本發(fā)明公開(kāi)基于彈性伸縮雙層調(diào)度框架的云計(jì)算資源調(diào)度方法及系統(tǒng)，涉及云計(jì)算資源調(diào)度領(lǐng)域，基于三層云計(jì)算市場(chǎng)，建立雙層調(diào)度框架；雙層調(diào)度框架包括任務(wù)分配調(diào)度器和虛擬機(jī)自動(dòng)伸縮調(diào)度器；任務(wù)分配調(diào)度器通過(guò)采集當(dāng)前云計(jì)算平臺(tái)的任務(wù)特征和虛擬機(jī)使用...

本發(fā)明公開(kāi)了一種計(jì)算任務(wù)的延遲卸載方法及系統(tǒng)，其中方法，包括：獲取移動(dòng)終端在第一區(qū)域時(shí)發(fā)起的任務(wù)計(jì)算請(qǐng)求；根據(jù)所述計(jì)算任務(wù)請(qǐng)求，從時(shí)延、能耗、效益和成本四個(gè)維度構(gòu)建多目標(biāo)優(yōu)化問(wèn)題，對(duì)多目標(biāo)優(yōu)化問(wèn)題進(jìn)行求解，得到第一區(qū)域的最優(yōu)MEC服務(wù)器...

本發(fā)明提供了一種基于人工智能的漢語(yǔ)言文學(xué)文檔處理裝置，屬于文檔處理技術(shù)領(lǐng)域。該一種基于人工智能的漢語(yǔ)言文學(xué)文檔處理裝置，包括底箱，所述底箱的頂面固定安裝有文檔柜，所述放置板與隔板將底箱的內(nèi)部分隔為多個(gè)放置腔，且其中一個(gè)所述放置板與底箱之...

本發(fā)明涉及醫(yī)學(xué)圖像分割技術(shù)領(lǐng)域，具體涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的多尺度心臟圖像分割方法及系統(tǒng)，具體如下：基于體內(nèi)臨床環(huán)境收集心臟CT和MRI數(shù)據(jù)并劃分為訓(xùn)練集和測(cè)試集；以nnUNetv2為基本框架構(gòu)建多尺度心臟圖像分割模型，模型包括五個(gè)編碼...

本發(fā)明涉及工程經(jīng)濟(jì)管理案卷保存技術(shù)領(lǐng)域，提出了一種工程經(jīng)濟(jì)管理案卷保存裝置，包括主體組件和存放組件，所述存放組件置于所述主體組件的內(nèi)部，所述主體組件適于設(shè)備的控制，所述存放組件適于案卷的保存，還包括置換組件、抓取組件以及溫濕度控制組件，...

本發(fā)明屬于醫(yī)學(xué)圖像處理領(lǐng)域，提供了基于輕量化網(wǎng)絡(luò)的CBCT偽影矯正系統(tǒng)及方法。系統(tǒng)包括圖像預(yù)處理單元、模型訓(xùn)練單元、圖像生成單元；模型訓(xùn)練單元包括編碼器、解碼器和動(dòng)態(tài)跳層連接；編碼器包括串聯(lián)的若干縱向注意力編碼器和串聯(lián)的若干橫向注意力編...

本發(fā)明提供一種基于智能反饋調(diào)節(jié)的自適應(yīng)運(yùn)動(dòng)護(hù)具，涉及運(yùn)動(dòng)護(hù)具技術(shù)領(lǐng)域。該基于智能反饋調(diào)節(jié)的自適應(yīng)運(yùn)動(dòng)護(hù)具，包括護(hù)套，所述護(hù)套后端面上下兩端處分別固定連接有第一延伸帶與第二延伸帶，所述第一延伸帶內(nèi)部靠下處與第二延伸帶內(nèi)部靠上處均設(shè)有夾層，...

本發(fā)明涉及一種基于可解釋碼本和多任務(wù)預(yù)訓(xùn)練的致癇區(qū)腦電識(shí)別方法及其系統(tǒng)，包括以下步驟：（1）獲取腦電信號(hào)數(shù)據(jù)并進(jìn)行預(yù)處理，包括帶通濾波、噪聲去除和標(biāo)準(zhǔn)化；（2）將單變量時(shí)間序列劃分為非重疊分片；（3）通過(guò)屬性解碼器從潛在嵌入中提取屬性元...

本發(fā)明公開(kāi)了一種基于人工智能的數(shù)據(jù)安全溯源方法及系統(tǒng)，屬于數(shù)據(jù)安全溯源領(lǐng)域，該方法包括以下步驟：從數(shù)據(jù)源收集與異常數(shù)據(jù)相關(guān)的信息以及歷史異常數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行清洗與標(biāo)準(zhǔn)化處理；從數(shù)據(jù)中提取用戶的訪問(wèn)數(shù)據(jù)，同時(shí)提取歷史異常數(shù)據(jù)的攻擊手段；...

本發(fā)明提出了一種基于動(dòng)態(tài)域引導(dǎo)互惠網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割方法及系統(tǒng)，屬于醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域。方法包括：獲取待分割的醫(yī)學(xué)圖像，并進(jìn)行預(yù)處理；獲取預(yù)處理后的醫(yī)學(xué)圖像的多軌道醫(yī)學(xué)圖像流；將多軌道醫(yī)學(xué)圖像流輸入到訓(xùn)練好的動(dòng)態(tài)域引導(dǎo)互惠網(wǎng)絡(luò)提取軌道...

