-
公开(公告)号：CN113887895A
公开(公告)日：2022-01-04
申请号：CN202111091070.9
申请日：2021-09-17
Applicant: 同济大学
Abstract: 本发明涉及一种韧性城市智能规划系统、方法和存储介质，其中系统包括数据处理子系统、城市信息子系统、仿真引擎子系统、信息可视化子系统和城市规划子系统，其中数据处理子系统实时接收城市信息，转化格式后得到场景模型并传输到城市信息子系统中，城市信息子系统存储场景模型，仿真引擎子系统根据场景模型进行灾害模拟和韧性服务模拟得到投影模型，信息可视化子系统将投影模型图层化，城市规划子系统根据投影模型自动生成城市规划方案。与现有技术相比，本发明具有可实时调整城市信息，灵活性强等优点。
-
公开(公告)号：CN113886596A
公开(公告)日：2022-01-04
申请号：CN202111112328.9
申请日：2021-09-23
Applicant: 同济大学
IPC: G06F16/36 , G06F16/387 , G06F16/25 , G06F16/28 , G06F16/29 , G06F16/182 , G06F16/81 , G06Q50/26
Abstract: 本发明涉及一种基于城市要素和多灾害融合的韧性城市知识图谱构建方法，具体包括以下步骤：S1、采集城市的地理空间数据、交通路网数据和灾害记录年鉴数据；S2、对数据进行数据处理和知识抽取，得到结构化数据、半结构化数据和非结构化数据进行存储；S3、根据知识抽取得到的结构化数据、半结构化数据和非结构化数据分别构建地理空间知识图谱、交通知识图谱和灾害知识图谱，再对多个知识图谱进行知识融合得到韧性城市知识图谱；S4、根据韧性城市知识图谱构建前端可视化平台，并设置相应的基础信息平台。与现有技术相比，本发明具有为城市日常风险和灾害应急等不同状态下城市韧性的仿真、预测、演绎、提升技术研究提供数据支撑等优点。
-
公开(公告)号：CN113592722A
公开(公告)日：2021-11-02
申请号：CN202010364743.2
申请日：2020-04-30
Applicant: 同济大学
Abstract: 一种图像去雾算法评价方法：包括以下步骤：(1)获取真实雾霾图像；(2)将雾霾图像进行配准、清洗、标注感兴趣区域、标注雾霾等级，构建真实雾霾图像基准数据集合；(3)使用VSI计算待评估去污算法对一张雾霾图像的感兴趣区域的去雾效果；通过实验证实，本发明的评价方法能够准确得评估现代去雾算法的去雾效果，并且与人眼的观测结果有很高的一致性。对于一个新的去雾算法，令其对本发明构建的真实雾霾图像基准数据进行去雾处理，即可准确得得到去雾算法的性能。本发明不但可以准确评估去雾算法性能，而且评估用时短。
-
公开(公告)号：CN113476067A
公开(公告)日：2021-10-08
申请号：CN202110732942.9
申请日：2021-06-30
Applicant: 同济大学
IPC: A61B6/03
Abstract: 本发明涉及一种基于计算编码的CSXI轮盘式编码孔径设计方法，包括：步骤1：确定编码孔径的编码方式；步骤2：构建对应编码孔径轮盘；步骤3：设计轮盘随CT扫描系统的运动方式；步骤4：在与CT扫描系统的X射线源对应位置设置编码孔径轮盘，编码孔径轮盘通过随扫描视角的变化切换用于调制X射线能谱的滤波器，完成CSXI的计算编码。与现有技术相比，本发明具有有效实现CSXI系统的编码扫描、成像精度高等优点。
-
公开(公告)号：CN107895024B
公开(公告)日：2021-10-08
申请号：CN201711137675.0
申请日：2017-11-16
Applicant: 同济大学
IPC: G06F16/9535 , G06F16/35 , G06K9/62
Abstract: 本发明涉及一种用于网页新闻分类推荐的用户模型构建方法及推荐方法，其中用户模型构建方法，包括：步骤S1：载入用户的浏览历史，并分别提取出图片和文本；步骤S2：根据提取出的图片，分别处理得到用于描述各图片的第一描述特征；步骤S3：根据提取出的文本，分别处理得到用于描述各段文本的第二描述特征；步骤S4：将第一描述特征和第二描述特征合成得到第三描述特征，并进行快速聚类，并得到多个聚类中心；步骤S5：对第三描述特征进行n‑gram处理得到多个n‑gram单元，将n‑gram单元与聚类中心进行比较，抛弃门限值外的n‑gram单元；步骤S6：将剩余的n‑gram单元作为输入，构建并训练宽卷积神经网络得到用户模型。与现有技术相比，本发明具有推荐精准等优点。
-
Patent Agency Ranking
公开(公告)号：CN113129336A
公开(公告)日：2021-07-16
申请号：CN202110344713.X
申请日：2021-03-31
