- 最近
- 已收藏
- 排序
- 筛选
- 9
- 1
- 1
- 1
- 3
- 2
- 2
- 2
- 1
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 主题词
- 外文期刊
- 文献类型
- 刊名
- 作者
- 主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 张中军 于来行 等 《郑州大学学报(理学版)》 2021年53卷4期 69-76页
【摘要】 现有的微博社交网络社区挖掘算法大多基于对微博内容的识别,不但涉及用户隐私,还忽略了用户转发行为的重要性,并且对于社区数量和社区中心的判断具有主观性,社区的重叠结构也不易发现.为解决上述问题,提出了一种基于链路结构和转发行为的微博社交网络重叠...
- 概要:
- 方法:
- 结论:
【中文期刊】 李润川 张行进 等 《郑州大学学报(工学版)》 2021年42卷4期 7-12页
【摘要】 心律失常是一种常见的心电活动异常,严重的可能危及人的生命.为了能准确诊断心律失常,提出了一种新的方法,用于心律失常诊断中对心搏的识别分类.首先对原始心电信号进行去噪预处理,并根据R峰位置获得心搏段.然后提取235单心搏特征点、R波幅值、P ...
- 概要:
- 方法:
- 结论:
【中文期刊】 李碧草 李润川 等 《计算机应用与软件》 2020年37卷11期 95-100页
【摘要】 针对互信息相似性测度中传统香农熵的扩展性,结合Arimoto非扩展熵的性质,构造一种新的相似性测度,提出基于该相似度的多模态三维医学图像配准算法.构造非扩展熵相似度,建立图像配准框架;利用基于B样条的帕曾窗估计联合概率分布,得到连续的目标函...
- 概要:
- 方法:
- 结论:
【中文期刊】 张行进 李润川 等 《计算机应用与软件》 2020年37卷1期 186-191页
【摘要】 针对心肌梗死疾病的快速准确定位,提出一种结合基因算法和极限学习机(GA-ELM)的新定位算法.对多导联心电图(electrocardiogram,ECG)进行去噪预处理;分别定位出每个R波峰的位置,并将心电信号分割成相互独立的心搏序列,作为...
- 概要:
- 方法:
- 结论:
【中文期刊】 张行进 李润川 等 《计算机应用与软件》 2020年37卷2期 48-53页
【摘要】 针对目前智能医疗诊断领域的研究现状,结合心电信号的时序性和多导联关联性特点,为降低心肌梗死疾病的误诊率,提出一种基于双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit,BiGRU)和多导联心电图(...
- 概要:
- 方法:
- 结论:
【中文期刊】 刘炜 王林 等 《计算机应用研究》 2020年37卷2期 473-476页
【摘要】 针对R波检测问题,提出了基于几何形态群组特征的R波检测算法.算法首先用滤波器组对心电信号进行预处理,然后通过整体与局部兼顾的信号处理方式计算几何形态特征值,并使用群组中三个几何形态特征值检测R波,最后采用MIT-BIH标准心律失常数据库验证...
- 概要:
- 方法:
- 结论:
【中文期刊】 李润川 冯盼盼 等 《计算机应用与软件》 2019年36卷7期 8-13,64页
【摘要】 设计一种基于云计算的智能健康监测系统,实现人体多体征参数的检测、监护和健康干预,为慢性病防治和不良生活习惯纠正提供了积极有效的解决途径.系统由智能监测设备、应用终端和云平台三部分组成.通过监测心电、血氧、血压、血常规等体征参数,判断受检者的...
- 概要:
- 方法:
- 结论:
【中文期刊】 李润川 张行进 等 《计算机应用与软件》 2019年36卷10期 145-150页
【摘要】 为了更准确地检测心律失常,提出基于单心搏活动特征与BiLSTM-Attention模型的心律失常检测方法.采用MIT-BIH心律失常数据库对算法进行验证,用双正交小波变换去除噪声干扰;通过二进样条小波变换的模极大极小值对检测R波峰值位置,并...
- 概要:
- 方法:
- 结论:
【中文期刊】 商建东 李盼乐 等 《计算机应用》 2018年38卷4期 923-927,934页
【摘要】 针对出租车空载率高、司机寻客难的问题,提出泊松-卡尔曼组合预测模型(PKCPM).首先,采用加权非齐次泊松模型,针对出租车历史数据进行建模,得到目标时刻的估计值;其次,基于当天的实时数据,将临近时刻乘客需求的平均值作为目标时刻预测值;最后,...
- 概要:
- 方法:
- 结论: