“吴端坡”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42个，建议您升级VIP下载更多相关专利

[发明专利]基于车辆和边缘计算服务器的任务卸载匹配方法及系统-CN202211612847.6在审
发明人：金敏晨;冯维;姜显扬;许晓荣;朱芳;夏晓威;吴端坡;胡楚哲 -专利权人：杭州电子科技大学
申请日： 2022-12-15 - 公布日： 2023-07-07 - 主分类号： H04L67/61 文献下载
摘要：本发明属于信息与通信工程技术领域，具体涉及基于车辆和边缘计算服务器的任务卸载匹配方法及系统。方法包括如下步骤：S1，初始化阶段：集中控制中心MBS收集车辆和路边单元RSU的基本信息；S2，考虑车辆的随机移动和多种上传速率计算方法，计算不同车辆和路边单元RSU之间的时延和能耗；S3，建立以联合优化任务卸载时延和能耗为目标，以任务卸载决策和车辆随机移动为约束的优化模型；S4，采用基于代价最小化的匹配算法求解步骤S3建立的模型，得到最终车辆服务器匹配情况。本发明具有能够联合优化时延和能耗、兼顾车辆的移动性和传输可靠性的特点。
基于车辆边缘计算服务器任务卸载匹配方法系统

[发明专利]基于多维特征选择优化与机器学习算法融合的癫痫发作智能检测装置-CN202310141447.X在审
发明人：戴珅懿;刘俊飙;吴端坡 -专利权人：杭州妞诺科技有限公司
申请日： 2023-02-21 - 公布日： 2023-07-04 - 主分类号： A61B5/00 文献下载
摘要：本发明提供了一种基于多维特征选择优化与机器学习算法融合的癫痫发作智能检测装置，包括：采集模块：用于采集脑电信号；预处理模块：用于数据预处理；对采集到的原始EEG数据进行巴特沃斯带通滤波；对滤波后的EEG数据进行小波包分解，重构得到5种粗略的生理节律波；多域特征提取模块：用于从原始EEG信号以及小波包分解得到的节律波中提取信号的多域特征；多维特征选择优化模块：用于执行多维特征选择优化并得到结果；机器学习癫痫发作检测模块：使用特征集训练随机森林分类模型，得到基于机器学习的癫痫发作检测结果。
基于多维特征选择优化机器学习算法融合癫痫发作智能检测装置

[发明专利]基于负载均衡的接入点自适应调整方法-CN201910950925.5有效
发明人：孔正宇;吴端坡;金心宇;岑曙炜 -专利权人：杭州电子科技大学
申请日： 2019-10-08 - 公布日： 2023-06-06 - 主分类号： H04W28/02 文献下载
摘要：本发明公开了一种基于负载均衡的接入点自适应调整方法，包括以下步骤：S10，获取每个无线接入点的位置信息以及无线接入点中用户的位置和接收信号强度信息；S20，统计各个无线接入点中的用户数，计算每个无线接入点的平均用户吞吐量；S30，设定最低平均用户吞吐量阈值，根据阈值将无线接入点划分为不饱和无线接入点和饱和无线接入点；S40，从饱和无线接入点中选择出分流无线接入点，从不饱和无线接入点选择出接收无线接入点；S50，从分流无线接入点中选择一个用户卸载到接收无线接入点中。本发明解决多个无线接入点之间用户负载不均匀问题，提出了一种考虑用户分布的负载均衡的接入点自适应调整方法。
基于负载均衡接入自适应调整方法

[发明专利]基于惩罚集成模型的ICU死亡率预测方法及系统-CN202010188618.0有效
发明人：刘俊飙;戴珅懿;吴端坡 -专利权人：杭州妞诺科技有限公司
申请日： 2020-03-17 - 公布日： 2023-04-25 - 主分类号： G16H50/30 文献下载
摘要：本发明提供一种基于惩罚集成模型的ICU死亡率预测方法及系统，基于惩罚集成模型的ICU死亡率预测方法包括：从多维度获取ICU患者的多个原始数据特征；对获取的多个原始数据特征进行预处理；在原始数据特征的基础上挖掘并提取新的数据特征；基于集成模型内的算法对原始数据特征和新的数据特征进行选择，形成输入特征集；将形成的输入特征集输入已训练且测试好的集成模型内以获得ICU死亡率预测结果，所述集成模型集成了基于权重惩罚策略的逻辑回归算法和基于权重惩罚策略的LightGBM算法。
基于惩罚集成模型 icu 死亡率预测方法系统

[发明专利]基于脑网络优化的重症脑炎患者癫痫发作自动检测装置-CN202211595847.X在审
发明人：蒋铁甲;高峰;沈亚平;吴端坡;刘俊飙;董芳;蒋路茸 -专利权人：浙江大学
申请日： 2022-12-12 - 公布日： 2023-04-04 - 主分类号： A61B5/00 文献下载
摘要：本发明提供一种基于脑网络优化的重症脑炎患者癫痫发作自动检测装置，其特征在于，包括采集模块、预处理模块以及检测模块，所述采集模块采集脑炎患者待检测的原始脑电信号；预处理模块对采集到的待检测脑电信号进行预处理后输入至检测模块内的识别模型以得到癫痫发作的检测结果；所述检测模块内的识别模型集多个脑网络和多个特征的融合，从多个相关维度上更全面地反应脑网络中各个节点之间的关系；而基于改进遗传算法的网络层和特征层优化则实现了多个网络加权系数和多个网络加权系数最优确定，将最优的网络层和特征层作为机器学习输入，从而大大提高了癫痫识别的准确率。
基于网络优化重症脑炎患者癫痫发作自动检测装置

[发明专利]基于色散指数与时空网络融合的发作智能检测装置-CN202211555633.X在审
发明人：刘俊飚;戴珅懿;吴端坡 -专利权人：杭州妞诺科技有限公司
申请日： 2022-12-06 - 公布日： 2023-04-04 - 主分类号： G06F18/213 文献下载
摘要：本发明提供了一种基于色散指数的时空网络融合的发作智能检测装置，包括：采集模块：用于采集脑电信号；预处理模块：用于数据预处理；对采集到的原始EEG数据进行带通滤波得到干净EEG信号；时间网络与空间网络提取特征模块：用于提取时间网络和空间网络的特征；特征选择模块：用于选择时间网络和空间网络各自最有效的特征；机器学习检测模块：用于执行机器学习发作检测并得到结果。
基于色散指数时空网络融合发作智能检测装置

[发明专利]一种基于多通道表面肌电信号采集的运动信息分析系统及方法-CN202211345611.0在审
发明人：李睿涵;吴端坡;江昱宏;李兵倩;李婧涵;陈凯霖 -专利权人：杭州电子科技大学
申请日： 2022-10-31 - 公布日： 2023-02-24 - 主分类号： G06F18/2411 文献下载
摘要：本发明是一种基于多通道表面肌电信号采集的运动信息分析系统及方法，至少包括数据采集模块和数据处理模块，其中，数据采集模块用于采集用户运动过程中至少8通道的表面肌电信号并进行数据处理后发送给数据处理模块，数据处理模块用于将采集的肌电数据并进行处理并输出评价结果，数据采集模块至少传感器模块、包括放大滤波电路、蓝牙模块以及数模转换模块。采用本发明技术方案，通过记录用户运动过程中的多通道表面肌电信号，实现健身动作的识别与分析，从而改善用户的运动姿势。
一种基于通道表面电信号采集运动信息分析系统方法

[发明专利]基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置-CN201911033704.8有效
发明人：王紫萌;吴端坡;冯维 -专利权人：杭州电子科技大学
申请日： 2019-10-28 - 公布日： 2022-11-22 - 主分类号： A61B5/372 文献下载
摘要：本发明提供了一种基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置，包括：采集模块：用于采集脑电信号；预处理模块：用于数据预处理；对采集到的原始EEG数据进行巴特沃斯带通滤波得到标准EEG信号；自适应模板匹配棘波检测模块：用于执行自适应模板匹配棘波检测并得到结果；机器学习棘波检测模块：用于执行机器学习棘波检测并得到结果；输出模块：用于将检测结果融合并输出。
基于自适应模板匹配机器学习算法融合癫痫智能检测装置

