基于段融合Transformer模型的高维连续光谱数据分析方法、系统、设备及介质

    公开(公告)号:CN118013363A

    公开(公告)日:2024-05-10

    申请号:CN202410161629.8

    申请日:2024-02-05

    发明人: 胡波 申晓坤 于强

    摘要: 基于段融合Transformer模型的高维连续光谱数据分析方法、系统、设备及介质,其方法为,首先建立分段Transformer子模块进行段内特征提取;然后对处理后的光谱特征,结合金字塔架构,逐层融合分段的信息,设置段融合子模块,进行段融合;最后将光谱特征输入分类器,输出光谱类别;其系统、设备及介质利用上述方法,将光谱特征分段与Transformer结合,融合卷积神经网络和双维度注意力,构建高效的分段Transformer模块精准分析段内特征;段融合Transformer模型通过金字塔设计架构逐层组合段间信息,将光谱内在特征与Transformer结合解决高维连续光谱数据离散化的问题;本发明降低了光谱数据的计算复杂度,提高了光谱内在特征信息分析的准确性,应用于拉曼光谱、表面增强拉曼散射光谱、红外光谱以及高光谱等。

    一种基于3D打印模板支撑的软管微流控芯片及其制备方法

    公开(公告)号:CN110280317A

    公开(公告)日:2019-09-27

    申请号:CN201910551466.3

    申请日:2019-06-24

    IPC分类号: B01L3/00

    摘要: 本发明提供一种基于3D打印模板支撑的软管微流控芯片及其制备方法,包括3D打印模板和软管;3D打印模板上设置有凹槽,凹槽的宽度与软管的外径配合,使用时,软管嵌入凹槽中并沿凹槽的延伸方向延伸,形成微流控通道。本发明基于3D打印模板支撑的软管微流控芯片,是采用3D打印模板支撑固定软管形成微流控通道,其中的3D打印模板能够方便的通过3D打印进行制造,因此本发明基于3D打印模板支撑的软管微流控芯片制作起来更加容易,不需要洁净室、笨重和昂贵的设备及专业技能。

    一种基于半导体激光器和可饱和吸收体的有源外腔结构

    公开(公告)号:CN108429124B

    公开(公告)日:2019-08-16

    申请号:CN201810432973.0

    申请日:2018-05-08

    IPC分类号: H01S3/11 H01S3/094

    摘要: 本发明公开了一种基于半导体激光器和可饱和吸收体的有源外腔结构,涉及激光器领域,包括用于对入射光信号进行时域调控的半导体激光器,用于对半导体激光器反馈光进行校准的准直透镜,用于对反馈光进行吸收调控的可饱和吸收体以及与待调控光纤激光器连接的光引线。本发明中,有源外腔结构通过光引线与传统谐振腔型光纤激光器或无谐振腔的光钎随机激光器连接,实现动态调控,优化调Q或者锁模条件,便于复杂条件下的脉冲输出。

    一种3D打印类河弯截面微流通道的微流控芯片及微流通道的设计方法

    公开(公告)号:CN110004059A

    公开(公告)日:2019-07-12

    申请号:CN201910289809.3

    申请日:2019-04-11

    摘要: 本发明提供一种3D打印类河弯截面微流通道的微流控芯片及其中微流通道的设计方法,微流控芯片中的微流通道设计为螺旋结构,微流通道横截面为类河弯横截面,肿瘤细胞在本发明类河弯横截面中受到两种作用力,剪切梯度诱导的升力(FS)和迪恩环流引发的曳力(FD)。在一定的流速下,FS和FD在横截面特定区域达到平衡,相互抵消,使得肿瘤细胞在该区域内聚焦,而血细胞由于体积过小,难以达到受力平衡状态,呈现散乱排布状态,在出口处,大小范围在16~30μm的肿瘤细胞在第二出口宽度范围内聚焦,并由第二出口流出,散乱排布的血细胞同时由三个出口流出,因此实现了肿瘤细胞的富集。

