-
公开(公告)号：CN108197647B
公开(公告)日：2021-08-31
申请号：CN201711462914.X
申请日：2017-12-28
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明提供了一种汽车起动机耐久测试数据的快速聚类方法。其步骤为：1)对汽车起动机耐久测试数据进行标准化预处理。2)对标准化处理后的测试数据集的每次测试进行特征提取。3)用随机抽样获得样本数量为2000～3000的样本集。4)用参数自适应的DBSCAN聚类算法对样本数据进行聚类，获得样本数据所属的起动机起动测试类型。5)根据未分类数据与各已知类型的数据的距离，对剩余未分类数据进行分类。本发明能够快速实现大规模耐久测试数据的聚类，并保证聚类结果有较高的正确率。
-
公开(公告)号：CN104123557B
公开(公告)日：2017-10-03
申请号：CN201410299725.5
申请日：2014-06-29
Applicant: 中南大学
Abstract: 本发明提供了一种基于公路监控设备的轿车安全带系挂状态的检测方法，步骤1：从公路监控设备中获取监控图像；步骤2：定位步骤1获得的原始监控图像中的车身区域；步骤3：利用hough变换从车身区域中定位车窗区域；步骤4：基于圆弧检测在车窗区域中定位方向盘位置；步骤5：依据方向盘位置提取安全带区域图像；步骤6：对安全带进行直线检测；检测安全带对应的直线斜率是否在0.75‑1.2之间，则判断车窗区域中的驾驶员是否系安全带；利用车身、车窗区域及方向盘位置，定位安全带所在区域，逐步缩小检测范围，提高了安全带检测的准确率和效率，能够代替人眼，进行自动判别，提高了安全带系挂检测的准确率和效率。
-
公开(公告)号：CN106055580A
公开(公告)日：2016-10-26
申请号：CN201610341872.3
申请日：2016-05-23
Applicant: 中南大学
CPC classification number: G06F17/30994 , G06K9/622
Abstract: 本发明提供了一种基于Radviz的模糊聚类结果可视化方法，其步骤为：1)对模糊聚类算法的结果进行数据预处理；2)为RadViz圆周设计合理的聚类簇维度锚点布局；3)将数据样本以圆点模式或饼图模式投影到Radviz内部；4)将维度锚点扩展为维度圆环，实现Radviz圆环的可视编码；5)将隶属度分布信息融合到Radviz主视图中；6)提取聚类间的共存关联关系，并使用弦线映射共存关系。本发明基于Radviz对模糊聚类算法得到的模糊隶属度矩阵进行展示，不但为用户提供了尽可能多的模糊聚类信息，而且允许研究人员自由探索数据属性、隶属度矩阵和聚类簇等信息，从而使用户进行更加快速、直观、准确的决策。
-
公开(公告)号：CN104123557A
公开(公告)日：2014-10-29
申请号：CN201410299725.5
申请日：2014-06-29
Applicant: 中南大学
Abstract: 本发明提供了一种基于公路监控设备的轿车安全带系挂状态的检测方法，步骤1：从公路监控设备中获取监控图像；步骤2：定位步骤1获得的原始监控图像中的车身区域；步骤3：利用hough变换从车身区域中定位车窗区域；步骤4：基于圆弧检测在车窗区域中定位方向盘位置；步骤5：依据方向盘位置提取安全带区域图像；步骤6：对安全带进行直线检测；检测安全带对应的直线斜率是否在0.75-1.2之间，则判断车窗区域中的驾驶员是否系安全带；利用车身、车窗区域及方向盘位置，定位安全带所在区域，逐步缩小检测范围，提高了安全带检测的准确率和效率，能够代替人眼，进行自动判别，提高了安全带系挂检测的准确率和效率。
-
公开(公告)号：CN104112141A
公开(公告)日：2014-10-22
申请号：CN201410298811.4
申请日：2014-06-29
Applicant: 中南大学
Abstract: 本发明提供了一种基于公路监控设备的货车安全带系挂状态的检测方法，步骤1：从公路监控设备中获取监控图像；步骤2：依据汽车与背景物特征对监控图像进行预处理后，采用积分投影定位原始监控图像中的车身区域；步骤3：利用hough变换从车身区域中定位车窗区域；步骤4：直线检测；利用直线检测方法，检测车窗区域中直线斜率是否在0.75-1.2之间，若直线斜率在0.75-1.2之间，则判断车窗区域中的驾驶员已系安全带；否则，判定车窗区域中的驾驶员未系安全带。利用车身及车窗区域，定位安全带所在区域，逐步缩小检测范围，提高了安全带检测的准确率和效率，能够代替人眼，进行自动判别，提高了安全带系挂检测的准确率和效率。
-
Patent Agency Ranking