[发明专利]基于集成模型的单通道脑电信号睡眠分期方法及系统-CN202010187666.8有效
发明人：刘俊飙;戴珅懿;吴端坡 -专利权人：杭州妞诺科技有限公司
申请日： 2020-03-17 - 公布日： 2022-09-20 - 主分类号： A61B5/369 文献下载
摘要：本发明提供一种基于集成模型的单通道脑电信号睡眠分期方法及系统，该基于集成模型的单通道脑电信号睡眠分期方法其包括采集患者单通道的脑电信号和受试者的自身特征；对获取的单通道脑电信号进行预处理，将完整的单通道脑电信号分割成具有一定时长的多个片段信号；获取每个片段信号内的多段节律波；提取每个片段信号的时域特征参数和每个片段信号上的每个节律波的频域特征参数；将获得多个特征参数和用户特征输入已构建完成的集成模型以获得单通道脑电信号的睡眠分期结果，集成模型基于改进的随机森林算法和改进的LightGBM算法而建立且为每个睡眠时期赋予了可调整的权重惩罚因子。
基于集成模型通道电信号睡眠分期方法系统

[发明专利]基于脑电信号特征的大脑异常放电检测方法及系统-CN202010788783.X有效
发明人：董芳;刘俊飙;吴端坡;孙乐 -专利权人：浙江环玛信息科技有限公司
申请日： 2020-08-07 - 公布日： 2022-08-23 - 主分类号： A61B5/00 文献下载
摘要：本发明提供一种基于脑电信号特征的大脑异常放电检测方法及系统，该方法包括：采集原始脑电信号并进行数据处理；提取预处理后的脑电信号中的多域特征和棘波特征，多域特征包括时频特征和非线性特征；基于提取时频特征和非线性特征采用已训练完成的随机森林模型来得到脑电信号异常放电的第一检测结果；基于提取的棘波特征中棘波比和设定阈值的关系来获得脑电信号异常放电的第二检测结果；融合第一检测结果和第二检测结果以得到最终的大脑异常放电检测结果。
基于电信号特征大脑异常放电检测方法系统

[发明专利]融合性癫痫发作期自动检测方法及系统-CN202010789600.6有效
发明人：董芳;吴端坡;刘俊飙;孙乐 -专利权人：浙江环玛信息科技有限公司
申请日： 2020-08-07 - 公布日： 2022-08-19 - 主分类号： A61B5/369 文献下载
摘要：本发明提供一种融合性癫痫发作期自动检测方法及系统，该方法包括：采集原始的连续脑电信号；对原始的连续脑电信号进行数据处理并进行分期；提取每个时期内连续脑电信号的多域特征并基于提取的多域特征采用已训练完成的随机森林模型进行检测以获得每个时期内的第一检测结果；将数据处理且分期后的连续脑电信号转换成振幅整合信号；使用形态学滤波对振幅整合信号进行尖峰波检测并基于检测的尖峰波信号和设定阈值获得每个时期的第二检测结果；融合第一检测结果和第二检测结果。
融合癫痫发作自动检测方法系统

[发明专利]一种面向移动网络的无人机部署与跟踪控制方法-CN202111660877.X在审
发明人：张书畅;吴端坡;刘栗杉 -专利权人：杭州电子科技大学
申请日： 2021-12-31 - 公布日： 2022-05-13 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种面向移动网络的无人机部署与跟踪控制方法，包括以下步骤：步骤S1：获得目标地区用户的坐标，并进行编号；步骤S2：使用改进型HHO算法对目标地区进行无人机位置部署；步骤S3：无人机计算自己受到来自用户或其他无人机的虚拟力；步骤S4：无人机在特定的时间区间内，按照受到的虚拟力进行移动；步骤S5：移除可以进入休眠状态的无人机；步骤S6：重复步骤S3‑S5，直到所有无人机进入休眠状态或者达到最大迭代次数。采用本发明技术方案，能够控制无人机基站为热点地区用户提供持续而可靠的网络服务，缓解地面蜂窝网络压力。
一种面向移动网络无人机部署跟踪控制方法

