“李岫宸”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种代价优化的类不平衡二元自相关过程异常识别算法-CN202211259055.5在审
发明人：陈春梅;朱波;刘治;张鸿韬;王志鹏;李岫宸;邹艳华;胡朋 -专利权人：昆明理工大学
申请日： 2022-10-14 - 公布日： 2023-04-11 - 主分类号： G06F18/2433 文献下载
摘要：一种代价优化的类不平衡二元自相关过程异常识别算法，包括以下步骤：步骤1：利用Mont‑Carlo仿真生成二元自相关过程类别不平衡的四种模式数据集D；步骤2：按照一定比例将数据集D划分为训练集S、验证集G和测试集T；步骤3：基于训练集S和验证集G，利用PSO计算最优相对代价参数，并训练出多个两分类CSLSTM作为基分类器；步骤4：将训练好的两分类CSLSTM通过OVR策略构建成多分类模型，基于测试集T进行性能测试。一系列比较实验证明了PSO‑CSLSTM模型的有效性。该模型用于数据类别不平衡条件下的二元自相关过程异常识别，通过优化代价和CSLSTM的应用，提高对二元自相关过程异常识别的总体性能，属于机器学习在制造过程多元质量控制领域的应用，具有较好的应用前景。
一种代价优化不平衡二元相关过程异常识别算法

[发明专利]一种融合密度聚类与ERNIE的医疗文本关系抽取方法-CN202211576536.9在审
发明人： 李岫宸;朱波;邹艳华;邱兰 -专利权人：昆明理工大学
申请日： 2022-12-09 - 公布日： 2023-04-11 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种融合密度聚类与ERNIE的医疗文本关系抽取方法，包括如下步骤：首先，获取非结构化的中文医疗文本，其中，对实体进行识别和标注，并对文本使用正则表达式进行清洗；然后，对标注的实体进行向量化处理，并使用HDBSCAN算法进行聚类，其中，向量化前先进行平滑处理，以更准确提取到实体的词频特征；最后，将聚类结果标注到文本中，并作为ERNIE预训练模型的输入进行关系抽取，其中，抽取采用封闭式降低未知关系造成的歧义。本发明改善了中文医疗文本词频不足的特性，通过预训练模型的运用充分挖掘了实体关系的先验知识，同时通过预训练模型强化实体在文本中的位置信息，提升关系抽取的准确性。
一种融合密度 ernie 医疗文本关系抽取方法

[发明专利]一种基于DCGAN和分形理论的双子叶植物叶脉建模方法-CN202211258379.7在审
发明人：张鸿韬;朱波;陈春梅;王志鹏;李岫宸;荆晓娜;黎魁 -专利权人：昆明理工大学
申请日： 2022-10-14 - 公布日： 2022-12-23 - 主分类号： G06T3/00 文献下载
摘要：本申请提供了一种基于DCGAN和分形理论的双子叶植物叶脉建模方法，首先，根据真实植物叶片照片将叶片叶脉进行多级划分，分析植物叶脉状态特征并确定分形规则，根据形状得到叶脉的分形维数；其次，对真实双子叶植物叶片使用阈值分割方法提取主叶脉与一级支脉的叶脉形状曲线；之后，使用DCGAN对主叶脉和一级支脉的叶脉形状曲线进行学习，得到该类植物的相邻等级叶脉生成规则；对难以提取的高等级叶脉，利用分形系统推演法则融合低等级叶脉生成规则产生；最后结合叶脉分形规则，生成精细叶脉形状。本发明的方法适合于双子叶植物叶脉的快速精细生成，能够更科学、快速的生成双子叶植物叶脉形状。
一种基于 dcgan 理论双子叶植物叶脉建模方法

[发明专利]基于真空吸附传送带与自适应料仓的烟叶分离输送装置-CN202211138705.0在审
发明人：朱波;王志鹏;侯开虎;邓超;李岫宸;陈春梅;张鸿韬;刘治;王通;黎魁 -专利权人：昆明理工大学
申请日： 2022-09-19 - 公布日： 2022-12-02 - 主分类号： B65G15/58 文献下载
摘要：本发明公开了一种基于真空吸附传送带与自适应料仓的烟叶分离输送装置，由真空吸附传送带和自适应料仓两部分构成。真空吸附传送带包括真空泵、负压风扇、真空滚筒和打孔输送带等核心部件。打孔输送带覆盖在真空滚筒上，将负压风扇产生的负压通过孔洞传出。自适应料仓通过红外检测自适应调整高度，将烟叶送到真空吸附有效区域内，被吸附到输送带上移动，传递到后续分级环节。装置通过真空吸附传送带与自适应料仓的配合，将单片烟叶从料仓中逐一分离出来。自适应料仓设计为多料仓环形排布，以弹夹方式进入以进一步提高效率。本发明解决了分级设备上料采用人工上料效率低、劳动强度大的问题，能够突破人工上料成为制约烟叶分级效率进一步提升的瓶颈。
基于真空吸附传送带自适应烟叶分离输送装置

[发明专利]一种不平衡数据的二阶段重采样方法-CN202111174986.0在审
发明人：朱波;刘宁;徐淼;陈春梅;李岫宸 -专利权人：昆明理工大学
申请日： 2021-10-09 - 公布日： 2022-02-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种不平衡数据的二阶段重采样方法具体步骤为：首先采用SMOTEENN方法增加少数类样本数量使数据集趋于平衡。然后引入SMOTEENN采样后的正类样本及标签作为生成网络的输入,使得CGAN在训练过程中可以充分学习到正类样本的分布特征。随后基于CGAN中的生成网络对少数类样本进行扩增合成新的平衡数据集。将提出的方法应用于多个共享的标准不平衡数据集分类实验，实验结果表明，与其他经典不平衡数据集处理方法相比，本发明所生成的样本分布更加合理，在分类器上表现性能更具优势。
一种不平衡数据阶段采样方法