-
公开(公告)号：CN106599408B
公开(公告)日：2019-08-06
申请号：CN201611072224.9
申请日：2016-11-29
Applicant: 厦门大学
Abstract: 一种基于改进BHMC算法的FenPtm合金团簇结构优化方法，包括以下步骤：1)初始化种群，得到原子总数为N的合金团簇在各种不同比例情况下的初始结构；2)对初始化的结构进行最速下降局部优化，得到初始后化的局部最优结构；3)对每个局部最优结构的每个原子进行扰动处理，并进行最速下降局部优化，保存更低能量结构；4)对能量最低的结构进行遗传局部优化处理，得到当前状态下最优结构的元素最优排布；5)不断重复扰动算子操作和当前最优结构下的遗传局部优化，直到搜索到最终的最优结构。本发明对计算机硬件开销要求较低，能有效处理合金团簇出现的同分异构体问题，避免陷入局部最优，从而能够快速有效地实现对FenPtm合金团簇的结构寻优。
-
公开(公告)号：CN106202999B
公开(公告)日：2018-12-11
申请号：CN201610577084.4
申请日：2016-07-21
Applicant: 厦门大学
IPC: G06F19/24
Abstract: 本发明提供了一种基于不同尺度tuple词频的微生物高通量测序数据分析协议，其包括：步骤1：获取宏基因组样本的2‑10bp的短tuple高通量测序数据，采用插值上下文马尔科夫模型进行建模微生物群落的背景基因组，再采用无监督的聚类方法来比较宏基因组样本，得出宏基因组样本的类别信息；步骤2：基于步骤1)中聚类得出的类别信息，将≥30bp的长tuple作为特征，采用有监督的样本分类方法找出描述宏基因组样本类别的特异性特征长tuple序列。本发明混合不同阶次的马尔科夫模型，由数据本身决定各阶次马尔科夫模型所占的权重，并允许分析上下文不连续的序列之间的关系。
-
公开(公告)号：CN106599408A
公开(公告)日：2017-04-26
申请号：CN201611072224.9
申请日：2016-11-29
Applicant: 厦门大学
CPC classification number: G06F17/5009 , G06N3/12
Abstract: 一种基于改进BHMC算法的FenPtm合金团簇结构优化方法，包括以下步骤：1)初始化种群，得到原子总数为N的合金团簇在各种不同比例情况下的初始结构；2)对初始化的结构进行最速下降局部优化，得到初始后化的局部最优结构；3)对每个局部最优结构的每个原子进行扰动处理，并进行最速下降局部优化，保存更低能量结构；4)对能量最低的结构进行遗传局部优化处理，得到当前状态下最优结构的元素最优排布；5)不断重复扰动算子操作和当前最优结构下的遗传局部优化，直到搜索到最终的最优结构。本发明对计算机硬件开销要求较低，能有效处理合金团簇出现的同分异构体问题，避免陷入局部最优，从而能够快速有效地实现对FenPtm合金团簇的结构寻优。
-
公开(公告)号：CN110245697B
公开(公告)日：2021-10-26
申请号：CN201910469228.8
申请日：2019-05-31
Applicant: 厦门大学
Abstract: 本发明涉及一种表面脏污检测方法、终端设备及存储介质，在该方法中，包括：S1：采集检测对象的表面图像的样本组成训练集，并对训练集内的图片中的脏污部分进行标注；S2：构建表面脏污检测模型，将训练集输入表面脏污检测模型中进行训练后得到最终模型；所述表面脏污检测模型基于Yolov3网络构建，并针对Yolov3网络的每个残差块，将其中的每个ResNet子结构的输出特征图连接到该残差块的末尾；S3：将待检测的表面图像输入最终模型以检测表面脏污情况。本发明基于Yolov3检测网络，提出了一种稠密连接的实现方法，提高浅层特征的利用率，可以有效的提高表面脏污的检测能力。
-
公开(公告)号：CN110276754B
公开(公告)日：2021-08-20
申请号：CN201910540159.5
申请日：2019-06-21
Applicant: 厦门大学
Abstract: 本发明涉及一种表面缺陷检测方法、终端设备及存储介质，在该方法中，包括：S1：采集检测对象的缺陷图像组成训练集，并对训练集内的缺陷图像进行标注；S2：构建缺陷检测模型，将训练集输入缺陷检测模型进行训练，得到训练后的缺陷检测模型；所述缺陷检测模型基于Faster R‑CNN网络构建，其特征提取网络为VGG‑16网络，并在VGG‑16网络中，将第3层的输出与第5层的输出进行叠加；S3：将待检测的缺陷图像输入训练后的缺陷检测模型，得到缺陷图像中的缺陷定位框和缺陷类型；S4：根据待检测的缺陷图像中的缺陷定位框对缺陷进行分割。本发明基于Faster R‑CNN网络和阈值分割方法，使检测过程中只需输入图像就可输出缺陷类型、位置和轮廓，即实现缺陷的端到端检测。