本發(fā)明提出一種基于未知輸入觀測(cè)器的鋰離子電池SOC估計(jì)方法及系統(tǒng)，涉及狀態(tài)估計(jì)領(lǐng)域。包括：基于鋰電池的等效電路模型及端電壓原理，構(gòu)建電池狀態(tài)空間模型；將激勵(lì)電流作為未知輸入定義觀測(cè)器方程，基于電池狀態(tài)空間模型和觀測(cè)器方程構(gòu)建誤差動(dòng)態(tài)方程...

本發(fā)明涉及一種基于砷酸鐵基材料的原位動(dòng)態(tài)土壤和地下水砷污染修復(fù)技術(shù)。該技術(shù)通過(guò)創(chuàng)新設(shè)計(jì)的緩釋亞鐵鹽膠囊與過(guò)硫酸鹽等氧化劑協(xié)同作用，在污染區(qū)域原位生成砷酸鐵，實(shí)現(xiàn)砷的高效固定化。同時(shí)融合電化學(xué)調(diào)控技術(shù)與智能監(jiān)測(cè)反饋系統(tǒng)，動(dòng)態(tài)優(yōu)化地下水氧化...

本發(fā)明涉及基于自注意力機(jī)制與GRU?LSTM融合的癲癇發(fā)作檢測(cè)方法及系統(tǒng)，包括以下步驟：(1)對(duì)原始腦電圖信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理，提取時(shí)域和非線性特征；(2)將數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集、測(cè)試集和驗(yàn)證集；(3)構(gòu)建融合自注意力機(jī)制、門(mén)控循環(huán)單元...

本發(fā)明涉及水處理技術(shù)領(lǐng)域，尤其是一種復(fù)合型錳基人工濕地脫氮及溫室氣體減排系統(tǒng)及方法，系統(tǒng)包括：進(jìn)水桶，用于盛裝待處理廢水；第一濕地單元，底部設(shè)有第一進(jìn)水口連通所述進(jìn)水桶，頂部設(shè)有第一出水口及其相對(duì)側(cè)設(shè)有回水進(jìn)口；所述第一濕地單元下層填充...

本公開(kāi)提供了基于混合視圖自適應(yīng)的子宮平滑肌肉瘤圖像分類系統(tǒng)，涉及圖像分類技術(shù)領(lǐng)域，包括：數(shù)據(jù)采樣模塊，用于采樣patch特征；混合視圖自適應(yīng)學(xué)習(xí)模塊，用于將patch特征進(jìn)行表型驅(qū)動(dòng)的patch自優(yōu)化，獲取patch?level特征度量...

本發(fā)明提供了一種基于SBM和多尺度卷積注意力的腦疾病分類系統(tǒng)，屬于醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域。該發(fā)明包括：數(shù)據(jù)處理模塊：該模塊包括圖像數(shù)據(jù)預(yù)處理；SBM模塊：該模塊包括SBM特征提取；網(wǎng)絡(luò)模塊：該模塊包括多尺度卷積注意力和3D?CNN網(wǎng)絡(luò)；分...

本發(fā)明提出一種自適應(yīng)變分迭代網(wǎng)絡(luò)的弱光圖像增強(qiáng)方法及系統(tǒng)，通過(guò)參數(shù)提取模塊來(lái)自適應(yīng)學(xué)習(xí)變分模型中的圖像對(duì)比度的參數(shù)矩陣，然后將弱光圖像與參數(shù)矩陣相乘，根據(jù)相乘結(jié)果構(gòu)建變分模型，采用布雷格曼迭代算法對(duì)所述變分模型進(jìn)行迭代求解，并進(jìn)行去噪處...

本發(fā)明涉及感知測(cè)試技術(shù)領(lǐng)域，具體為一種具備精準(zhǔn)傳感監(jiān)測(cè)效果的知覺(jué)測(cè)試裝置，包括：箱體組件和無(wú)線控制組件，箱體組件的一側(cè)開(kāi)設(shè)有觀察窗，所述箱體組件內(nèi)安裝有環(huán)境光控制組件，箱體組件的一側(cè)上端安裝有顯示播報(bào)組件，顯示播報(bào)組件設(shè)置在觀察窗的上端...

本發(fā)明屬于生物光催化制氫技術(shù)領(lǐng)域，提供了一種人工光合細(xì)菌及構(gòu)建方法與其在光催化產(chǎn)氫中的應(yīng)用。本發(fā)明將大腸埃希氏菌(Escherichia?coli?Castellani&Chalmers)和天然類囊體通過(guò)聚多巴胺PDA結(jié)合，形成...

本發(fā)明屬于車(chē)聯(lián)網(wǎng)無(wú)線通信技術(shù)領(lǐng)域，具體涉及數(shù)字孿生輔助的車(chē)輛任務(wù)卸載與計(jì)算資源分配優(yōu)化方法，包括：獲取車(chē)輛和RSU的信息，構(gòu)建車(chē)輛孿生體和RSU孿生體，搭建數(shù)字孿生網(wǎng)絡(luò)；基于數(shù)字孿生網(wǎng)絡(luò)確定系統(tǒng)的總時(shí)延和總花費(fèi)，所述總時(shí)延包括本地計(jì)算時(shí)...