-
公开(公告)号：CN113589288A
公开(公告)日：2021-11-02
申请号：CN202110704069.2
申请日：2021-06-24
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
IPC: G01S13/93 , G01S13/931 , G01S13/937
Abstract: 本申请提供了一种基于毫米波雷达的目标筛选方法、装置、设备及存储介质，涉及自动驾驶技术领域。该方法包括：获取毫米波原始数据，确定毫米波原始数据中对应的扫描点；确定各扫描点的特征数据，基于归一化处理后的特征数据，采用预设的聚类算法对扫描点进行聚类，基于各组聚类点中扫描点的特征数据，确定各组聚类点对应的物体类型，确定目标物体。本申请实施例通过提取毫米波数据的特征数据，将特征数据进行归一化处理，通过预设的聚类算法对扫描点进行聚类，并基于各类聚类点的特征数据，确认目标物体，通过特征数据的聚类，能够有效排除非车辆、船只障碍物，并区分移动中的车辆、船只和非移动车辆、船只，为自动驾驶提供技术支持。
-
公开(公告)号：CN113554310A
公开(公告)日：2021-10-26
申请号：CN202110837957.1
申请日：2021-07-23
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
Abstract: 本申请提供了一种基于智能合约的企业信用动态评估模型，涉及计算机技术领域，该模型包括：企业输入模块，用于接收企业上传的企业信息，对企业进行分类、以及接收企业提交信用评估申请和授权；模型创建模块，用于接收企业的行业数据，并基于行业数据创建对应的模型，并对模型进行更新，确定目标模型；企业信用评估模块，用于采用目标模型对分类后的企业进行信用评估，得到企业的信用结果。本申请实施例通过区块链技术，改善评估数据来源的真实性和可追溯性，根据行业进行特征选择，构建适合特定行业的评估模型，使评估预测更加准确，削弱人工成本，将企业信用评估线上化，减少人工操作带来的失误和风险，提高评估效率，降低信用评估所需成本。
-
公开(公告)号：CN113535381A
公开(公告)日：2021-10-22
申请号：CN202110637857.4
申请日：2021-06-08
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
Abstract: 本申请提供了一种基于改进遗传算法的服务功能链映射方法、装置及设备，涉及计算机技术领域。该方法包括：基于任务请求中的虚拟网络功能和物理节点信息的映射方案生成染色体；生成初始种群；基于适应度值确定个体最优染色体集合和群体最优染色体并进行迭代，得到目标群体最优染色体，目标群体最优染色体对应的映射方案为目标映射方案。本申请实施例通过对多条服务功能链的映射方案进行混合多编码，不论对哪部分进行交叉、变异都不会对编码的其他部分造成影响，降低了算法复杂度和时间复杂度，通过最优交叉，每个个体可以根据当前搜索状态动态调整搜索策略，通过自由交叉，可以扩大搜索空间避免陷入局部最优，从而引导SFC映射趋近最优解。
-
公开(公告)号：CN112712036A
公开(公告)日：2021-04-27
申请号：CN202011632849.2
申请日：2020-12-31
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
Abstract: 本公开提供了一种交通标志识别方法、装置、电子设备及计算机存储介质，涉及图像识别技术领域。该方法包括：采用预设的聚类算法对交通标志数据集中的交通标志进行聚类，确定各类交通标志的尺寸；采用预训练的目标检测模型对待识别的图像数据进行识别，确定与尺寸对应的目标交通标志。本公开实施例通过预设的聚类算法，消除无效数据对聚类中心的影响，大大提高了先验框与交通标志之间的匹配度，不仅有利于降低训练网络的复杂度，缩短网络训练时间，而且有助于提高模型的检测精度，增加残差结构来增强了浅层网络的特征提取能力；通过增加预测尺度和锚框数量，能够使用提取的浅层特征图进行预测，提高对交通标志的检测准确率。
-
公开(公告)号：CN111191626B
公开(公告)日：2021-01-01
申请号：CN202010007923.5
申请日：2020-01-02
Abstract: 本发明公开了一种多类别交通工具的精细识别方法，属于航空监视领域。首先针对某张待分类的目标图像输入VGG19网络中，输出包含网络浅层信息的特征图X，并将其加入级联注意力机制，得到重要区域的高亮显示特征图然后从纵向和切向两个角度嵌入核函数，提取高亮显示特征图的高维非线性特征，得到两个不同方向的高维非线性特征图X′和Y′。用平均池化将X′和Y′分别进行特征降维，得到长度为C的两个特征向量，拼接后得到长度为2C的特征向量A。最后对特征向量A使用全连接进行融合，得到特征向量B；使用softmax机制对特征向量B中各类别的置信度分数进行归一化，取分数最大值，得到对应的分类的结果。本发明达到多类别交通工具的精细识别。
-
Patent Agency Ranking
公开(公告)号：CN105916102B
公开(公告)日：2019-04-26
申请号：CN201610357126.3