Applicant: 同济大学
Abstract: 本发明涉及一种端到端多车辆跟踪方法、系统及计算机可读介质，其中多车辆跟踪方法包括：步骤1：构建并训练目标检测模型；步骤2：构建并训练深度匈牙利网络模型；步骤3：获取视频流当前帧的待追踪图像和前一帧车辆的目标ID和位置；步骤4：通过目标检测模型获取当前帧中待追踪车辆的目标框；步骤5：通过视频流当前帧和前一帧的目标框计算距离矩阵；步骤6：通过匈牙利模型获取指派矩阵；步骤7：依据指派矩阵为当前帧目标框分配目标ID完成目标跟踪。与现有技术相比，本发明具有准确率高、抗干扰性好等优点。
-
公开(公告)号：CN112671837A
公开(公告)日：2021-04-16
申请号：CN202011432537.7
申请日：2020-12-09
Applicant: 同济大学
IPC: H04L29/08 , G16Y20/30 , G16Y40/10 , G16Y40/30 , G06F16/955 , G06F16/907
Abstract: 本发明涉及一种基于物联网的资源识别方法，根据物联网设备的数据属性和接入物联网时间顺序上产生的数据，将物联网设备的信息构建成包含多种类别的信息框架，形成设备资源，信息框架包括属性类信息、控制类信息、状态类信息和参数类信息，并将物联网设备中的场景条件设置为规则资源，设备资源和规则资源设有唯一的资源识别码，设备资源和规则资源通过资源识别码被区块链系统中的组成部件识别和使用。与现有技术相比，本发明具有适应物联网系统的动态响应、提高物联网设备的适应范围和有效识别率、避免结构和程序中的冗余等优点。
-
公开(公告)号：CN112463755A
公开(公告)日：2021-03-09
申请号：CN202011450126.0
申请日：2020-12-11
Applicant: 同济大学
IPC: G06F16/182 , G06F16/13 , G06F16/14 , G06F16/16
Abstract: 本发明涉及一种基于HDFS的异构物联网大数据的存储与读取系统及方法，包括数据查询服务器、客户端和多个数据存储中心；数据查询服务器分别与客户端和各个数据存储中心连接；每一个数据存储中心包括数据采集模块、数据处理服务器和Hadoop集群，数据采集模块与数据处理服务器连接，数据处理服务器与Hadoop集群连接，Hadoop集群与数据查询服务器连接；Hadoop集群包括HDFS分布式文件系统；数据查询服务器中存储有各个Hadoop集群的存储参数。与现有技术相比，本发明在多个Hadoop集群之外，设置数据查询服务器，来保存各集群的IP地址和HDFS文件信息，打破了传统数据架构的壁垒，用户可以经数据查询服务器查询或下载多个Hadoop集群的数据，而不必依次访问各个Hadoop集群。
-
公开(公告)号：CN112115830A
公开(公告)日：2020-12-22
申请号：CN202010945655.1
申请日：2020-09-10
Applicant: 同济大学
Abstract: 本发明涉及一种基于比特域特征提取的目标分布式融合识别方法，用于边缘设备和边缘域融合中心中，方法包括以下步骤：1)从多种边缘设备中获取感知信号；2)获取预先构建并训练好的深度神经网络，根据预设的部署规则，拆分深度神经网络，并部署到多种边缘设备和边缘域融合中心中，获得分布式神经网络架构；边缘设备中部署的深度神经网络通过对输出信号进行比特域特征提取，生成比特域特征向量，从而进行数据传输3)载入感知信号，获取目标识别结果。与现有技术相比，本发明可在边缘设备上对目标信号进行预处理，并得到量化压缩后的比特域特征，进行数据传输，缓解云中心的计算存储压力和网络带宽压力，并提高目标识别过程的响应速度。
-
公开(公告)号：CN110376457B
公开(公告)日：2020-10-02
申请号：CN201910571745.6
申请日：2019-06-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于半监督学习算法的非侵入式负荷监测方法及装置，其中方法包括：步骤S1：采集智能电表总用电量和各设备运行状态信息的时序信息；步骤S2，预处理数据，首先清洗数据，其次将数据归一化处理，最后以0填充总用电量序列的首尾；步骤S3，每次滑动一个时间长度来获得训练窗口，以总用电量序列作为输入窗口数据，以序列中点时间设备的开关状态作为输出标签，重复多次得到训练样本数据集；步骤S4，使用训练样本训练神经网络模型；步骤S5，将待识别的总电量序列输入训练好的神经网络模型，可以获得正确的各设备运行状态。与现有技术相比，本发明具有可以得到精细化的用户内部设备使用状态等优点。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.024 seconds)
