-
公开(公告)号：CN114741572B
公开(公告)日：2024-07-23
申请号：CN202210364463.0
申请日：2022-04-08
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G06F16/9035 , G06F16/9038 , G06F16/906
摘要： 一种基于图卷积神经网络群组发现的群组推荐方法，根据电影主题类别将用户—电影交互数据划分为数据子集，使用各数据子集构建用户—电影交互图，通过图卷积网络从交互图中学习用户/电影嵌入表示，然后利用Kmeans算法进行群组发现，通过均值融合策略，将群组成员嵌入表示融合为群组嵌入表示，最后将群组嵌入表示与电影嵌入表示进行内积得到群组对电影的预测偏好得分，根据偏好得分向群组推荐电影。侧重于群组发现阶段的用户嵌入获取方法，考虑了群组的内部一致性对群组推荐算法性能的影响，将用户—电影的交互信息融入用户/电影的特征信息之中，提高了群组发现中的用户嵌入表示的准确度，进而增强了群组推荐算法的性能。
-
公开(公告)号：CN116509415B
公开(公告)日：2024-01-26
申请号：CN202310431752.2
申请日：2023-04-21
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN116509415A
公开(公告)日：2023-08-01
申请号：CN202310431752.2
申请日：2023-04-21
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于信号分量的单元化形态学特征的降噪方法，对基线漂移、电极运动噪声、肌电噪声与心电信号频带有一部分重叠进行和很好的分离识别，并通过心电形态学特征算法有效消除了重叠频带部分的噪声。对强噪声干扰的心电信号,波形形态发生严重失真,该算法降噪效果明显，可以在心电波形严重失真的情况下很好的还原信号波性特征。同时该算法泛化性好，对不同类型的心电信号降噪性能同样有效。
-
公开(公告)号：CN114741572A
公开(公告)日：2022-07-12
申请号：CN202210364463.0
申请日：2022-04-08
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G06F16/9035 , G06F16/9038 , G06F16/906
摘要： 一种基于图卷积神经网络群组发现的群组推荐方法，根据电影主题类别将用户—电影交互数据划分为数据子集，使用各数据子集构建用户—电影交互图，通过图卷积网络从交互图中学习用户/电影嵌入表示，然后利用Kmeans算法进行群组发现，通过均值融合策略，将群组成员嵌入表示融合为群组嵌入表示，最后将群组嵌入表示与电影嵌入表示进行内积得到群组对电影的预测偏好得分，根据偏好得分向群组推荐电影。侧重于群组发现阶段的用户嵌入获取方法，考虑了群组的内部一致性对群组推荐算法性能的影响，将用户—电影的交互信息融入用户/电影的特征信息之中，提高了群组发现中的用户嵌入表示的准确度，进而增强了群组推荐算法的性能。
-
公开(公告)号：CN111460953B
公开(公告)日：2021-05-18
申请号：CN202010221886.8
申请日：2020-03-26
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于对抗域自适应学习的心电信号分类方法，使用多尺度特征提取模块提取的特征是高度域不变的，减少了域间差异，源域样本训练的模型也可以在目标域上更好的应用，网络训练结束后，保存最优模型，将新的心拍样本输入到保存的最优模型中，获得最终分类效果。使用多特征提取器可以增加特征的丰富性，更加全面的提取心电信号的细节信息，同时使用对抗域自适应学习的方法，可改善不同域样本分布不同的现象，获得高度概括源域样本和目标域样本之间的域不变特征，通过这些特征训练一个对目标域高度适用的分类模型，可提高数据分布不同的跨域心电信号的分类精度。
-
公开(公告)号：CN111460956A
公开(公告)日：2020-07-28
申请号：CN202010222769.3
申请日：2020-03-26
申请人： 山东科技大学 , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06K9/00 , G06N3/04 , A61B5/0402
摘要： 一种基于数据增强与损失加权的不平衡心电样本分类方法，通过对数据进行相应的处理实现了数据增强，增强了心拍样本的多样性和代表性，防止过拟合现象的发生；并通过批处理加权损失函数，使每一类心拍样本的权重处于一个动态的非线性变化的过程，得到一个较优的处理心拍类别样本不平衡的方法，分类结果优于现有的最先进的分类方法。可以积极推动便携式心律失常时检测设备的发展。
-
公开(公告)号：CN111460956B
公开(公告)日：2021-06-29
申请号：CN202010222769.3
申请日：2020-03-26
申请人： 山东科技大学 , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于数据增强与损失加权的不平衡心电样本分类方法，通过对数据进行相应的处理实现了数据增强，增强了心拍样本的多样性和代表性，防止过拟合现象的发生；并通过批处理加权损失函数，使每一类心拍样本的权重处于一个动态的非线性变化的过程，得到一个较优的处理心拍类别样本不平衡的方法，分类结果优于现有的最先进的分类方法。可以积极推动便携式心律失常时检测设备的发展。
-
公开(公告)号：CN112244802A
公开(公告)日：2021-01-22
申请号：CN202011108326.8
申请日：2020-10-16
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于Stockwell变换的BCG信号心率提取方法，基于Stockwell变换生成的时频域来提取信号包络，即使用户在测量过程中有小的运动，也能较为准确地提取出心率，即使存在较大的噪声，也能确保提取包络的质量。Stockwell变换是基于时频域的，是一种线性时频方法，时频域使该方法对用户和环境振动产生的噪声具有更高的鲁棒性。
-
公开(公告)号：CN111460953A
公开(公告)日：2020-07-28
申请号：CN202010221886.8
申请日：2020-03-26
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于对抗域自适应学习的心电信号分类方法，使用多尺度特征提取模块提取的特征是高度域不变的，减少了域间差异，源域样本训练的模型也可以在目标域上更好的应用，网络训练结束后，保存最优模型，将新的心拍样本输入到保存的最优模型中，获得最终分类效果。使用多特征提取器可以增加特征的丰富性，更加全面的提取心电信号的细节信息，同时使用对抗域自适应学习的方法，可改善不同域样本分布不同的现象，获得高度概括源域样本和目标域样本之间的域不变特征，通过这些特征训练一个对目标域高度适用的分类模型，可提高数据分布不同的跨域心电信号的分类精度。
-
公开(公告)号：CN111436926A
公开(公告)日：2020-07-24
申请号：CN202010257349.9
申请日：2020-04-03
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： A61B5/0402 , A61B5/0472 , A61B5/00
摘要： 一种基于统计特征和卷积循环神经网络的房颤信号检测方法，通过对两种不同类型不同维度的特征进行融合，得到特征集，使用粒子群优化算法训练支持向量机，并使用带权重的支持向量机对心电信号进行分类，将统计特征和卷积循环神经网络结合起来，有效解决了目前房颤信号检测存在的问题，更加全面的概括了房颤信号的特征，提高了房颤限号检测的精确度。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.12 秒)