公开(公告)号：CN117236393B
公开(公告)日：2025-04-18
申请号：CN202311076052.2
申请日：2023-08-24
Applicant: 中南大学
IPC: G06N3/06 , G06N3/0464 , G06N3/084 , G06V10/74 , G06V10/82
Abstract: 本发明提供了一种基于合作博弈论的卷积神经网络神经元可解释性评估方法，通过量化单个神经元的可解释性度和单层神经元的可解释性度量实现对卷积神经网络神经元可解释性评估。首先使用反向导向传播算法实现单个神经元的特征可视化，得到单个神经元的GBP图像；根据合作博弈论理论计算单个像素对预测输入图像属于某一类别的贡献度，从而得到SHAP图像。通过计算GBP图像和SHAP图像的相似度得到单个神经元的可解释性度量值，对单层内所有神经元的可解释性度量值求平均得到单层神经元可解释性度量值。本发明的指标提供了符合人类直觉的神经元可解释性度量方式，且计算高效。
-
公开(公告)号：CN117857155A
公开(公告)日：2024-04-09
申请号：CN202311785052.X
申请日：2023-12-22
Applicant: 中南大学
Abstract: 本发明公开了一种网络攻击者与攻击行为多元覆盖关系的可视化方法，包括以下步骤：步骤一：确定攻击方式集合的布局方式；步骤二：绘制攻击方式集合；步骤三：确定集合内网络攻击者元素的布局方式；步骤四：计算集合内网络攻击者元素布局中心点；步骤五：计算集合内网络攻击者元素的布局范围；步骤六：计算集合内网络攻击者元素的大小和位置；步骤七：绘制集合内网络攻击者元素。以实现展示网络攻击者使用的攻击方式的分布情况、网络攻击者攻击能力的强弱、网络攻击者使用攻击行为的特征的需求，满足安全分析的分析需求。
-
公开(公告)号：CN116531347A
公开(公告)日：2023-08-04
申请号：CN202310541765.5
申请日：2023-05-15
Applicant: 中南大学
Abstract: 本发明公开了一种线粒体靶向铜离子消耗纳米粒及其制备方法。按重量百分比计，所述纳米粒的各组分及含量分别为：氨基化介孔二氧化硅88.91～91.93％，(3‑丙羧基)三苯基溴化膦0.72～1.73％、4‑溴‑1,8‑萘酐3.02～5.11％，二甲基吡啶胺3.32～5.26％，各组分含量之和为100％。本发明将二甲基吡啶胺和4‑溴‑1,8‑萘酐修饰到氨基化介孔二氧化硅表面，同时在表面修饰(3‑丙羧基)三苯基溴化膦，对线粒体进行靶向。本发明纳米粒，集线粒体靶向、铜耗尽可视化和药物输送等多功能于一体，能用于协同癌症治疗。
-
公开(公告)号：CN111143544B
公开(公告)日：2023-06-16
申请号：CN201911338681.1
申请日：2019-12-23
Applicant: 中南大学
IPC: G06F16/335 , G06F18/2411 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于神经网络的柱形图信息提取方法、装置、电子设备及计算机可读存储介质，包括文本信息提取步骤/模块、数值信息提取步骤/模块和信息恢复步骤/模块。文本信息提取步骤/模块先使用目标检测模型对文本信息同时地进行定位和分类，然后通过光学字符识别器对文本信息进行字符识别，得到文本信息提取结果。数值信息提取步骤/模块通过编码器‑解码器架构来提取归一化的柱形值，并通过注意力模型来提高提取精确度。信息恢复步骤/模块先使用RANSAC回归对文本提取模块的结果进行错误过滤，然后恢复数值提取模块的归一化柱形值。本发明可以高效且精确地提取柱形图中的信息。
-
公开(公告)号：CN114820869A
公开(公告)日：2022-07-29
申请号：CN202210513756.0
申请日：2022-05-11
Applicant: 中南大学
Abstract: 本发明公开了一种非完全的散点图去重叠方法，该方法包括以下步骤：步骤1：生成虚拟点，对于原始带有重叠的散点图，在散点图空白区域生成一定数量的虚拟点，散点图中同时存在着真实点和虚拟点两类数据点；步骤2：Voronoi划分，对散点图中完全重叠的数据点进行小幅度的随机移动，再对所有数据点进行Voronoi划分；步骤3：调整数据点位置，将所有虚拟点和重叠的真实点移动到所在网格的中心，移动完成后计算当前真实点的重叠率，如果重叠率未降至预设的阈值，返回步骤2，否则进入步骤4；步骤4：删除虚拟点。本发明实现了分布紧凑、轮廓自然、高效迭代的散点图去重叠效果，并提高了去重叠效率。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.02 seconds)
