-
公开(公告)号：CN109949175B
公开(公告)日：2023-05-05
申请号：CN201910233096.9
申请日：2019-03-26
申请人： 桂林电子科技大学
IPC分类号： G06Q50/00 , G06F16/9535
摘要： 本发明公开了一种基于协同过滤和相似性度量的用户属性推断方法，先使用Python中的Scrapy框架，构建一个微博爬虫系统，使用分布式爬虫算法来自动收集微博用户帐户信息；然后清除无效数据，使用NLP预处理数据；然后使用可视化分析工具Tableau来分析收集到的用户数据；再通过遵循三步法对现有的用户账号数据进行挖掘分析，使得能根据用户现有属性信息，推断用户未知的属性值；最后将模型与岭回归模型，决策树模型和多元线性回归模型进行比较，获得预测结果情况。本发明推断未知属性准确率更高。
-
公开(公告)号：CN114387264B
公开(公告)日：2023-04-18
申请号：CN202210054661.7
申请日：2022-01-18
申请人： 桂林电子科技大学
IPC分类号： G06T7/00 , G06T5/00 , G06N20/00 , G06V10/774
摘要： 本发明属于医学图像技术领域，具体涉及一种HE染色病理图像数据扩充与增强的方法；所述方法包括模型训练和模型推理两个阶段：在模型训练阶段，对病理图像数据集进行划分，得到训练集、验证集及测试集；构建基于生成对抗网络的深度学习模型；将上述训练集和验证集送入网络模型进行训练，获得网络模型参数；网络模型训练完成后，对源病理图像数据集以外的随机生成图像进行推理，获得合成的病理图像分割掩码和病理图像。本方法通过构建用于病理图像数据扩充的模型，合成更多符合该数据特征分布的病理图像及其对应的分割掩码，从而扩充原本有限数量的病理图像数据集，可有效帮助现有病理图像分割方法提升分割性能。
-
公开(公告)号：CN115880262A
公开(公告)日：2023-03-31
申请号：CN202211643031.X
申请日：2022-12-20
申请人： 桂林电子科技大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/136 , G06N3/047 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06V10/26 , G06V10/82 , G06V10/764
摘要： 本发明涉及基于在线噪声抑制策略的弱监督病理图像组织分割方法，包括：获取H&E染色图，对所述H&E染色图进行处理，获得数据集，对所述数据集进行划分，基于划分后的所述数据集训练分类网络，生成伪标签；基于在线噪声抑制策略抑制所述伪标签中存在的噪声，通过抑制噪声后的所述伪标签以及所述伪标签对应的训练集训练语义分割网络，获得训练后的所述语义分割网络的预测结果，将所述预测结果作为最终分割结果。本发明利用数字病理学和深度学习的分类算法及分割算法，可实现仅使用patch级标签实现肺癌/乳腺癌H&E染色图像的组织分割，生成像素级分割结果，直观地展示肿瘤内部组织结构的空间分布情况。
-
公开(公告)号：CN114387264A
公开(公告)日：2022-04-22
申请号：CN202210054661.7
申请日：2022-01-18
申请人： 桂林电子科技大学
IPC分类号： G06T7/00 , G06T5/00 , G06K9/62 , G06N20/00 , G06V10/774
摘要： 本发明属于医学图像技术领域，具体涉及一种HE染色病理图像数据扩充与增强的方法；所述方法包括模型训练和模型推理两个阶段：在模型训练阶段，对病理图像数据集进行划分，得到训练集、验证集及测试集；构建基于生成对抗网络的深度学习模型；将上述训练集和验证集送入网络模型进行训练，获得网络模型参数；网络模型训练完成后，对源病理图像数据集以外的随机生成图像进行推理，获得合成的病理图像分割掩码和病理图像。本方法通过构建用于病理图像数据扩充的模型，合成更多符合该数据特征分布的病理图像及其对应的分割掩码，从而扩充原本有限数量的病理图像数据集，可有效帮助现有病理图像分割方法提升分割性能。
-
公开(公告)号：CN111627246B
公开(公告)日：2022-02-11
申请号：CN202010534800.7
申请日：2020-06-12
申请人： 桂林电子科技大学
