合关系,本发明提出了一种简单有效的对角线相差模糊消除方案,由轴向估计相差推导出无模糊对角线相差实际区间。本发明利用X‑Y平面上FFRA的对角ULA,通过RMSE(均方根误差)和CRB(Cramer‑Rao界)数值仿真结果表明,所提方法对独立和相干信源均有效,并且在消除模糊后RMSE缓慢收敛于相应的CRB。由于能够充分利用FFRA的轴向和对角ULA,所提估计方法,为基于ULA组合的2维DoA估计提供了基础。
-
公开(公告)号：CN113640736B
公开(公告)日：2023-07-25
申请号：CN202110971251.4
申请日：2021-08-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于退化的空间ARMA模型的多维传感器阵列信源测向方法，属于阵列信号处理中基于多维阵列的二维信源测向。包括3维体阵模型，多维阵列中任一ULA的信源相差估计，多维阵列中的ULA分类准则，多维阵列中信源相差(或角度)配对方案，多维阵列中信源仰角和方位角的计算。本发明的优点是：能够处理多维阵列中的任一ULA,二维信源测向方法能够匹配和发挥多维阵列ULA及其数据丰富的优势；给出了能够实现信源相差自动配对的ULA组合准则，所提测向方法能够处理两种方位角定义下ULA，而且对信源和传感器阵元噪声的信号性质仅要求为平稳；所提测向方法是直接处理多维阵列数据，不涉及矩阵特征值分解或奇异值分解，计算较为高效。
-
公开(公告)号：CN112885409B
公开(公告)日：2023-03-24
申请号：CN202110059973.2
申请日：2021-01-18
Applicant: 吉林大学
Abstract: 本发明属于结直肠癌蛋白标志物选择技术领域，具体涉及一种基于特征选择的结直肠癌蛋白标志物选择系统；其中数据处理模块采集大肠癌蛋白文本数据，并对数据进行处理，特征排序模块采集数据处理模块输出的数据，并按ReliefF法计算每种大肠癌表达蛋白的权重；特征选择模块使用Lasso方法计算每种大肠癌表达蛋白的特征重要性，最后分别将每种蛋白质的特征重要性与该种蛋白质的权重相乘，获得每种蛋白质的重要性评分，归一化处理得到每种蛋白质的最终重要性评分，将蛋白质的最终重要性评分从大到小进行排序，选择排名靠前的蛋白质作为输出；辅助临床医生对肿瘤生物标志物的鉴定，分析肿瘤组织与正常组织的蛋白质组差异。
-
公开(公告)号：CN108877949B
公开(公告)日：2021-04-27
申请号：CN201810592920.5
申请日：2018-06-11
Applicant: 吉林大学
Abstract: 本发明涉及一种基于孤立森林算法和投票机制的唐氏综合症筛查方法，该方法包括下述步骤：数据预处理：将多条样本加入数据集；划分数据集，得到A训练集和B训练集，进一步交叉划分A训练集，得到多个训练子集：训练得到多个孤立森林模型及其对应的异常度得分阈值；对B训练集中的样本投票得到每个样本的所得票数：获得预判决阈值以及B训练集中的每条样本的预判决结果；使用训练支持向量机SVM模型进行最终判决。本发明能够提高异常的检出率，降低误诊率。
-
公开(公告)号：CN108597603B
公开(公告)日：2021-04-20
申请号：CN201810416949.8
申请日：2018-05-04
Applicant: 吉林大学
Abstract: 本发明涉及一种基于多维高斯分布贝叶斯分类的癌症复发预测系统，该系统的包括预处理模块、训练模块和贝叶斯分类器；预处理模块对训练集进行数据清洗并生成类向量数据集；训练模块首先计算两个类属性先验概率，然后利用pearson相关系数将数据属性分成与类属性关联度紧密的类数据属性集合和与类属性关联度稀疏的II类数据属性集合，两类数据属性集合分别利用多维高斯分布和一维高斯分布来计算相应的概率；贝叶斯分类器将两者概率及类别的先验概率联合共同作为数据属于每个类的概率，并据此判别癌症的分类测试结果。本发明提高了癌症是否复发的预测准确率。
-
Patent Agency Ranking
公开(公告)号：CN108847285A
公开(公告)日：2018-11-20
申请号：CN201810436034.3
申请日：2018-05-09
Applicant: 吉林大学
Abstract: 本发明涉及一种基于机器学习的孕前期及孕中期唐氏综合征筛查方法，该方法包括如下步骤：选择孕妇中孕期唐氏筛查结果数据中的ns个字段作为训练特征；将Ns条样本加入数据集A；对数据集A内的样本进行预处理，使少数类集合与多数类集合中的样本数目达到均衡，获得合成数据集；将合成数据集中的样本进行处理获得胎儿是否患有唐氏综合征的预测模型，利用预测模型对测试样本进行预测得到预测结果。本发明避免了人为划分指标阈值的过程，减轻了人力资源，能够取得较高的准确率和较低的假阳性率。
-
公开(公告)号：CN107544050A
公开(公告)日：2018-01-05
申请号：CN201710803692.7
申请日：2017-09-07
Applicant: 吉林大学
IPC: G01S3/00
Abstract: 本发明涉及一种白噪声背景下一种构造自适应阈值估计信号源数目的方法，属于阵列信号处理技术领域。基于一种自适应阈值的思想，并给出了阈值设定的一种依据以及适用于传感器数较少时阈值设定的参考公式，能够有效的提高低信噪比时信号源数目估计的准确率。经过仿真实验得到结果采用自适应的阈值确实能够提高低信噪比环境下信号源数目估计的准确率，证明自适应阈值的研究具有一定的研究前景，并且能够有效的应用于实际环境中。
-
公开(公告)号：CN117084693A
公开(公告)日：2023-11-21
申请号：CN202311280333.X
申请日：2023-10-07
Applicant: 吉林大学
Abstract: 本发明属于脑电信号分析技术领域，具体涉及一种基于多领域特征融合和注意力机制的脑病检测系统；从三个领域，包括时域、频域和基于复杂网络指标的大脑功能网络，分别对脑电信号进行特征提取；并且构建了一个准确率高、鲁棒性强的多维特征融合网络模型检测各种脑部疾病；本发明的脑电图信号分析方法可以准确描述大脑细节特征和状态，有效度量大脑功能网络的特征指标，为脑病的智能诊断、预警提供了新方案。
-
公开(公告)号：CN109800811B
公开(公告)日：2022-09-06
申请号：CN201910065984.4
申请日：2019-01-24
Applicant: 吉林大学
IPC: G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。
-
公开(公告)号：CN113640736A
公开(公告)日：2021-11-12
申请号：CN202110971251.4
申请日：2021-08-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于退化的空间ARMA模型的多维传感器阵列信源测向方法，属于阵列信号处理中基于多维阵列的二维信源测向。包括3维体阵模型，多维阵列中任一ULA的信源相差估计，多维阵列中的ULA分类准则，多维阵列中信源相差(或角度)配对方案，多维阵列中信源仰角和方位角的计算。本发明的优点是：能够处理多维阵列中的任一ULA,二维信源测向方法能够匹配和发挥多维阵列ULA及其数据丰富的优势；给出了能够实现信源相差自动配对的ULA组合准则，所提测向方法能够处理两种方位角定义下ULA，而且对信源和传感器阵元噪声的信号性质仅要求为平稳；所提测向方法是直接处理多维阵列数据，不涉及矩阵特征值分解或奇异值分解，计算较为高效。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