申请日：2016-05-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于非正交多址的多RFID标签同时读取方法，所述内容包括：在包括一个读写器和多个RFID标签的基于非正交多址的多RFID标签同时读取系统中，当读写器需要同时读取标签中的数据时，读写器向所有标签发送一个无线射频信号，每个标签从接收的无线射频信号中获取能量。然后，每个标签将数据发送给读写器。读写器采用串行干扰删除技术从接收信号中恢复所有标签的数据，即根据不同标签数据的信号功率大小按照从大到小的顺序进行干扰消除，实现正确解调，同时区分不同的标签。本方法允许一个RFID读写器同时读取多个RFID标签，简化了标签设计，降低了成本，适用于超市、图书馆、电子不停车收费系统、物流行业等需要快速读取多个RFID标签的场合。
-
公开(公告)号：CN105955053A
公开(公告)日：2016-09-21
申请号：CN201610461496.1
申请日：2016-06-23
Applicant: 桂林电子科技大学
IPC: G05B15/02 , G05B19/418
CPC classification number: G05B15/02 , G05B19/418 , G05B2219/2642
Abstract: 本发明公开了基于大数据的智能家居设备接入方法。所述内容包括：智能家居系统包括家居设备、家用监测设备、通信设备。这些设备产生的大数据用来控制设备接入。将一天划分成多个不同的时段。在每个时段，工作状态达到临界的家居设备和已经出过故障的家居设备优先接入智能家居系统。如果主人不在家，家用监测设备优先接入智能家居系统。通信设备中手机和平板电脑优先接入智能家居系统。这些优先接入的设备被分配固定的链路，优先接入条件通过大数据分析确定。如果还有空闲链路，其它设备以随机竞争的方式接入智能家居系统。本方法利用主人的活动和设备的状态大数据灵活接入设备，提高家居生活的舒适度和便捷性，适用于智能家居。
-
公开(公告)号：CN105916102A
公开(公告)日：2016-08-31
申请号：CN201610357126.3
申请日：2016-05-25
Applicant: 桂林电子科技大学
CPC classification number: G06K7/10356 , G06K17/00 , H04W4/80
Abstract: 本发明公开了基于非正交多址的多RFID标签同时读取方法，所述内容包括：在包括一个读写器和多个RFID标签的基于非正交多址的多RFID标签同时读取系统中，当读写器需要同时读取标签中的数据时，读写器向所有标签发送一个无线射频信号，每个标签从接收的无线射频信号中获取能量。然后，每个标签将数据发送给读写器。读写器采用串行干扰删除技术从接收信号中恢复所有标签的数据，即根据不同标签数据的信号功率大小按照从大到小的顺序进行干扰消除，实现正确解调，同时区分不同的标签。本方法允许一个RFID读写器同时读取多个RFID标签，简化了标签设计，降低了成本，适用于超市、图书馆、电子不停车收费系统、物流行业等需要快速读取多个RFID标签的场合。
-
公开(公告)号：CN119537826A
公开(公告)日：2025-02-28
申请号：CN202411433528.8
申请日：2024-10-15
Applicant: 桂林电子科技大学
IPC: G06F18/20 , G06F18/214 , G06F18/21 , G06F18/243 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20 , G06N5/01
Abstract: 本发明涉及地质位移预测技术领域，具体涉及一种基于CNN_BiLSTM‑XGB的滑坡位移预测方法，首先采用SSA‑VMD分解法将滑坡位移序列分解为周期项、随机项和趋势项，采用灰色关联度选择合适的影响因子作为输入变量，提出一种基于CNN_BiLSTM‑XGB的组合模型对周期项和随机项位移进行预测，采用集成学习的方法结合CNN_BiLSTM和XGB，利用SSA对组合模型参数进行寻优，简化了参数调整过程，避免了主观因素的影响，提高了模型预测效率。采用二次指数平均法对趋势项位移进行预测，最后采用时间序列理论模型求得滑坡位移预测序列。组合模型能够更充分地提取滑坡位移数据的特征，有效解决深度学习模型中单一模型的预测性能和泛化能力不足的问题，确保预测效率的同时提升模型的预测精度和泛化能力。
-
公开(公告)号：CN113591543B
公开(公告)日：2024-03-26
申请号：CN202110636627.6
申请日：2021-06-08
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
IPC: G06V20/58 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本申请实施例提供了一种交通标志识别方法、装置、电子设备及计算机存储介质，涉及图像识别技术领域。该方法包括：获取预设的交通标志数据集，采用预设的聚类算法对交通标志数据集中的交通标志进行聚类，确定各类交通标志的尺寸；采用训练后的交通标志识别模型对待识别交通标志进行识别，确认待识别交通标志的类别。本申请实施例通过预设的聚类方法先对数据集进行聚类，对交通标志识别模型进行训练，可以获取图像中不同尺度的感受野信息，并可以将获取到的不同尺度的信息融合，增强浅层网络预测交通标志的能力，进而提高交通标志的检测准确率。减少网络参数并降低网络复杂度，以此提高交通标志的检测速度，达到对交通标志的实时检测。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.026 seconds)
