-
公开(公告)号：CN118298277A
公开(公告)日：2024-07-05
申请号：CN202410408189.1
申请日：2024-04-07
申请人： 淮阴工学院
IPC分类号： G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种MSCM卷积神经网络检测方法。包括建立MSCM模块，MSCM模块包括多个顺次相接的卷积层，多个卷积层依次排列为第一卷积层和多个次卷积层；在MSCM模块内部交互时，第一卷积层的输入来自第一CBS块，每个次卷积层的输入来自上一卷积层，全部卷积层的输出合并后输入第二CBS块；在MSCM模块与外部交互时，由第一CBS块接收输入图像，由第二CBS块产生输出图像；基于YOLO算法将MSCM模块、辅助检测头结合建立检测模型，待检测图像经过所述检测模型处理后，识别出检测目标；其中，检测模型依次包括骨干网络、颈部网络和头部网络；若干个MSCM模块分布于骨干网络与颈部网络中；若干个辅助检测头分布于头部网络中。本发明具有鲁棒性强、准确性高、结构简单的特点。
-
公开(公告)号：CN118038555A
公开(公告)日：2024-05-14
申请号：CN202410226816.X
申请日：2024-02-29
申请人： 淮阴工学院
IPC分类号： G06V40/20 , G06V20/52 , G06V10/82 , G06V10/774 , G06V10/25 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/52 , G06N3/0464 , G06N3/0495 , G06N3/08
摘要： 本发明公开了一种基于改进YOLOv8的化工企业人员的危险行为检测方法，采用数据增强方法对自制危险行为数据集进行增强，并将数据集划分为训练集，测试集和验证集；构建基于改进YOLOv8的危险行为检测模型，在YOLOv8模型的主干和颈部部分引入通过组内点卷积残差模块IPCR和增强自适应层聚合模块EALA构成的CSP_EALA模块；在颈部引入组内点卷积空间金字塔池化IPSPP模块替换原始YOLOv8网络的SPPF模块；在Neck部分引入双卷积挤压激励网络；将训练集输入到危险行为检测模型进行训练；将待检测的危险行为图片输入训练后的危险行为检测模型，输出最终检测结果。本发明相较于原YOLOv8模型检测精度有所提升，有效提高了模型的检测效果、鲁棒性和泛化性能，为化工业领域的危险行为检测提供了有力支持。
-
公开(公告)号：CN118035448A
公开(公告)日：2024-05-14
申请号：CN202410224855.6
申请日：2024-02-29
申请人： 淮阴工学院
IPC分类号： G06F16/35 , G06N3/042 , G06N3/0464 , G06N3/0895
摘要： 本发明公开了一种基于伪标签去偏的引文网络中论文领域分类方法、装置及介质，所述方法为于图神经网络的编码器获取引文网络中每个视图的节点表示；基于半监督节点分类器为引文网络中未标注研究领域类别的数据分配的伪标签来选择负样本，建立对比学习任务；引入伪标签去偏法，处理引文网络数据集中论文研究领域类别分布的不均匀性问题；构建包括标签节点的分类损失、采样节点的对比损失以及自适应边界损失组合损失函数，对图神经网络进行优化，使其学到更具有判别性和泛化性的节点表示，实现对引文网络中的论文研究领域进行分类。本发明可以更好的应用于大量未标注标签的引文网络中，对引文网络中论文的研究领域的分类更准确高效。
-
公开(公告)号：CN116913543A
公开(公告)日：2023-10-20
申请号：CN202310669744.1
申请日：2023-06-07
申请人： 淮阴工学院
IPC分类号： G16H50/80 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于图神经网络的疫情传播影响力最大化方法，涉及了传染病模型和神经网络技术领域。其具体步骤为：首先，把传统SEIR模型改进成易感‑潜伏‑感染‑恢复‑死亡（SEIRD）模型，把网络中的节点设置成一组连续标签，根据标签对节点进行社区划分，得到多组随机游走的节点序列，再使用word2vec节点嵌入为网络中的节点生成低维向量。其次，把节点序列用长短期记忆法进行训练将有用序列输出，然后将序列输入到图神经网络(GNN)的回归器中，在SEIRD模型下，通过影响力最大化算法预测每个节点的影响力，排序后再进行参数评估和分析从而选择最优的节点网络。最后根据评估，该方法优于一些经典的影响力最大化方法。本发明具有预测较为精准和可靠性较高的优点。
-
公开(公告)号：CN110289106B
公开(公告)日：2023-06-16
申请号：CN201910576633.X
申请日：2019-06-28
申请人： 淮阴工学院 , 淮安市第二人民医院(淮安仁慈医院)
IPC分类号： G16H70/40 , G06F18/214
