-
公开(公告)号：CN119180222A
公开(公告)日：2024-12-24
申请号：CN202411696977.1
申请日：2024-11-26
Applicant: 济南大学
IPC: G06F30/27 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/045 , G06N5/04
Abstract: 本发明涉及图像生成技术领域，具体为AI驱动的水泥水化微结构演化方法及在线虚拟实验平台。该方法包括：获取水泥试样的扫描图像，通过模型特征提取模块提取图像的垂直特征、水平特征和邻域特征。将水平特征与邻域特征拼接后，与垂直特征一同输入门控掩码卷积模块进行特征融合，生成新的水平特征，再与邻域特征循环输入该模块，最终通过激活层和卷积层得到模型的输出。基于输出的损失，计算梯度并通过反向传播优化模型参数，从而训练出贴近真实的智能演化模型。虚拟实验平台采用Web架构，不仅实现了水泥水化微结构的在线实时演化仿真，还支持性能估测等功能，为实验人员提供高效、低成本的水泥微结构仿真演化与性能评估工具。
-
公开(公告)号：CN119027471A
公开(公告)日：2024-11-26
申请号：CN202411513894.4
申请日：2024-10-29
Applicant: 济南大学
Abstract: 本发明属于图像处理技术领域，尤其涉及一种面向水泥水化微结构分析的跨模态图像配准方法及系统；方法包括：获取水泥水化微结构图像，包括CT图像和BSE图像，对图像进行显著物相提取；将处理后的BSE图像作为固定图像，对处理后的CT图像进行仿射变换，使用递进竞争金字塔粒子群优化算法对变换参数进行迭代优化；本发明通过提取显著水泥颗粒物相信息来配准BSE图像和CT图像，能够有效解决水泥图像同质性和多模态的显著挑战；所提供的配准框架能够有效解决水泥微结构图像的跨模态配准问题，从而实现水泥水化微结构多源异构图像分析。
-
公开(公告)号：CN113688229B
公开(公告)日：2024-04-23
申请号：CN202111016193.6
申请日：2021-08-31
Applicant: 济南大学
IPC: G06F16/335 , G06F16/35 , G06F16/9535 , G06F16/958
Abstract: 本发明属于文本推荐领域，提供了一种文本推荐方法、系统、存储介质和设备。其中，该方法包括获取待推荐文本的关键词；基于所述待推荐文本与已知属性文本的关键词，聚类所有待推荐文本；根据所有待推荐文本的关键词与已知文本属性的关键词之间的距离，依次推荐文本；其中，在聚类所有候选文本的过程中，考虑所有待推荐文本与已知属性文本的关键词之间的亲和度信息，将得到的亲和度与属性的权重相结合来构造基于维度亲和度的属性权重套索正则项，同时利用最大熵正则化，以实现属性权重的优化分布。
-
公开(公告)号：CN113723540B
公开(公告)日：2024-04-19
申请号：CN202111027470.3
申请日：2021-09-02
Applicant: 济南大学
Abstract: 本发明公开了一种基于多视图的无人驾驶场景聚类方法及系统，包括以下步骤：获取无人驾驶车辆当前多视图数据，并进行标准化处理；基于迁移学习对每个视图进行聚类分析：(1)根据设定的类别数分别进行聚类分析，得到当前隶属度矩阵；(2)根据该视图与其他视图的当前隶属度矩阵，以及设定的迁移学习因子，对隶属度矩阵进行更新，得到新的聚类中心，并更新视图的权重；根据迁移学习前后的聚类结果，判断是否需要继续进行迁移学习，若是，更新迁移学习因子，对每个视图再次进行聚类分析，若否，聚类结束，得到无人驾驶场景的道路识别结果。本发明通过基于激光雷达数据和图像数据两个视图进行场景中道路的识别，数据的利用更为充分，识别精度高。
-
公开(公告)号：CN117174219B
公开(公告)日：2024-02-02
申请号：CN202311442782.X
申请日：2023-11-02
Applicant: 济南大学
IPC: G16C60/00 , G06F30/27 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/08 , G06F111/08
Abstract: 本发明涉及水泥强度技术领域，提供了一种基于隐变量模型的水泥强度条件概率分布估计方法及系统。该方法包括，获取待观测水泥颗粒粒径分布和检测仪器的工作参数，采用已训练的隐变量模型，得到水泥抗压强度的条件概率分布；隐变量模型的训练过程包括：将历史水泥颗粒粒径分布和检测的仪器的工作参数作为样本数据、水泥的抗压强度作为标签，构建数据集，包括训练集和测试集；采用训练集训练隐变量模型，采用测试集对训练后的隐变量模型进行测试，得到水泥抗压强度的条件概率分布，以此计算每条数据的累计概率密度值，构建实际累计概(56)对比文件Tsamatsoulis, D (Tsamatsoulis, D.) .“Improving the Prediction of CementCompressive Strength by Coupling ofDynamical Models”《.CHEMICAL ANDBIOCHEMICAL ENGINEERING QUARTERLY》.2016,第30卷(第02期),全文.Ouyang, JS (Ouyang, Jianshu);Li, YB(Li, Yangbo);Chen, B (Chen, Bo);Huang, DH(Huang, Dahai) .“Macro-Scale Strength andMicrostructure of ZrW2O8 CementitiousComposites with Tunable Low ThermalExpansion”《. MATERIALS》.2018,第11卷(第05期),全文.郑敬亭.论混凝土强度计算式中水泥强度的取值及其与现行规范的关系《.建筑技术》.1982,(第07期),全文.李晓东,杨波,董吉文.基于遗传算法的水泥强度预测《.计算机工程与应用》.2004,(第12期),全文.
