-
公开(公告)号：CN105330628B
公开(公告)日：2021-10-26
申请号：CN201510902662.2
申请日：2015-12-09
Applicant: 苏州大学
IPC: C07D307/60
Abstract: 本发明公开了一种利用酮酸与炔制备4‑羟基丁烯内酯的方法，其反应步骤为：步骤1)在反应设备中加入酮酸、炔和三氟化硼乙醚，以氟苯作为溶剂，在70℃下进行反应一段时间，获得粗产品及溶剂；步骤2)将步骤1的所得产物进行减压操作，以蒸去溶剂；步骤3)用有机溶剂对步骤2的所得产物进行柱层析，即可获得高纯度的4‑羟基丁烯内酯。本发明的制备方法操作简单易行，其底物适用范围广，且在整个反应过程中所使用的原料都是价格便宜且易获得的，这大大减少了反应的成本；此外，本发明的制备方法的产率在80％以上，这使得工业生产的经济效益也有所提高。
-
公开(公告)号：CN108764262B
公开(公告)日：2021-09-28
申请号：CN201810556686.0
申请日：2018-05-31
Applicant: 苏州大学
Abstract: 本发明公开了一种共生图像模式挖掘方法，包括如下步骤：（1）利用SIFT算法提取图像中的视觉基元；（2）利用语境感知聚类将视觉基元聚类成语境相似组；（3）利用空间聚类将语境相似组分成对象组；（4）合并匹配模式，圈定对象组；（5）对每个对象组进行SVD‑SIFT检测；（6）在双层过滤规则下筛选出有意义的共生模式；（7）限定框精修。本发明能快速，准确的发现图片中的共生视觉模式，以便于后续的视觉任务。
-
公开(公告)号：CN110097008B
公开(公告)日：2021-02-19
申请号：CN201910363482.X
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括正则化坐标系，对动作样本每一帧骨骼关节点的三维坐标进行标准化处理；设计二阶自循环神经网络，提取每一帧骨骼关节点坐标特征，得到每一帧的特征向量；从每种动作类型的训练样本中选择一个作为该动作类型的参考动作样本，将测试动作样本内的各帧与每个参考动作样本各帧进行匹配，建立时序对应关系；计算测试动作样本与每个参考动作样本的匹配代价，找出与测试动作样本有最小匹配代价的参考动作样本，该参考动作样本的动作类型即为测试动作样本的动作类型。本发明提取的特征维度较小，算法效率高，通过时间序列匹配，该方法对同类型动作在时间长度和时间形态上的差异有良好的适应性，提高了动作识别的准确率。
-
公开(公告)号：CN110084211B
公开(公告)日：2020-12-18
申请号：CN201910362475.8
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括获取目标的三维骨骼关节点信息；设计跨层连接神经网络对训练集中动作序列的每帧骨骼关节点三维坐标提取特征，得到该帧的特征向量；将训练集中所有特征向量聚类成K个簇；计算每个簇对各个动作类别的支持度；定义姿态子组，从训练集中抽取姿态子组，组成姿态子组集合；学习得到Z个层级分类器；用跨层连接神经网络获取测试动作序列每帧的特征向量并将其划分给与其距离最近的簇；分别计算Z个层级分类器对测试样本的分类结果；选取Z个层级分类器分类结果中出现次数最多的类别作为测试动作序列的类别。本发明减小了动作的类内差异对动作识别效果的影响，不受动作发生速率影响，能够处理任意时间长度的动作序列。
-
公开(公告)号：CN110097008A
公开(公告)日：2019-08-06
申请号：CN201910363482.X
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括正则化坐标系，对动作样本每一帧骨骼关节点的三维坐标进行标准化处理；设计二阶自循环神经网络，提取每一帧骨骼关节点坐标特征，得到每一帧的特征向量；从每种动作类型的训练样本中选择一个作为该动作类型的参考动作样本，将测试动作样本内的各帧与每个参考动作样本各帧进行匹配，建立时序对应关系；计算测试动作样本与每个参考动作样本的匹配代价，找出与测试动作样本有最小匹配代价的参考动作样本，该参考动作样本的动作类型即为测试动作样本的动作类型。本发明提取的特征维度较小，算法效率高，通过时间序列匹配，该方法对同类型动作在时间长度和时间形态上的差异有良好的适应性，提高了动作识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110070070A
公开(公告)日：2019-07-30
申请号：CN201910363855.3
