-
公开(公告)号：CN106021859A
公开(公告)日：2016-10-12
申请号：CN201610300289.8
申请日：2016-05-09
Applicant: 吉林大学
Abstract: 本发明涉及一种改进遗传算法的可控源音频大地电磁法一维反演的方法。将遗传算法应用于CSAMT一维数据反演，提出了基于频率加权和相位加权相结合的目标函数，提出了基于适应度值排序选择和模拟退火法相结合的选择算子，提出了分段的交叉概率上下限，提出了基于适应度值的自适应交叉概率相结合的交叉算子和基于适应度和基因加权相结合的变异算子，并采用基于概率的最优个体保留策略，用适应度值最大的个体以一定的概率代替适应度值最小的个体。与常用的CSAMT数据反演方法相比，本发明方法不会因为出现病态矩阵而导致反演失败，有助于避免标准遗传算法中的早熟和易陷入局部极值等问题，有利于染色体快速向最优解方向移动，找到最优解。
-
公开(公告)号：CN105680428A
公开(公告)日：2016-06-15
申请号：CN201610161077.6
申请日：2016-03-21
Applicant: 吉林大学
Abstract: 本发明涉及一种电压型二次重合闸微机装置及控制方法，包括：电压采集单元、数字处理单元、上位机显示控制单元和电源单元。电压采集单元与数字处理单元连接，数字处理单元与上位机显示控制单元连接，电源单元分别与电压采集单元和数字处理单元连接。本发明是基于MSP430F149+上位机架构的二次重合闸微机装置，克服了传统的一次重合闸装置接线复杂，辅助设备多，易出现误动、拒动情况的缺点，具有体积小，结构简单，低功耗，低成本，数据实时显示，单片机重合闸控制，上位机交互控制等特点，提高了重合闸成功率和系统安全稳定性。控制方法简单方便，有效可行，本发明具有一定的研究前景与应用价值。
-
公开(公告)号：CN117084693A
公开(公告)日：2023-11-21
申请号：CN202311280333.X
申请日：2023-10-07
Applicant: 吉林大学
Abstract: 本发明属于脑电信号分析技术领域，具体涉及一种基于多领域特征融合和注意力机制的脑病检测系统；从三个领域，包括时域、频域和基于复杂网络指标的大脑功能网络，分别对脑电信号进行特征提取；并且构建了一个准确率高、鲁棒性强的多维特征融合网络模型检测各种脑部疾病；本发明的脑电图信号分析方法可以准确描述大脑细节特征和状态，有效度量大脑功能网络的特征指标，为脑病的智能诊断、预警提供了新方案。
-
公开(公告)号：CN109800811B
公开(公告)日：2022-09-06
申请号：CN201910065984.4
申请日：2019-01-24
Applicant: 吉林大学
IPC: G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。
-
公开(公告)号：CN113640736A
公开(公告)日：2021-11-12
申请号：CN202110971251.4
申请日：2021-08-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于退化的空间ARMA模型的多维传感器阵列信源测向方法，属于阵列信号处理中基于多维阵列的二维信源测向。包括3维体阵模型，多维阵列中任一ULA的信源相差估计，多维阵列中的ULA分类准则，多维阵列中信源相差(或角度)配对方案，多维阵列中信源仰角和方位角的计算。本发明的优点是：能够处理多维阵列中的任一ULA,二维信源测向方法能够匹配和发挥多维阵列ULA及其数据丰富的优势；给出了能够实现信源相差自动配对的ULA组合准则，所提测向方法能够处理两种方位角定义下ULA，而且对信源和传感器阵元噪声的信号性质仅要求为平稳；所提测向方法是直接处理多维阵列数据，不涉及矩阵特征值分解或奇异值分解，计算较为高效。
-
Patent Agency Ranking
公开(公告)号：CN112833780A
公开(公告)日：2021-05-25
申请号：CN202011626244.2
申请日：2020-12-31
Applicant: 吉林大学
