-
公开(公告)号：CN118469079B
公开(公告)日：2025-01-21
申请号：CN202410607726.5
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/40 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/25 , G06F17/16 , G06N3/0499
Abstract: 本发明公开了一种基于DCG及双分支并行的地铁客流量预测方法及装置，所述方法包括：首先，构建地铁通行网络，其中节点表示站台点，节点所连边表示站台间的到达关系；其次，通过地铁通行网络和实体测量数据构建包括深度关系矩阵、旅行距离权重矩阵和乘客流量权重矩阵融合的DCG模块；最后，将DCG模块编码送入SBULSTM模块与Transformer模块双分支并行的预测神经网络。本发明通过DCG模块，还原地铁网络的实际拓扑结构，捕捉由站点到站线的客流特征；同时，并行SBULSTM模块与Transformer模块既能考虑时间序列的前后向状态，又能够学习复杂的时间特征、捕捉DCG所提供全局空间上的客流信息，加强全局时空通道的交互以减少信息的损失，提高了综合时空预测的能力。
-
公开(公告)号：CN118470413A
公开(公告)日：2024-08-09
申请号：CN202410607710.4
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/774 , G06N3/08 , G06V10/776 , G06V10/74
Abstract: 本发明公开了一种基于UpCPFNet模型的芒果分级识别方法，首先将预先获取的芒果数据进行人工标注并制作成数据集，再对数据集进行预处理；构建包括初步特征提取模块Stem、六个ReHRSE模块、三个UpCFP模块、一个DoDB模块的基于UpCPFNet模型的芒果分级识别网络；对ReHRSE模块进行堆叠加深网络层数，使用UpCFP模块进行下采样丰富特征信息，使用DoDB模块对得到的深层网络特征和浅层网络特征在不同尺度上进行全局特征聚集和融合；最后通过全连接层输出分类。本发明使用深层网络的信息特征分别对局部特征进行特征融合，同时在不同尺度上的特征融合有助于集中局部特征信息，提高级别图像数据相似性的有效辨别，具有很大的实际运用价值，在农作物级别识别领域具有较大的前景。
-
公开(公告)号：CN119003775A
公开(公告)日：2024-11-22
申请号：CN202411107468.0
申请日：2024-08-13
Applicant: 淮阴工学院
IPC: G06F16/35 , G06F16/36 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06F40/30
Abstract: 本发明公开了一种基于提示学习中关系抽取的医疗文本分类方法，包括提示模版的构建以及LM‑bert模型的改进，提示模版构建时加入了三个不同掩码，将第一掩码和第三掩码的实体设置为名词，将第二掩码的实体设置为介词，并且第一掩码和第三掩码存在关系语义；LM‑bert模型改进为添加与词嵌入分支并行的字嵌入分支，RoBERTa输出词向量和字向量，其中字向量经过一层LSTM训练后得到字在该句中更为丰富的语义信息，然后通过多头注意力机制与词嵌入相加后输出给分类器。本发明通过在掩码间建立语义关系以及词嵌入和字嵌入的结合，能够捕捉更为复杂的语义关系和上下文信息，提升分类准确性。
-
公开(公告)号：CN118506180A
公开(公告)日：2024-08-16
申请号：CN202410565462.1
申请日：2024-05-09
IPC: G06V20/10 , G06V20/52 , G06V10/764 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于DroughtNet算法的绿豆干旱胁迫状态识别方法、装置及介质，所述方法包括：对预先获取的绿豆自然群体干旱胁迫荧光图像按不同干旱胁迫级别做分类标签，并制作成图像数据集；构建基于DroughtNet算法的绿豆干旱胁迫状态识别模型，采用全局特征提取模块GFEM和局部特征提取模块LFEM分别对获取到的同一输入图像进行全局特征提取和局部特征提取，然后采用由两个全连接层和一个Tanh激活函数构成的多层感知器模块MLP代替传统的softmax分类器，提高识别准确率；训练并优化模型，对不同干旱胁迫等级进行识别和分类。本发明能够实现对绿豆不同干旱胁迫状态的精准识别和分类，具有广阔的应用前景，可以实际部署到移动端或嵌入式设备中对绿豆不同干旱胁迫状态进行检测。
-
公开(公告)号：CN118470414B
公开(公告)日：2024-12-20
申请号：CN202410607712.3
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/776 , G06V10/40 , G06V10/80 , G06N3/084
Abstract: 本发明公开了一种基于CS‑DNet轻量级模型的小麦种子筛选方法，预先收集实验所需小麦种子图像数据，并通过人工标注的方法对图片进行分类制作成数据集；构建基于CS‑DNet轻量级模型的小麦筛选网络，包括特征提取模块FEM和特征融合模块FFM；其中特征提取模块FEM采用通道分割、不同尺度的深度可分离卷积以及残差连接操作；特征融合模块FFM包括空洞卷积通道混洗模块C‑DBlock和增强倒残差结构EIRS；C‑DBlock实现通道信息的共享和空间信息的共享；EIRS为双分支网络结构，实现两条分支特征向量的融合；通过多次迭代得到效果最优的模型参数；用预训练好的网络模型对小麦种子进行分类。采用本发明可以在短时间实现小麦种子的准确筛选，在农业作物种子筛选领域具有较大的前景。
-
Patent Agency Ranking