-
Patent Agency Ranking
公开(公告)号：CN117174218A
公开(公告)日：2023-12-05
申请号：CN202311442781.5
申请日：2023-11-02
Applicant: 济南大学
Abstract: 本发明涉及水泥强度评估领域，提供了一种基于流模型的水泥强度条件概率分布估计方法及系统。该方法包括，获取水泥的检测相关数据；基于水泥的检测相关数据，采用流模型，得到水泥抗压强度的条件概率分布函数；其中，所述流模型采用包括但不限于平面流层、径向流层、加性耦合层和仿射耦合层的至少其中之一；所述流模型的每一层映射均采用双射函数进行非线性可逆变换，以生成条件概率分布函数。本发明通过获取水泥的各项历史指标预测水泥其强度，来预测待检测水泥的条件概率分布，无需对结构进行损失就可预测水泥的抗压强度。
-
公开(公告)号：CN115409826A
公开(公告)日：2022-11-29
申请号：CN202211134493.9
申请日：2022-09-19
Applicant: 济南大学
Abstract: 本发明公开了一种水泥及其基材料元素含量非直接测度方法及系统；其中所述方法，包括：采集检测对象的微观结构图像和元素面扫描图像；所述检测对象为水泥或水泥基材料；使用采集到的数据，制作数据集；构建神经网络，并用数据集对网络进行训练；所述神经网络，是一种针对水泥的像素点或体素点级别的元素含量进行预测的网络模型；采集待测对象的微观结构数据，将待测对象的微观结构数据输入到训练后的神经网络中，得到初步预测结果；对初步预测结果进行采样，得到待测对象对应的元素面扫描或元素三维体的预测结果。
-
公开(公告)号：CN115147399A
公开(公告)日：2022-10-04
申请号：CN202210906370.6
申请日：2022-07-29
Applicant: 济南大学 , 山东秋淇分析仪器有限公司
Abstract: 本发明公开了水泥微观图像像素点的元素含量预测方法及系统；所述方法，包括：获取待预测水泥的微观结构图像；对获取的微观结构图像进行预处理；将预处理后的微观结构图像，输入到对应的训练后的神经网络模型中，得到每个像素点的化学元素的含量。该方法从图像本身出发，直接找到水泥微观结构图像和内在元素含量之间的关系，直接预测得到每个像素点处的元素含量。
-
公开(公告)号：CN109615574B
公开(公告)日：2022-09-23
申请号：CN201811527910.X
申请日：2018-12-13
Applicant: 济南大学
IPC: G06T1/20 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本申请公开了基于GPU和双尺度图像特征比对的中药识别方法及系统，首先通过专门设计的图像采集装置进行双尺度图像的采集，将训练图像送入卷积神经网络进行训练，经过多层卷积池化的特征提取与选择，训练得到识别精度较高的卷积神经网络模型。将待测图像送入训练好的卷积神经网络模型中进行特征提取，基于提取的特征对中药材进行分类，输出分类识别结果。本发明有利于提高普通人对药材的识别能力，辅助药材领域专家更准确快速的辨别药材。
-
公开(公告)号：CN113688934A
公开(公告)日：2021-11-23
申请号：CN202111026341.2
申请日：2021-09-02
Applicant: 济南大学
Abstract: 本发明公开了一种基于迁移学习分布式期望最大化金融数据聚类方法，用于细分金融领域分布式P2P网络环境下的客户数据。包括：获取待聚类客户金融数据的业务部门并将各部门数据进行集群分布式存储；各个节点分别进行聚类分析，得到初始聚类结果，并基于各个节点上的初始聚类结果进行统计分析，得到迁移学习的初始模型参数集合；根据设定的目标函数，基于当前模型参数集合计算当前模型目标函数值；在邻居节点之间进行模型参数迁移；对于各个节点上的每个数据点进行类别划分。本发明通过在分布式期望最大化算法中引入迁移学习项，能够显示揭示节点间的协作机制，加速算法收敛，同时，提高聚类精度，精准细分金融客户。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.028 seconds)
