-
公开(公告)号：CN115239367A
公开(公告)日：2022-10-25
申请号：CN202210739048.9
申请日：2022-06-29
Applicant: 广东海纳德生物芯片技术有限公司 , 桂林电子科技大学
IPC: G06Q30/02 , G06F16/958 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于blink内核的食品网页广告识别方法及装置。方法包括：建立网页数据爬取工具对大量网页依照已知广告过滤规则进行爬取；建立浏览器渲染引擎内的图像处理接口；建立深度学习模型以对输入图像进行分类；通过网页数据爬取工具对用于浏览器渲染引擎内的图像处理接口进行初始化，以使网页数据爬取工具向深度学习模型传输图像数据；深度学习模型通过使用标记好的图像数据，最终能够实现网页广告元素的准确识别，进而通过浏览器渲染引擎直接清除对应广告元素解决了blink内核浏览器下部分网页广告难以被传统方式过滤的问题。
-
公开(公告)号：CN115202374A
公开(公告)日：2022-10-18
申请号：CN202210775475.2
申请日：2022-07-05
Applicant: 桂林电子科技大学 , 桂林智慧产业园有限公司
IPC: G05D1/06
Abstract: 本发明公开了一种基于模糊算子的捕捞AUV多目标路径规划方法，包括：对捕捞AUV系统采集的信息做预处理，以获取目标物、障碍物、洋流的数据；对目标物、障碍物、洋流的数据模糊转化，以获取用区间直觉模糊数表示的决策因子；设计IVIFWPMMDSTT算子，以聚合DST框架下的区间直觉模糊数；利用所述IVIFWPMMDST算子对目标物的所述决策因子做聚合，以获取目标物的聚合评分；根据各个目标物的聚合评分大小，实时规划出机器的行驶路径。本发明相较于传统模糊逻辑法在因素考虑上更加灵活简单，仅需利用启发式思想构建决策因子，而不需要构建复杂的模糊控制表；所设计的IVIFWPMMDST算子的权重可以采用实数，还可以采用区间直觉模糊数以缓解专家经验不足的问题；本发明将水下捕捞问题转化为最优化问题，利用所设计的IVIFWPMMDST算子规划出一条最优行驶路径，使得机器有目的地行驶，因此捕捞效率更高。
-
公开(公告)号：CN113205468B
公开(公告)日：2022-08-09
申请号：CN202110607071.8
申请日：2021-06-01
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
Abstract: 本发明涉及一种基于自注意力机制和GAN的水下图像实时复原模型，属于深度学习技术领域。它将生成对抗网络作为基本架构，生成网络采用编码‑解码结构，通过9个残差块和反卷积运算，以原始分辨率生成合成图像，并引入自注意力模块，可以捕获更丰富的高级特征以提升模型性能，为了同时保持图像内容和去除水下噪声，判别网络采用一种包含对抗分支和批评分支的多分支判别器的结构。本发明通过增加自注意力模块，改进模型结构较为理想地解决了水下图像处理时间效率低的问题，训练有素的基于GAN‑RS的方法可以适应各种水下情况，具有出色的实时处理性能。
-
公开(公告)号：CN109992847B
公开(公告)日：2022-08-05
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F30/20
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN113505631A
公开(公告)日：2021-10-15
申请号：CN202110440469.7
申请日：2021-04-25
Applicant: 桂林电子科技大学 , 桂林森明智能科技有限责任公司
Abstract: 本发明公开了一种基于手掌静脉识别的汽车身份识别及其控制方法，其包括：两个手掌静脉采集装置、门锁控制装置、座椅调节装置、方向盘调节装置、后视镜调节装置、影音娱乐装置、存储装置、中央控制器；手掌静脉采集装置用来采集用户手掌静脉信息并将该信息传输到中央控制器；用户信息检验通过后发送相关指令给控制中心，从而做出相应的偏好设置；中央控制器具备4G/5G通讯功能，可通过手机APP进行控制与交互；手掌静脉识别装置可以将已经录入的身份设置偏好，从而避免了每次用车需要调节的麻烦；手掌静脉识别装置相对于传统的钥匙解锁，可以避免去车内拿东西时钥匙不在或者钥匙丢失的情况，从而快捷打开车门；增强了车辆的安全性与便捷性。
-
Patent Agency Ranking
公开(公告)号：CN109446264B
公开(公告)日：2021-09-10
申请号：CN201811051523.3