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括获取目标的三维骨骼关节点信息；设计跨层连接神经网络对训练集中动作序列的每帧骨骼关节点的三维坐标提取特征，得到该帧的特征向量；将训练集中所有特征向量聚类成K个簇；计算每个簇的权重和每个簇对各个动作类别的支持度；定义姿态子组及姿态子组对应第c类动作的分类器；挖掘每类动作的姿态子组集合；对于每类动作，先学习出多个初级分类器，再将该类动作学得的所有初级分类器加权组合成高级分类器；用跨层连接神经网络获取测试动作序列每一帧的特征向量并划分给与其距离最近的簇；分别计算每类动作的高级分类器对测试动作序列的响应值，响应值最大的高级分类器对应的动作类别即为该测试样本的动作类别。
-
公开(公告)号：CN108830313A
公开(公告)日：2018-11-16
申请号：CN201810556701.1
申请日：2018-05-31
Applicant: 苏州大学
Abstract: 本发明公开了一种共生模式图像挖掘方法，包括如下步骤：（1）利用SIFT算法提取图像中的视觉基元；（2）利用语境感知聚类将视觉基元聚类成语境相似组；（3）利用空间聚类将语境相似组分成对象组；（4）合并匹配模式，圈定对象组；（5）对每个对象组进行共生频率检测,在共生频率检测规则下筛出有意义的共生模式。本发明能快速，准确的发现图片中的共生视觉模式，以便于后续的视觉任务。
-
公开(公告)号：CN106008181B
公开(公告)日：2018-10-30
申请号：CN201610466034.9
申请日：2016-06-24
Applicant: 苏州大学
IPC: C07C45/00 , C07C45/30 , C07C45/78 , C07C45/82 , C07C45/79 , C07C49/80 , C07C49/16 , C07D307/80 , C07C49/697
Abstract: 本发明公开了一种γ‑氯代丁酮衍生物的合成方法，涉及到化学合成技术领域中内远端氯代脂肪酮的生产方法。以乙腈作为溶剂，二氯化锰为催化剂，三级环丁醇、三甲基氯硅烷(TMSCI)和2‑碘酰苯甲酸(IBX)发生反应，获得粗制品；再经过减压浓缩除去有机溶剂；用有机溶剂在硅胶柱上进行层析，即可获得精制品。合成路线为：其中:R为芳基或烷基；在整个反应过程中所使用的原料都是价格便宜且易获得的，该方法的底物适用范围广，整个反应的操作简单易行，产率较高；大大减少了反应的成本。
-
公开(公告)号：CN107273831A
公开(公告)日：2017-10-20
申请号：CN201710415042.5
申请日：2017-06-05
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00214
Abstract: 本发明公开了一种基于球空间的三维目标识别方法，包括：利用深度传感器获取深度图像，得到目标三维信息；对深度图像进行预处理，滤除深度图像中的部分噪声；求出目标图像各点的三维坐标参数；构建球空间，根据目标点云坐标构建对数极坐标直方图，形成三维特征描述符；计算匹配度，获得不同图像之间的匹配度值。本发明可以对图像形状及深度信息进行特征的提取和有效表示，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率。
-
公开(公告)号：CN106008181A
公开(公告)日：2016-10-12
申请号：CN201610466034.9
申请日：2016-06-24
Applicant: 苏州大学
IPC: C07C45/00 , C07C45/30 , C07C45/78 , C07C45/82 , C07C45/79 , C07C49/80 , C07C49/16 , C07D307/80 , C07C49/697
CPC classification number: C07C45/00 , C07C45/30 , C07C45/78 , C07C45/79 , C07C45/82 , C07D307/80 , C07C49/80 , C07C49/16 , C07C49/697
Abstract: 本发明公开了一种γ‑氯代丁酮衍生物的合成方法，涉及到化学合成技术领域中内远端氯代脂肪酮的生产方法。以乙腈作为溶剂，二氯化锰为催化剂，三级环丁醇、三甲基氯硅烷(TMSCI)和2‑碘酰苯甲酸(IBX)发生反应，获得粗制品；再经过减压浓缩除去有机溶剂；用有机溶剂在硅胶柱上进行层析，即可获得精制品。合成路线为：其中:R为芳基或烷基；在整个反应过程中所使用的原料都是价格便宜且易获得的，该方法的底物适用范围广，整个反应的操作简单易行，产率较高；大大减少了反应的成本。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.038 seconds)
