-
公开(公告)号：CN111312329B
公开(公告)日：2023-03-24
申请号：CN202010115572.X
申请日：2020-02-25
Applicant: 成都信息工程大学
IPC: G16B15/30 , G16B30/00 , G16B40/00 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明公开一种基于深度卷积自动编码器的转录因子结合位点预测的方法，应用于计算机技术和生物信息技术领域，为了解决模型对没有结合位点的阴性序列样本的依赖性同时提高模型泛化能力；本发明首先通过染色质免疫共沉淀技术特异性地富集目的蛋白结合的DNA片段，从而获得原始数据集；然后对原始数据集进行预处理，得到训练数据集；其次将训练数据集输入卷积自动编码器进行训练；最后根据训练完成的卷积自动编码器进行结合位点识别；实验证明本发明能够针对不同细胞系的不同转录因子结合位点预测，且具备高准确率识别的效果。
-
公开(公告)号：CN115810398A
公开(公告)日：2023-03-17
申请号：CN202211696499.5
申请日：2022-12-28
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多特征融合的TF‑DNA结合识别方法，包括：S1：获得人类常见组织的五种与转录因子结合相关的原始数据；S2：对多种数据进行预处理；S3：对预处理后的原始数据中的DNA序列数据进行数据编码处理；S4：对预处理后的原始数据中的其他数据进行归一化处理；S5：利用多特征融合的自注意力机制和卷积神经网络对编码后的DNA序列数据和归一化后的数据进行全局依赖提取、特征提取和特征融合，得到整体特征映射组合；S6：根据整体特征映射组合，对多特征融合的TF‑DNA结合识别模型进行训练，得到训练后的多特征融合的TF‑DNA结合识别模型；S7：利用训练后的多特征融合的TF‑DNA结合识别模型对待识别数据进行识别。
-
公开(公告)号：CN114781442A
公开(公告)日：2022-07-22
申请号：CN202210359058.X
申请日：2022-04-07
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
-
公开(公告)号：CN114267444A
公开(公告)日：2022-04-01
申请号：CN202111587403.7
申请日：2021-12-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种利用睡眠结构检测阻塞性呼吸暂停及夜间额叶癫痫的方法，包括以下步骤：S1、数据采集：分别采集健康人、OSA患者和NFLE患者的睡眠数据；S2、数据预处理；S3、建立自动睡眠分期网络模型，利用自动睡眠分期网络模型对健康人睡眠数据进行分期处理；S4、进行迁移学习，得到OSA患者和NFLE患者的睡眠分期结构；S5、建立睡眠疾病检测模型。本发明利用睡眠结构检测OSA及NFLE疾病的方法，能够从睡眠结构层次有效检测OSA及NFLE睡眠疾病，该模型具有实际应用的潜力。
-
公开(公告)号：CN114081505A
公开(公告)日：2022-02-25
申请号：CN202111587404.1
申请日：2021-12-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于皮尔逊相关系数和卷积神经网络的脑电信号识别方法，包括以下步骤：S1、选择数据：从情感脑电、视觉诱发脑电和运动想象脑电数据库中分别选择相同通道的信号；S2、信号预处理：利用带通滤波器去除眼电伪迹信号以及工频干扰信号；S3、使用皮尔逊相关系数算法进行特征提取；S4、将S3提取的特征输入稠密度卷积神经网络中进行训练，得到深度学习身份识别模型，利用深度学习身份识别模型对脑电信号进行身份识别。本发明选用了情感脑电信号、视觉诱发脑电信号和运动想象脑电信号进行身份识别，使用多种任务态的脑电信号，减少了在获取EEG信号时对用户的限制，使基于EEG信号的身份识别方法更具有普适性和泛化性。
-
Patent Agency Ranking
公开(公告)号：CN113243924A
公开(公告)日：2021-08-13
申请号：CN202110544789.7
申请日：2021-05-19
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于脑电信号通道注意力卷积神经网络的身份识别方法，包括以下步骤：S1、从情感脑电数据库中选择不同通道的EEG信号作为原始信号；S2、利用带通滤波器去除原始信号中的眼电伪迹信号以及工频干扰信号，得到纯净的情感脑电信号；S3、将预处理之后的情感脑电信号输入深度学习身份识别模型中，利用深度学习算法对情感脑电信号进行身份识别。本发明选用了情感EEG信号进行身份识别，情感EEG易于获取，身份识别方法更具有普适性和泛化性。本发明缩短了前层和后层之间连接的神经元数量，减轻了梯度消失问题，加强特征传播和减少网络参数更有效的利用了不同情感状态的EEG信号特征，从而有效的进行情感脑电信号的身份识别。