摘要： 本发明公开了一种基于图像识别与用户偏好的智能车位推荐方法，包括车辆定位系统，所述车辆定位系统包括通过网络互连的车载终端、4G网络模块和远程监测中心终端，其特征在于，所述方法包括如下步骤：1）确定当前用户车辆位置；2）车位状态图像识别；3）推荐车位；4）路线规划和导航。这种方法可以降低成本，可依据当前用户偏好为当前用户方便、准确、高效地推荐适合的泊车位置，同时使得当前用户快速的找到泊车位置。
-
公开(公告)号：CN113420793A
公开(公告)日：2021-09-21
申请号：CN202110622393.X
申请日：2021-06-05
申请人： 桂林电子科技大学 , 桂林笑微酒店管理有限公司
摘要： 本发明涉及了一种基于改进的卷积神经网络ResNeSt50的胃印戒细胞癌图像分类方法，包括：首先从医院获取原始数据；再进行数据预处理和数据增强；预训练ResNeSt50模型并改进其结构；将改进的模型与其他state‑of‑the‑art模型进行公平的比较；制作概率热力图，训练随机森林分类器。最后进行病理图像级别的分类，得出分类结果。本发明提出的方法不仅在切片级别的分类上取得了很好的效果，同时在病理图像级别的分类上取得了不错的结果，病变区域可视化效果也优于现有的方法。
-
公开(公告)号：CN107070649B
公开(公告)日：2021-08-31
申请号：CN201710121369.1
申请日：2017-03-02
申请人： 桂林电子科技大学
摘要： 本发明属于信息安全领域，涉及大文件加密的方法。该方法考虑到大文件的数据庞大，不适合于全部加密，许多数据会选择不加密，为了减少数据的读写，特别是写入，本发明将原明文保存，对加密的部分明文进行覆盖，并且将加密的密文另外存储。由于不同的加密方法有不同的优缺点，全同态加密也不能解决所有的委托计算委托，而且加密的代价大，有些需要采用具有误导功能的加密，有些只需要采用一般对称加密，因此根据需要采用分段选择合适的加密方法，通过规则或者选取，只加密部分数据.同时提出了减少密钥管理且保证安全的优选方案，可以只需要较少的密钥进行文件的加解密。
-
公开(公告)号：CN111461251A
公开(公告)日：2020-07-28
申请号：CN202010277233.1
申请日：2020-04-10
申请人： 桂林电子科技大学
摘要： 本发明公开了一种基于随机森林与自编码器的WiFi指纹的室内定位方法，包括离线模型训练和在线位置预测，其中，离线模型训练过程为：1）指纹数据库预处理：2）采用随机森林算法进行特征选择；3）采用栈式自编码器进行数据降维；4）训练初级学习器；5）训练次级学习器，在线位置预测过程为：6）指纹数据处理；7）无用AP剔除；8）采用栈式自编码器进行数据降维；9）使用初级学习器预测；10）使用次级学习器预测。这种方法能快速准确地进行室内定位、采用随机森林筛选AP并清除无用数据，采用栈式自编码器实现指纹数据的特征提取，能提高室内定位的精度。
-
公开(公告)号：CN110866913A
公开(公告)日：2020-03-06
申请号：CN201911148160.X
申请日：2019-11-21
申请人： 桂林电子科技大学
摘要： 本发明公开了一种深度递归心血管图像显示方法，包括以下操作步骤：S1：获取医学心血管图像的初始数据，并在二维坐标系中建立初始图像；S2：运行凸包曲线的逐点递推形式推导公式得出图像坐标点数据，并根据所得坐标点数据进行描点；S3：运行RNN神经网络对坐标点进行多层递归计算，并重新描点，进行误差分析；S4：多层感知器进行模型效果分析；S5：运行CNN网络进行模型重构，并显示识别结果。本方法将对医学心血管图像运用n次凸包曲线的逐点推导公式，结合递归神经网络进行神经网络学习的模型搭建，使这种深度递归心血管图像显示方法达到实用性与学术性效果，图像采集的集成度高，可使用同一方法对不同图像库的图像进行采集。
-
公开(公告)号：CN109949175A
公开(公告)日：2019-06-28
申请号：CN201910233096.9
申请日：2019-03-26
申请人： 桂林电子科技大学
IPC分类号： G06Q50/00 , G06F16/9535
摘要： 本发明公开了一种基于协同过滤和相似性度量的用户属性推断方法，先使用Python中的Scrapy框架，构建一个微博爬虫系统，使用分布式爬虫算法来自动收集微博用户帐户信息；然后清除无效数据，使用NLP预处理数据；然后使用可视化分析工具Tableau来分析收集到的用户数据；再通过遵循三步法对现有的用户账号数据进行挖掘分析，使得能根据用户现有属性信息，推断用户未知的属性值；最后将模型与岭回归模型，决策树模型和多元线性回归模型进行比较，获得预测结果情况。本发明推断未知属性准确率更高。
-
-
-
-
-
-
-
-
-
搜索结果
80 条记录 (耗时 0.034 秒)