公开(公告)号：CN118468223A
公开(公告)日：2024-08-09
申请号：CN202410614595.3
申请日：2024-05-17
Applicant: 淮阴工学院
IPC: G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于STGNN‑Net的车辆轨迹预测方法，首先，对预先获取的轨迹数据集进行划分与特征构建；其次，构建基于STGNN‑Net的车辆轨迹预测网络，一个分支用TGCN‑Net提取输入轨迹数据的时间特征，另一个分支利用STG‑Net获得轨迹的时空特征，使得模型能考虑不同时间与空间范围的影响，再利用残差网络分别对TGCN‑Net和STG‑Net进行特征融合；最后利用自适应学习经过Informer特征融合后送入BiGRU网络预测车辆的轨迹。本发明充分利用轨迹数据中的时间特征，同时结合不同时间的空间特征，通过TGCN‑Net和STG‑Net提取特征以减少信息的损失，实现了更加准确和鲁棒的轨迹预测；通过图神经网络和注意力机制使网络能考虑交互信息，从而优化特征，实现较高的轨迹预测精度。
-
公开(公告)号：CN119131587A
公开(公告)日：2024-12-13
申请号：CN202411197623.2
申请日：2024-08-29
Applicant: 淮阴工学院
IPC: G06V20/10 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于SGL‑YOLOv8s的轻量化绿豆干旱胁迫识别方法，首先获取绿豆干旱胁迫荧光图像数据并利用LabelImg软件为每张图片做标签；将打好标签的图片进行预处理和数据增强处理，然后将数据增强后的图像数据集分割为训练集、验证集和测试集；对YOLOv8s模型进行改进，用StarNet替换原来的主干网络，在颈部模块中引入C2f_GLFF，用轻量化LAWDS模块替换普通卷积；将之前获取的绿豆干旱胁迫图片输入到改进的YOLOv8s模型中训练，得到预训练好的SGL‑YOLOv8s模型；用于检测待识别的绿豆干旱胁迫图片。本发明提出的SGL‑YOLOv8s模型能对不同干旱胁迫等级的绿豆荧光图片进行检测，模型的参数量和浮点数分别下降了61％和53％，实现了模型算法的轻量化。
-
公开(公告)号：CN118468223B
公开(公告)日：2024-11-22
申请号：CN202410614595.3
申请日：2024-05-17
Applicant: 淮阴工学院
IPC: G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于STGNN‑Net的车辆轨迹预测方法，首先，对预先获取的轨迹数据集进行划分与特征构建；其次，构建基于STGNN‑Net的车辆轨迹预测网络，一个分支用TGCN‑Net提取输入轨迹数据的时间特征，另一个分支利用STG‑Net获得轨迹的时空特征，使得模型能考虑不同时间与空间范围的影响，再利用残差网络分别对TGCN‑Net和STG‑Net进行特征融合；最后利用自适应学习经过Informer特征融合后送入BiGRU网络预测车辆的轨迹。本发明充分利用轨迹数据中的时间特征，同时结合不同时间的空间特征，通过TGCN‑Net和STG‑Net提取特征以减少信息的损失，实现了更加准确和鲁棒的轨迹预测；通过图神经网络和注意力机制使网络能考虑交互信息，从而优化特征，实现较高的轨迹预测精度。
-
公开(公告)号：CN118470413B
公开(公告)日：2024-10-18
申请号：CN202410607710.4
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/774 , G06N3/08 , G06V10/776 , G06V10/74
Abstract: 本发明公开了一种基于UpCPFNet模型的芒果分级识别方法，首先将预先获取的芒果数据进行人工标注并制作成数据集，再对数据集进行预处理；构建包括初步特征提取模块Stem、六个ReHRSE模块、三个UpCFP模块、一个DoDB模块的基于UpCPFNet模型的芒果分级识别网络；对ReHRSE模块进行堆叠加深网络层数，使用UpCFP模块进行下采样丰富特征信息，使用DoDB模块对得到的深层网络特征和浅层网络特征在不同尺度上进行全局特征聚集和融合；最后通过全连接层输出分类。本发明使用深层网络的信息特征分别对局部特征进行特征融合，同时在不同尺度上的特征融合有助于集中局部特征信息，提高级别图像数据相似性的有效辨别，具有很大的实际运用价值，在农作物级别识别领域具有较大的前景。
-
公开(公告)号：CN118470414A
公开(公告)日：2024-08-09
申请号：CN202410607712.3
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/776 , G06V10/40 , G06V10/80 , G06N3/084
Abstract: 本发明公开了一种基于CS‑DNet轻量级模型的小麦种子筛选方法，预先收集实验所需小麦种子图像数据，并通过人工标注的方法对图片进行分类制作成数据集；构建基于CS‑DNet轻量级模型的小麦筛选网络，包括特征提取模块FEM和特征融合模块FFM；其中特征提取模块FEM采用通道分割、不同尺度的深度可分离卷积以及残差连接操作；特征融合模块FFM包括空洞卷积通道混洗模块C‑DBlock和增强倒残差结构EIRS；C‑DBlock实现通道信息的共享和空间信息的共享；EIRS为双分支网络结构，实现两条分支特征向量的融合；通过多次迭代得到效果最优的模型参数；用预训练好的网络模型对小麦种子进行分类。采用本发明可以在短时间实现小麦种子的准确筛选，在农业作物种子筛选领域具有较大的前景。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.029 seconds)