摘要： 本发明公开了一种从中药复方中分析功效对应中药及其药性配伍关系的方法，该方法包括：(1)获取待处理数据集，数据集包括中药信息数据集和复方信息数据集；(2)利用预处理后的中药信息数据集对预处理后的复方信息数据集进行性味和归经的扩充；(3)抽象出扩充后的复方信息数据集中中药、功效和性味之间的多维关系，构建结合主题模型，并求解结合主题模型的模型参数；(4)抽取部分扩充后的复方信息数据集作为训练集，对结合主题模型进行训练，直至达到设定的迭代次数，并根据训练结果输出功效与中药、性味和归经的概率值矩阵。本发明能够从大量中药复方中挖掘分析出功效对应中药及其药性的多维配伍关系隐性关系，可广泛用于指导临床用药、计算机自动组方及新药发现。
-
公开(公告)号：CN113764108A
公开(公告)日：2021-12-07
申请号：CN202110935880.1
申请日：2021-08-16
申请人： 淮阴工学院
IPC分类号： G16H50/80
摘要： 发明公开了一种面向COVID‑19的经验模态分解模糊预测方法，适于疫情预测领域，步骤包括：新冠疫情原始数据使用经验模态分解算法，得到不同时间尺度下数据的变化趋势；将得到的数据用大小为1*(c+1)的窗口，以步长为1，使用极限学习机进行滑动训练，得到不同时间尺度下的预测值；使用自适应模糊推理系统对训练结果进行拟合，得到最终预测值。该方法在保证学习精度的前提下，简化了训练过程，提升了算法运行速度和泛化能力，同时解决了过拟合和局部最小等问题，能够很好地满足了用户对预测系统中的高准确率的要求，具有切实可行的应用前景和实用价值。
-
公开(公告)号：CN107887022B
公开(公告)日：2021-10-29
申请号：CN201711096765.X
申请日：2017-11-09
申请人： 淮阴工学院
摘要： 本发明提供一种基于SSTM的中医证候智能诊断方法，首先输入计算机程序可识别的病人电子文档诊疗记录数据集；其次构建症状—证候主题模型(SSTM)，进行参数求解并对其进行训练；然后将预测样本输入，采用松弛SSTM进行增量训练，进行智能证候诊断。本方法可应用于中医学习系统中，大大降低中医诊断知识学习和掌握的难度，还能应用于各种中医智能化诊疗系统中，对促进证候诊断智能化和标准化具有重要意义。
-
公开(公告)号：CN111914613A
公开(公告)日：2020-11-10
申请号：CN202010437613.7
申请日：2020-05-21
申请人： 淮阴工学院
摘要： 发明公开了一种多目标跟踪及面部特征信息识别方法，首先输入面部视频并转换成人脸关键帧集SF；然后通过分类、数据增强SF得到数据集SFD；使用改进的mini-Xception模型对SFD特征提取，得到自适应寻优面部特征识别模型FFs_model；提取人脸数据流FEV中的关键帧序列，自适应聚合人脸跟踪特征，得到多目标人脸关键帧位置集合FEC；加载FFs_model模型并输入FEC，生成多目标面部特征分类结果集FECR；最后开放自适应识别接口处理终端请求，得到的多目标场景下签到及目标特征跟踪状态识别的处理结果集存于Web服务器。本发明方法结合改进的多目标跟踪及自适应面部特征识别技术，可有效获取一种准确度最高的图片特征结果标签，增加了多目标场景下人脸跟踪及面部特征识别的准确度及使用价值。
-
公开(公告)号：CN110659651A
公开(公告)日：2020-01-07
申请号：CN201910835463.2
申请日：2019-09-05
申请人： 淮阴工学院
摘要： 本发明公开了一种基于SIFT的篡改定位可逆图像水印方法，该方法包括认证水印生成、认证水印嵌入、水印提取与篡改定位三个阶段，利用特征点所在几何区域来修改相应变换域系数值。为保证水印嵌入与提取的起始位置保持一致，尤其是在遭到图像旋转攻击时候，边角信息就会丢失，造成篡改定位精度降低。为了解决这个问题，本发明选取载体图像的内切圆盘作水印嵌入区域，对待检水印图像计算其不变距，与几何校正参数Para比较获知几何攻击类型，对待检测图像进行几何校正，此种几何方式能够较好地保证水印的稳健性。仿真结果表明，本发明方法能够有效并且高精度的检测和定位出被篡改区域，同时具有一定的鲁棒性和不可见性。
-
公开(公告)号：CN118470411A
公开(公告)日：2024-08-09
申请号：CN202410600922.X
申请日：2024-05-15
申请人： 淮阴工学院
IPC分类号： G06V10/764 , G06T5/50 , G06T5/70 , G06N3/0455 , G06N3/042 , G06N3/0895
摘要： 本发明公开了一种基于去噪和掩码重建的图对比学习网络节点分类方法、装置及介质，所述的图对比学习网络节点分类方法包括：(1)对图数据添加定向噪声，得到一个增强后的加噪视图；将引文网络数据的特征进行一定程度的掩码，得到一个增强后的掩码视图；(2)通过GNN编码器获取两个增强视图的节点特征表示；(3)以两个增强视图的对应节点为正样本，其余为负样本，建立对比学习任务，然后将编码器得到的节点特征表示通过GNN解码器提取特征，与原图建立重构任务；(4)构建包括去噪重建损失、掩码重建损失和两个增强视图之间的对比损失的联合多损失函数，从而训练一个编码器，实现对网络中节点的分类。本发明能够提高网络节点分类的精度。
-
-
-
-
-
-
-
-
-
搜索结果
68 条记录 (耗时 0.029 秒)