-
公开(公告)号：CN112905591A
公开(公告)日：2021-06-04
申请号：CN202110152193.2
申请日：2021-02-04
Applicant: 成都信息工程大学 , 成都探码科技有限公司 , 四川省金科成地理信息技术有限公司
Inventor： 乔少杰 , 韩楠 , 宋学江 , 高瑞玮 , 肖月强 , 张小辉 , 赵兰 , 李鑫钰 , 冉先进 , 甘戈 , 孙科 , 范勇强 , 黄萍 , 魏军林 , 温敏 , 程维杰 , 叶青 , 余华 , 向导 , 彭京 , 周凯 , 元昌安 , 黄发良 , 覃晓 , 李斌勇 , 张永清
IPC: G06F16/22 , G06F16/242 , G06N3/08
Abstract: 本发明公开了一种基于机器学习的数据表连接顺序选择方法，包括以下步骤：S1、对SQL语句进行编码，分别生成列、数据表和连接关系的特征向量；S2、根据列和数据表的特征向量，设计向量树AT来生成连接树的特征向量；S3、根据列、数据表、连接关系和连接树的特征向量，设计部分连接计划模型SP来生成部分连接计划的特征向量，进而生成下一时刻连接状态的特征向量；S4、根据下一时刻连接状态的特征向量，构建深度强化学习模型J，并结合部分连接计划模型SP与向量树AT，生成数据表的最优连接顺序。本发明解决了现有查询优化器生成数据表的次优连接顺序导致查询效率较低的问题。
-
公开(公告)号：CN111275480B
公开(公告)日：2021-02-09
申请号：CN202010014388.6
申请日：2020-01-07
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司 , 成都探码科技有限公司
Inventor： 乔少杰 , 郑皎凌 , 程维杰 , 韩楠 , 宋学江 , 张小辉 , 叶青 , 魏军林 , 肖月强 , 陈权亮 , 李斌勇 , 张吉烈 , 张永清 , 何林波 , 温敏 , 元昌安 , 彭京 , 周凯 , 余华 , 范勇强 , 冉先进
IPC: G06Q30/02 , G06F16/2458 , G06F16/28
Abstract: 本发明涉及一种面向多维稀疏销售数据仓库的欺诈行为挖掘方法，属于数据挖掘领域。该方法包括以下步骤：S1：进行参数定义，包括多维数据空间、多维数据空间上的偏序格、销售数据仓库、销售数据仓库在多维数据空间上的数据分块、挂单行为和挂单模式；S2：进行问题定义；S3：进行特定挂单模式下的挂单点挖掘；S4：进行挂单模式挖掘。本发明提出了挂单模式偏序格的概念，通过引入偏序格中各个挂单模式的相对位置偏序结构信息，有效的使用了数据仓库中的维度层次信息来对挂单行为所遵循的挂单模式进行挖掘。
-
公开(公告)号：CN110909396B
公开(公告)日：2020-08-21
申请号：CN201910972860.4
申请日：2019-10-14
Abstract: 本发明公开了一种计算机信息安全保护装置，具体涉及计算机设备技术领域，包括桌板，所述桌板底部两侧分别固定设置有第一支撑柜和第二支撑柜，所述桌板顶部设置有显示屏，所述显示屏输出端连接有主机，所述主机设置在第二支撑柜内部，所述第二支撑柜外侧设置有主机防护机构，所述桌板底部设置有键盘防护机构。本发明通过设置有主机防护机构和键盘防护机构，可以通过防护门上的按键槽直接按动主机的开机键，从而不需要打开防护门便可以开机，提高了开机效率，通过第一指纹密码锁和第二指纹密封锁可以有效对主机和键盘进行防护，与现有技术相比，可以有效对键盘和主机进行防护，且自动化程度高，操作便捷，且开机不用进行验证，提高操作效率。
-
公开(公告)号：CN111429000A
公开(公告)日：2020-07-17
申请号：CN202010208141.8
申请日：2020-03-23
Applicant: 成都信息工程大学 , 成都申达森科技有限公司
Abstract: 本发明公开了一种基于站点聚类的共享单车取还站点推荐方法及系统，该方法包括构建单车转移网络并计算站点活跃度，对共享单车系统内站点进行二级聚类，利用多特征LSTM网络对单车需求量进行预测，向用户推荐共享单车取还站点。本发明根据历史行程记录和站点分布数据，构建出单车转移网络，得到每个站点的活跃度，综合考虑站点位置和单车使用模式，对站点进行二级聚类，并分析天气和时间因素对聚簇内单车需求量的影响，选取关键特征构建三维向量，使用多特征LSTM网络预测不同时间段聚簇内单车需求，能够显著提高单车需求量预测准确性，实现向用户合理推荐共享单车取还站点，进而提高用户的出行效率。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.03 seconds)
