-
公开(公告)号：CN118469992A
公开(公告)日：2024-08-09
申请号：CN202410708334.8
申请日：2024-06-03
IPC分类号： G06T7/00 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种肠道息肉检测方法及装置，所述检测方法包括：获取包含息肉目标的肠镜图片，对图片中的息肉进行标注划分以构建数据集；构建息肉目标检测模型，包括主骨干网络、助理骨干网络、颈部网络和预测头，主骨干网络中引入空融模块，空融模块用于将各个尺度下的特征经过不同的卷积操作之后再进行深度方向上的拼接；助理骨干网络接收来自空融模块的包含不同大小息肉目标特征的输入，通过一系列的特征提取模块和下采样模块逐步提取特征，生成多尺度、包含丰富语义信息的特征图，并与主骨干网络中的特征图相融合；利用数据集对息肉目标检测模型进行训练，利用经训练的息肉目标检测模型进行肠道息肉检测。本发明能够提高肠道息肉识别精度。
-
公开(公告)号：CN115831386A
公开(公告)日：2023-03-21
申请号：CN202211373140.4
申请日：2022-11-03
申请人： 淮阴工学院
摘要： 本专利公开了一种基于改进遗传算法的重要节点识别方法，适用于社交网络中重要节点识别的研究领域。该方法的具体步骤为：首先将初始的社交网络定义为G(V，E)，通过社区检测算法进行社区划分，进一步对划分好的社区根据社区熵进行社区合并；然后根据介数中心性筛选出社区内部排名较高的节点集S1，以及社区边界中节点度较大的枢纽节点集S2，将以这两者合并为重要节点候选集S*；然后采用流行病阈值作为目标函数，然后将目标免疫问题转化为一个优化问题，通过改进的遗传算法对集合S*进行优化，得到最终的免疫节点集S。与现有技术相比，本发明能够较好的识别出社交网络中的重要节点，还能解决影响力传播覆盖问题。
-
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：CN116595199A
公开(公告)日：2023-08-15
申请号：CN202310556093.5
申请日：2023-05-17
申请人： 淮阴工学院
IPC分类号： G06F16/38 , G06N3/042 , G06N3/0464 , G06F16/35
摘要： 本发明公开了一种基于图卷积和DBSCAN算法的专家影响力最大化方法，涉及引文网络下影响力最大化研究领域。首先将每个专家看作是一个节点，并根据他们之间的引用关系构建一个引文网络，使用图卷积神经网络对这个引文网络进行特征提取，得到每个专家节点的特征表示；然后使用DBSCAN算法对矩阵进行聚类，得到不同的社区利用谱聚类方法将专家节点划分为不同的聚类簇，每个聚类簇代表一个具有较高影响力的专家群体；最后对专家节点按照影响力得分进行排序，从而得到最具影响力的专家列表。与现有技术相比，本发明所提出的方法可以更好的识别出引文网络中的影响力较大的专家，是一种比较优秀的影响力最大化算法。
-
公开(公告)号：CN116469573A
公开(公告)日：2023-07-21
申请号：CN202310374907.3
申请日：2023-04-10
申请人： 淮阴工学院
摘要： 本发明公开了一种基于自适应遗传算法的疫情传播预测优化方法，在传统SEIR模型的基础上增加病毒可以通过物体进行传播、潜伏期人群具有一定感染率和自愈率、感染者具有死亡率以及康复者具有复阳率来适应真实疫情传播特点；将不同人群随时间t变化的序列函数表示出来整合成人群变化的方程表达式，并对所提出的模型和公式求解证明；再对数据进行参数估计和模型拟合来预测疫情的走势变化；为优化模型预测结果，提出了用自适应遗传算法来调节模型参数使预测结果更加逼近实际结果，最后用评价指标来评估模型预测的结果与实际的数据进行检验评估，证明了经过自适应遗传算法优化后的模型，预测准确度大大提高。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：CN117315584A
公开(公告)日：2023-12-29
申请号：CN202311303447.1
申请日：2023-10-09
申请人： 淮阴工学院
IPC分类号： G06V20/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种基于改进YOLOv7‑tiny的危化品车辆目标检测方法,包括以下步骤：首先将危化品车辆数据集中的原始图像进行一次处理，生成统一大小的图像，然后对统一大小的图像进行二次处理；在模型的Backbone部分引入轻量的C2fGhostv2网络和部分卷积；在模型的Neck部分也引入轻量的C2fGhostv2网络，使模型在保证轻量化的同时获得更加丰富的梯度流信息，更高效的进行特征融合。再者，为了解决解决盲目强调高质量样本导致的目标性能下降的问题，使用WIoU损失函数，很好的平衡了高质量和低质量样本的训练效果，提高了模型的鲁棒性和泛化性能；最后通过卷积和解码操作来生成目标框的位置和类别信息。与现有技术相比，本发明为危化品车辆目标检测领域的理论研究和应用提供了有力支持。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.052 秒)
