-
公开(公告)号：CN113254580A
公开(公告)日：2021-08-13
申请号：CN202110562840.7
申请日：2021-05-24
Applicant: 厦门大学
Abstract: 本发明公开了一种特殊群体搜索方法及系统。该方法包括：根据关联关系拓扑图，确定目标人物各阶邻居实体节点的嵌入表示以及可疑人物各阶邻居实体节点的嵌入表示，并将目标人物的原始嵌入表示与其各阶邻居实体节点的嵌入表示拼接在一起得到目标人物的嵌入表示；将可疑人物原始嵌入表示与其各阶邻居实体节点的嵌入表示拼接在一起得到可疑人物的嵌入表示；所述关联关系拓扑图中的实体节点人群中的各个人物、房屋、博客、地名、社会安全事件、毒品、法律条文，所述关联关系拓扑图中的关联关系包括实体节点之间的交互关系以及属性关系；根据目标人物可疑人物的嵌入表示，确定目标人物是否与可疑人物为同一类。本发明具有准确度高的特点。
-
公开(公告)号：CN108681775A
公开(公告)日：2018-10-19
申请号：CN201810517482.6
申请日：2018-05-25
Applicant: 厦门大学
CPC classification number: G06N3/084 , G06N3/0454
Abstract: 通过WordNet嵌入进行测试和更新的树形网络方法，涉及图片智能分类。构建树形网络；预训练；基于SVM的动态剪枝，在测试过程中，可以动态剪枝特征映射的激活值过低的节点和节点的子树，因为若节点的激活值太低，则该节点表示的类的概率较低，因此后代节点的概率会较低并且可以忽略；每张特征图的激活值之和的具有较强的线性可分性，因此使用SVM在测试过程中进行模型的加速；基于分支的在线更新，使用检测到的图像作为训练样本，将预测概率高的样本回传给树形网络进行训练。
-
公开(公告)号：CN106447724A
公开(公告)日：2017-02-22
申请号：CN201610817035.3
申请日：2016-09-12
Applicant: 厦门大学
IPC: G06T7/70
Abstract: 一种基于扫描转换算法和网格压缩的区域限定判断方法，涉及车联网。包括以下步骤：1)一个预处理步骤：先创建一个网格，再确定网格中每一个单元的属性，即该单元在网格内还是网格外，然后压缩网格；2)一个判定步骤：由测试点经纬度，根据建立网格的参数，得到参数在网格中的位置；再计算MD码，在四叉树中查找该MD码，如果查找不到，进入下一层查找；如果找到，返回该MD码对应的属性值，就是被测点是否在多边形内的判断结果。用四叉树压缩算法来存储网格。预处理时间短，减少判定时间,可以使用任何形状的区域，无论是圆形或多边形，都可以在预处理步骤上被处理。
-
公开(公告)号：CN104268285A
公开(公告)日：2015-01-07
申请号：CN201410561878.2
申请日：2014-10-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于动态弯曲算法的运动捕捉数据库检索方法，通过选取合适的运动特征预先建立运动捕捉数据库的一、二级索引，提高了每次实例检索的速度；一级索引中包含运动瞬间姿态信息；二级索引的计算基于骨骼运动动态特征的姿态变化量，即使用相邻帧间特征夹角向量的欧式距离作为索引值；最后，通过带有下界函数的动态时间弯曲算法计算检索实例和候选片段之间的相似度。本发明实现了精确、快速的运动捕捉数据检索，提高了检索的准确率，并且缩短了检索的时间。
-
-
Patent Agency Ranking
公开(公告)号：CN109009097A
公开(公告)日：2018-12-18
申请号：CN201810788700.X
申请日：2018-07-18
Applicant: 厦门大学
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/4094 , A61B5/7264
Abstract: 一种自适应不同采样频率的脑电分类方法，涉及信号分类方法。基于卷积神经网络构建CNN‑E分类模型；针对不同长度样本数据的训练及测试方法。该模型能应用于对不同采样频率的脑电信号进行学习和分类，又能自适应于不同长度的信号。该模型与传统基于特征提取的分类方法在不同采样频率的脑电信号分类中可能存的问题进行分析。网络模型CNN‑E能够通过自主学习样本数据的特征，同时简单而有效的补全法使模型能够适应于各种长度的数据。实验结果表明，网络模型CNN‑E不管是在同采样频率下的脑电信号数据分类，还是不同采样频率下的脑电信号数据分类及不同样本长度的脑电信号数据分类，都表现很好的分类效果并具有较好的普适性。
-
公开(公告)号：CN108615024A
公开(公告)日：2018-10-02
申请号：CN201810412327.8
申请日：2018-05-03
Applicant: 厦门大学
Abstract: 一种基于遗传算法和随机森林的EEG信号分类模型，涉及EEG信号分类。1)特征提取；2)特征优化选择；3)训练分类器模型并预测。提出一种基于遗传算法和随机森林的EEG信号分类模型。针对一个公开的EEG数据集进行特征学习和分类。实验结果说明，经过优化选择出的特征分布较好，与已有的同类研究进行比较，所提出的方法在分类准确率上已经优于现有的分类方法，同时通过对数据集的交叉验证得出该方法在脑电波分类上具有有效性和稳定性，也能说明具有较高的应用价值，未来在临床应用具有广阔前景。
-
-
公开(公告)号：CN104268285B
公开(公告)日：2018-06-12
申请号：CN201410561878.2
申请日：2014-10-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于动态弯曲算法的运动捕捉数据库检索方法，通过选取合适的运动特征预先建立运动捕捉数据库的一、二级索引，提高了每次实例检索的速度；一级索引中包含运动瞬间姿态信息；二级索引的计算基于骨骼运动动态特征的姿态变化量，即使用相邻帧间特征夹角向量的欧式距离作为索引值；最后，通过带有下界函数的动态时间弯曲算法计算检索实例和候选片段之间的相似度。本发明实现了精确、快速的运动捕捉数据检索，提高了检索的准确率，并且缩短了检索的时间。
-
公开(公告)号：CN207423929U
公开(公告)日：2018-05-29
申请号：CN201721452513.1
申请日：2017-11-03
Applicant: 厦门大学
CPC classification number: Y02A90/14
Abstract: 本实用新型公开了一种新型空气质量智能预测系统，包括中央处理器、空气质量数据采集模块、GPS定位模块、时间记录模块、去冗余模块、预报模块、GIS电子地图模块、数据可视化模块、本地存储装置和异地存储装置，GPS定位模块和时间记录模块分别连接空气质量数据采集模块，空气质量数据采集模块通过去冗余模块连接中央处理器，中央处理器分别连接预报模块、GIS电子地图模块、数据可视化模块、本地存储装置和异地存储装置，本地存储装置和异地存储装置内均设有海量存储模块。本实用新型功能丰富，使用方便，稳固安全，获取更加精确和全面的空气质量数据，避免数据冗余，满足海量存储和实时使用的需求，满足广大用户的使用需求。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