申请日：2018-09-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于流可视化的城市移动数据分析方法，步骤为：1）数据预处理，解决基站信号不稳定造成的乒乓效应，并剔除异常数据以及轨迹记录过少的数据城市轨迹移动数据；2）数据映射和建模，得到基于基站的概率系统；3）算法实现，计算基于基站的转移概率的LCSF值；4）高维语义结构可视化：根据步骤3）得到的LCSF值以及基站Voronoi图划分，对每块基站区域的LCSF值进行颜色编码，使用三角插值进行渲染，渲染结果显示变化程度越大处高维语义结构越明显，同时为增加对比度，颜色映射可进行相应调节。该方法提供了有效的模型和算法，能从复杂的人群运动中提取潜在的高维语义结构，动态揭示城市地区人群流动背后隐藏的移动模式。
-
公开(公告)号：CN112800914A
公开(公告)日：2021-05-14
申请号：CN202110075564.1
申请日：2021-01-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于专家先验知识和LTP复杂光照下的人脸识别方法，1)定位面部地标点并裁剪；2)根据专家先验知识，对面部图像关键区域进行划分，生成面部掩码；3)使用自适应阈值的局部三值模式算法(LTP)针对不同的关键区域，分别计算其区域像素离散度σ作为阈值t，并提取其光照不变纹理特征；4)将面部图像送入一个卷积层，得到面部图像的全局特征；5)面部全局特征与面部光照不变纹理特征相结合，并送入ResNet101网络模型，通过分类层分别得出与数据库中N个对象的相似度得分，返回相似度得分最高的值所对应的对象身份，作为人脸识别的结果。该方法是一种端对端的模型，无需预训练，对复杂的光照环境有较强的鲁棒性，且有很好的扩展性。
-
公开(公告)号：CN112102548A
公开(公告)日：2020-12-18
申请号：CN202010898680.9
申请日：2020-08-31
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
Abstract: 本发明公开了一种基于手掌静脉识别的门禁系统及其控制方法，所述门禁系统包括前端出入口门禁控制部分和后端控制器部分；前端出入口门禁控制部分包括门禁控制器以及与门禁控制器连接的门外掌静脉采集装置、门内掌静脉采集装置、门外实时红外监控装置、门内实时红外监控装置、前端LoRa通信模块；后端控制器部分包括系统服务器以及与系统服务器连接的数据库、后端LoRa通信模块；门禁控制器与系统服务器通过前端LoRa通信模块和后端LoRa通信模块无线连接。本发明通过手掌静脉识别加入到门禁系统中，此门禁系统在监狱、精神病医院等特殊的应用场景下，需要在出、入门体时都要进行身份验证；并增加实时红外监控功能，在非法闯入或闯出时，都能实时进行报警。
-
公开(公告)号：CN112085749A
公开(公告)日：2020-12-15
申请号：CN202010948185.4
申请日：2020-09-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种多尺度非迭代超像素分割的方法，该方法首先利用高斯卷积在Lab颜色空间上对每个像素点求出其水平和垂直方向的颜色梯度特征.其次,通过对像素点进行腐蚀和膨胀操作得到像素点形态学轮廓特征,在不丢失灰度梯度表示的同时增强算法边缘命中率。最后，本文基于SNIC算法非迭代聚类框架,依赖于像素点间的颜色、空间、颜色梯度、形态学轮廓特征的自定义加权距离实现超像素分割。实验结果表明，在超像素个数相同的情况下，与主流的其他算法相比,提出的方法在保证时间复杂度低的同时有效提升了超像素分割质量。
-
公开(公告)号：CN111950717A
公开(公告)日：2020-11-17
申请号：CN202010881063.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06N3/04 , G06K9/62 , G06F40/30 , G06F16/951 , G06F16/35 , G06F16/215
Abstract: 本发明公开了一种基于神经网络的舆情量化方法，步骤为：1）利用爬虫技术采集用户在社交平台上的舆论文本数据，将采集的数据以文本形式存储于数据库中；2）对收集的舆论文本数据进行数据预处理；3）根据预处理后的数据，构建舆论分析数据集；4）构建网络模型，利用舆论分析数据集中的舆论文字和所关联因素数据对网络模型进行训练；5）利用训练好的网络模型对舆论文本进行量化；该方法可以通过神经网络的方式对符号化文本进行量化，并且采用了多特征碎片的权重计算来确定各类因素的影响权重。较传统方法而言，该方法更加灵活，鲁棒性更强，从社会经济来看，该方法可以紧抓热点，跟随数据量的增大而更加客观理性，更加符合舆情实际结果。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.07 seconds)