Abstract: 本发明属于深度学习以及增强现实技术领域，具体涉及一种基于移动智能终端以及ARCore的非接触式快递包裹体积测量方法；利用摄像头捕获被测物体实时画面，结合角度传感器或气压传感器测量数据，计算出被测物体的高度；通过ARCore以及摄像头获取被测物体所处平面，计算被测物体各个边长，使用边长数据以及高度数据获得物体的体积信息，并显示体积框架信息；通过本发明可以辅助快递打包工作并准确高效完成物体体积测量，对于多边形物体体积测算以及非接触快速测量具有特殊重要的意义，此方案具有更高的时效性和普及性，操作简单，成本低廉，具有很大的使用性价值。
-
公开(公告)号：CN112244871A
公开(公告)日：2021-01-22
申请号：CN202011020143.0
申请日：2020-09-25
Applicant: 吉林大学
Abstract: 本发明属于机器学习技术领域，具体涉及一种基于机器学习的振幅整合脑电图分类识读系统，包括数据采集处理模块、特征提取模块和分类模块，其中数据采集处理模块用于采集并处理脑功能监护仪输出的振幅整合脑电图文本数据，特征提取模块用于提取振幅整合脑电图的幅度特征和非线性特征；分类模块采用随机森林分类模型对特征提取模块中提取出的幅度特征和非线性特征进行正异常判定，对随机森林分类模型中决策树的分类结果进行投票，投票次数最多的类型为最终判断结果；本系统对整合脑电图进行分析，辅助临床医生准确高效完成aEEG判定，尽早检查出患有癫痫的新生儿并及时治疗，提高准确率及判断精度。
-
公开(公告)号：CN105786610B
公开(公告)日：2019-03-22
申请号：CN201610213792.X
申请日：2016-04-07
Applicant: 吉林大学
IPC: G06F9/48
Abstract: 本发明公开了计算密集型任务向云服务器中卸载的方法,克服了移动云计算中任务卸载机制不高效的问题，步骤：1.以任务图表示计算密集型任务中任务执行的先后顺序及任务间的关系。2.一般形式的任务图中任务的卸载决策：在一般形式的任务图中计算将第一个任务卸载到云服务器中执行较在智能手机上执行的节约时间；将第二个任务和第二个任务后面的每一个任务按照顺序采用依次求出每个任务节约最大时间的方法，选取使得计算密集型任务执行的总时间最短的最优方案；确定最佳的卸载队列卸载起始点和卸载结束点。3.复合型任务的卸载决策：1)确定大计算量任务；2)确定大计算量任务集合；3)对大计算量集合的前序任务的判断。4.最终的卸载决策。
-
公开(公告)号：CN103489010B
公开(公告)日：2017-01-04
申请号：CN201310442805.7
申请日：2013-09-25
Applicant: 吉林大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于驾驶行为的疲劳驾驶检测方法，解决现有技术所存在的道路曲率因素会影响基于驾驶行为进行疲劳驾驶检测方法的准确率的问题，其构建了道路线形分类器及对应的疲劳模式分类器，在车辆行驶过程中实时采集车辆的道路视频和驾驶行为信息，分别提取不同的道路曲率（直道和弯道）下驾驶人的驾驶行为特征参数，根据道路线形分类器输出结果确定当前道路线形，并调用对应的疲劳模式分类器，即可实现对驾驶人疲劳状态的辨识，本方法实现了疲劳驾驶的实时准确检测。
-
公开(公告)号：CN105786610A
公开(公告)日：2016-07-20
申请号：CN201610213792.X
申请日：2016-04-07
Applicant: 吉林大学
IPC: G06F9/48
CPC classification number: G06F9/4881
Abstract: 本发明公开了计算密集型任务向云服务器中卸载的方法,克服了移动云计算中任务卸载机制不高效的问题，步骤：1.以任务图表示计算密集型任务中任务执行的先后顺序及任务间的关系。2.一般形式的任务图中任务的卸载决策：在一般形式的任务图中计算将第一个任务卸载到云服务器中执行较在智能手机上执行的节约时间；将第二个任务和第二个任务后面的每一个任务按照顺序采用依次求出每个任务节约最大时间的方法，选取使得计算密集型任务执行的总时间最短的最优方案；确定最佳的卸载队列卸载起始点和卸载结束点。3.复合型任务的卸载决策：1)确定大计算量任务；2)确定大计算量任务集合；3)对大计算量集合的前序任务的判断。4.最终的卸载决策。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.03 seconds)