    基于非对称加权最小二乘的拉曼光谱检测基线校正方法

    公开(公告)号:CN108844939A

    公开(公告)日:2018-11-20

    申请号:CN201810210398.X

    申请日:2018-03-14

    IPC分类号: G01N21/65

    CPC分类号: G01N21/274 G01N21/65

    摘要: 本发明属于拉曼散射技术领域,公开了一种基于非对称加权最小二乘的拉曼光谱检测基线校正方法,对于待基线拟合的拉曼光谱,设置平滑参数和迭代终止条件,第一次迭代时将权重初始化为单位矩阵,通过最小化惩罚最小二乘得初始拟合基线,然后根据原始光谱与拟合基线之间的差值信号,通过softsign函数对权重进行更新,使用更新后的权重计算新的拟合基线,该过程不断重复,直至满足终止条件。原始拉曼光谱减去最终的拟合基线,实现拉曼光谱的基线校正。利用本发明中的基线校正方法,对原始拉曼光谱进行校正,使基线校正后的光谱更接近于真实的拉曼信号,提高拉曼光谱检测的准确度,对于拉曼光谱的定量分析及应用具有重要实际意义。

    一种基于半导体激光器和可饱和吸收体的有源外腔结构

    公开(公告)号:CN108429124A

    公开(公告)日:2018-08-21

    申请号:CN201810432973.0

    申请日:2018-05-08

    IPC分类号: H01S3/11 H01S3/094

    CPC分类号: H01S3/1115 H01S3/094

    摘要: 本发明公开了一种基于半导体激光器和可饱和吸收体的有源外腔结构,涉及激光器领域,包括用于对入射光信号进行时域调控的半导体激光器,用于对半导体激光器反馈光进行校准的准直透镜,用于对反馈光进行吸收调控的可饱和吸收体以及与待调控光纤激光器连接的光引线。本发明中,有源外腔结构通过光引线与传统谐振腔型光纤激光器或无谐振腔的光钎随机激光器连接,实现动态调控,优化调Q或者锁模条件,便于复杂条件下的脉冲输出。

    一种具有安全机制的半监督超限学习机分类方法

    公开(公告)号:CN108364015A

    公开(公告)日:2018-08-03

    申请号:CN201810020933.5

    申请日:2018-01-10

    IPC分类号: G06K9/62

    摘要: 半监督学习可以同时利用有标记和无标记样本来改善分类器的性能,其关键之一在于如何有效且安全地发掘无标记样本中隐藏的信息。本发明提出一种具有安全机制的半监督超限学习机分类方法。首先采用超限学习机和半监督超限学习机算法分别预测无标记样本的概率分布向量和类别标签,其次采用Wasserstein距离衡量无标记样本的风险度数,然后在半监督超限学习机算法的目标函数中添加新的风险项,最后实现安全的半监督多类分类。本发明可以有效解决半监督超限学习机算法中具有风险性的无标记样本的加入反而会损害分类器性能的问题,在计算机视觉、图像识别、脑-机接口领域具有广阔的应用前景。

    基于特征提取与聚类集成的SAR图像分割方法

    公开(公告)号:CN103617618B

    公开(公告)日:2017-06-13

    申请号:CN201310645986.3

    申请日:2013-12-03

    摘要: 本发明公开了一种基于特征提取和聚类集成的SAR图像分割方法,主要解决现有方法中对相干斑噪声敏感、分割精度较低的问题。其实现步骤是:(1)对原始SAR图像进行特征提取,构造图像的多维特征集,并对多维特征集进行降维,得到新的特征集;(2)对新特征集进行多次选择性Kmeans聚类,得到多个聚类中心序列,对该多个聚类中心序列进行中心配准;(3)利用配准后的聚类中心序列划分新特征集,得到多个标记向量;(4)对得到的多个标记向量进行集成,得到集成后的标记向量;(5)利用集成后的标记向量得到SAR图像的分割结果。本发明具有对相干斑噪声鲁棒性强、分割进度高的优点,可用于SAR图像的目标检测与识别。

    基于方向波域隐马尔可夫树模型的多源图像融合方法

    公开(公告)号:CN103020931B

    公开(公告)日:2015-05-27

    申请号:CN201210493328.2

    申请日:2012-11-27

    IPC分类号: G06T5/50 G06T3/40

    摘要: 本发明公开了一种基于方向波域隐马尔可夫树模型的多源图像融合方法,主要解决现有方法中融合规则简单和块效应明显的问题。其实现步骤是:(1)从原始图像得到一幅初期融合图像;(2)用方向波分解原始图像和初期融合图像;(3)建立初期融合图像的方向波域HMT模型,训练得出参数集估计值(4)利用得到原始图像的方向波高频系数的后验概率;(5)根据得到的后验概率,采用显著性测量融合规则对原始图像高频系数融合;(6)采用自适应加权融合规则对原始图像低频系数进行融合;(7)对融合后的方向波系数进行方向波逆变换得到融合图像。本发明能提取原始图像更丰富的奇异性特征,充分挖掘数据中的相关性,可用于多源图像的目标识别与计算机的后续处理。