[发明专利]基于改进纳什均衡策略的无人机回程传输控制方法-CN202111667087.4在审
发明人：刘栗杉;吴端坡;张书畅 -专利权人：杭州电子科技大学
申请日： 2021-12-31 - 公布日： 2022-05-13 - 主分类号： H04W4/02 文献下载
摘要：本发明公开了一种基于改进纳什均衡策略的无人机回程传输控制方法，包括以下步骤：S10，获取基站的位置信息和与该基站建立回程链路的无人机的位置信息以及每个无人机的需求速率信息；S20，将所有无人机初始化链路设定为直接连接到基站，将能够满足自身需求速率的无人机定义为常驻无人机；S30，将所有非常驻无人机一次参与纳什均衡过程的有序组合作为一次迭代，通过不断的迭代直到形成的回程网络纳什收敛；S40，找到所有参与纳什均衡过程中被空对空链路排斥的无人机；S50，将被空对空链路排斥的无人机连接到有回程链路传输速率余量的无人机，进行优化接入匹配。本发明解决多无人机在远程服务地面用户时如何最大化有效回程数据传输速率的问题，提出了一种基于改进纳什均衡策略的无人机回程网络形成方案。
基于改进均衡策略无人机回程传输控制方法

[发明专利]一种无人机辅助的移动边缘计算系统内容缓存方法-CN202111672606.6在审
发明人：叶雅楠;冯维;杨寅文;齐崇信;陈杰;徐玲;许晓荣;吴端坡;姜显扬;姚英彪 -专利权人：杭州电子科技大学
申请日： 2021-12-31 - 公布日： 2022-04-12 - 主分类号： H04B7/185 文献下载
摘要：本发明涉及一种无人机辅助的移动边缘计算系统内容缓存方法。包括：S1获取地面节点坐标；S2将缓存过程分为文件缓存阶段和文件检索阶段；S3结合信道容量、无人机飞行速率、无人机及地面节点存储容量约束，建立成本最小化优化模型；S4利用聚类算法，优化无人机航路点，以使得每个地面节点至少在一个无人机航路点的服务范围内；S5利用模拟退火算法求出耗时最小的无人机飞行轨迹；S6基于无人机飞行轨迹，并利用模拟退火算法对成本最小化优化模型进行求解，以得到最优缓存策略。考虑无人机续航能力、地面节点存储能力及D2D传输链路信道状态等条件下，通过优化无人机飞行轨迹和文件缓存位置，实现了文件缓存成本和检索成本之间的均衡，降低了系统的时延。
一种无人机辅助移动边缘计算系统内容缓存方法

[发明专利]考虑中继信任度的保证信息传输安全的中继功率设置方法-CN202111671391.6在审
发明人：冯维;杨寅文;齐崇信;陈杰;徐玲;姜斌;姚英彪;许晓荣;吴端坡;夏晓威 -专利权人：杭州电子科技大学
申请日： 2021-12-31 - 公布日： 2022-04-08 - 主分类号： H04W52/18 文献下载
摘要：本发明实施例提供一种考虑中继信任度的保证信息传输安全的中继功率设置方法及装置，所述方法包括：将消息传输过程分为第一时隙及第二时隙，并结合基本配置信息，得到对应的消息速率公式；设置中继节点的中继信任度，结合消息速率公式，得到平均保密速率，并以平均保密速率、中继发送功率、中继信任度为约束建立对应的优化模型；在优化模型中，综合计算得到中继信任度的条件公式以及中继发送功率的计算公式；并推导到的中继信任度与中继发送功率之间的关系公式，结合实际中继信任度，得到对应的最小实际发送功率。采用本方法能够在实际情况中，已知中继信任度情况下，设置中继节点的发射功率，使得干扰功率最小以保证信息的安全传输。
考虑中继信任保证信息传输安全功率设置方法

1
2
3
下一页»
尾页
共 42 条