-
Patent Agency Ranking
公开(公告)号：CN109859262A
公开(公告)日：2019-06-07
申请号：CN201910052604.3
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开一种手机屏幕Mark点定位方法及系统。所述定位方法包括：采集手机屏幕的基准图像，在基准图像中选取Mark点模板图像，获得基准模板图像；将基准模板图像进行图像预处理获得四层金字塔模板图像；将四层金字塔模板图像旋转89次，每次旋转一度，获得旋转0-89度的多角度四层金字塔模板图像；采集手机屏幕待测图像，将待测图像进行边缘像素扩充，将待测图像进行图像预处理获得待测四层金字塔图像；采用归一化互相关匹配法将多角度四层金字塔模板图像与待测四层金字塔图像进行匹配，获得匹配度最大的位置坐标和模板度数。通过多角度匹配，逐层缩小搜索范围来确定图像中Mark点的角度和坐标，能够在最底层获得手机屏幕图像中Mark点的亚像素坐标。
-
公开(公告)号：CN109828616A
公开(公告)日：2019-05-31
申请号：CN201910052616.6
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开一种RV减速器的零部件选配方法及系统。所述选配方法包括：将待装配的RV减速器的所有零件编码，获得多个编码零件；根据适应度函数计算多个所述个体的适应度值，获得多个适应度值，所述适应度函数为用于计算所述个体的生存能力；根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作，获得重组群体；采用适应度函数计算所述重组群体的适应度，获得重组适应度值；判断所述重组适应度值是否达到适应度阈值，如果是，将按照所述重组群体对应的编码装配所述零件组成RV减速器；否则，返回根据适应度函数计算多个所述个体的适应度值。通过采用遗传算子进行重组操作提高选配效率。
-
公开(公告)号：CN104616264A
公开(公告)日：2015-05-13
申请号：CN201510072881.2
申请日：2015-02-12
Applicant: 厦门大学
IPC: G06T5/00
Abstract: 本发明公开一种基因芯片图像的自动对比度增强方法，其包括如下步骤：步骤1：将待处理的基因芯片图像进行数字处理，用f(x,y)表示数字处理过的基因芯片图像灰度值；步骤2：统计背景灰度值k；步骤3：计算图像对比度C；步骤4：对图像灰度值f(x,y)进行扫描，如果f(x,y)≤k，则判断该像素点是背景，则保留图像内容，如果f(x,y)>k，则代表该像素点为基因点则进行对比度增强；利用步骤3计算得到的图像对比度值C，获得增强倍数10000/C，具体增强过程为 本发明采用上述步骤，具有如下优点：1、不需要任何参数输入；2、自适应实现对比度增强；3、大幅度提高基因芯片图像处理精度；4、适应性广，可以适用于各种类型基因芯片图像。
-
公开(公告)号：CN110197226B
公开(公告)日：2021-02-09
申请号：CN201910461740.8
申请日：2019-05-30
Applicant: 厦门大学
Abstract: 本发明公开一种无监督图像翻译方法及系统。以同一对象的两个不同图像集合域为研究对象，基于双胶囊竞争网络和多主体生成对抗，提出了一种无监督图像翻译方法及系统，提高了模型判别和生成能力，用于生成具有更丰富的全局和局部特征图像，并且能够更准确地捕捉图像域的分布以及学习到不同域之间的映射关系。
-
公开(公告)号：CN109859262B
公开(公告)日：2021-02-09
申请号：CN201910052604.3
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开一种手机屏幕Mark点定位方法及系统。所述定位方法包括：采集手机屏幕的基准图像，在基准图像中选取Mark点模板图像，获得基准模板图像；将基准模板图像进行图像预处理获得四层金字塔模板图像；将四层金字塔模板图像旋转89次，每次旋转一度，获得旋转0‑89度的多角度四层金字塔模板图像；采集手机屏幕待测图像，将待测图像进行边缘像素扩充，将待测图像进行图像预处理获得待测四层金字塔图像；采用归一化互相关匹配法将多角度四层金字塔模板图像与待测四层金字塔图像进行匹配，获得匹配度最大的位置坐标和模板度数。通过多角度匹配，逐层缩小搜索范围来确定图像中Mark点的角度和坐标，能够在最底层获得手机屏幕图像中Mark点的亚像素坐标。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.02 seconds)
