基于稀疏三值伯努利矩阵的稀疏样本混检方法和系统

AITNT
正文
推荐专利
基于稀疏三值伯努利矩阵的稀疏样本混检方法和系统
申请号:CN202510003089
申请日期:2025-01-02
公开号:CN119418955B
公开日期:2025-04-04
类型:发明专利
摘要
本发明公开了一种基于稀疏三值伯努利矩阵的稀疏样本混检方法和系统,属于流行病早期感染者筛查领域。方法为:对采集的多个待检样本进行编号,并将每个样本制备等量的多份;设置混合操作次数,设定采样序列中元素的生成概率;每次混合操作均设置两个混合组,根据设定的概率随机生成采样序列,按照采样序列对每个样本进行分组操作,所有样本分组完成后,检测两份混合样本的病毒浓度并记录病毒浓度差;根据采用的混合操作以及对应的病毒浓度检测结果进行稀疏三值伯努利矩阵建模;将检测问题转换为稀疏重构问题,采用稀疏信号恢复算法得到稀疏解,确定病毒感染者。本发明适用于大规模病毒检测场景,具有检测成本低、可操作性强且准确性高的特点。
技术关键词
样本 恢复算法 序列 机器可读存储介质 矩阵 元素 混合模块 重构 数学 病毒检测 处理器 指令 信号 存储器 电子设备 噪声 场景 参数
系统为您推荐了相关专利信息
1
一种基于改进的CCFM-MVSFormer++树木实景三维重建方法
实景三维重建方法 跨尺度特征融合 深度图 实景三维模型 融合多视角
2
一种基于虚幻引擎的室内虚拟场景搭建方法及系统
虚拟场景搭建 样本 场景特征 资源 决策
3
交叉口机动车辆的冲突识别方法、电子设备和存储介质
冲突识别方法 机动车辆 YOLO算法 多尺度特征融合 数据
4
基于深度学习的高速公路异常事件检测及报警方法
异常事件 报警方法 轨迹 深度学习模型 分布式优化方法
5
一种基于混合监督学习的非侵入式负荷辨识方法和系统
监督学习方法 负荷辨识方法 辨识系统 电流 无标签数据
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号