-
公开(公告)号:CN114943862A
公开(公告)日:2022-08-26
申请号:CN202210637417.3
申请日:2022-06-07
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/46
Abstract: 本发明公开了一种基于结构性解析字典学习的两阶段图像分类方法,该方法属于计算机视觉技术领域。该方法包括:(1)特征提取:对原始图像数据进行特征提取,构建训练集和测试集;(2)阶段1:基于训练集采用结构性解析字典学习模型训练解析字典及投影矩阵;(3)阶段2:基于训练样本的结构化稀疏表示系数,训练支持向量机(SVM)分类器;(4)分类测试:在测试集上利用训练好的解析字典和支持向量机,使用多元支持向量机分类算法实现分类功能,得到分类结果。本发明简化了结构性解析字典学习(SADL)模型,并将分类器学习过程和字典学习过程分离,使用支持向量机代替原本的线性分类器,从而提出了基于结构性解析字典学习两阶段图像分类方法。本发明方法适用于一般情况下的图像分类问题,在人脸识别、场景识别、物体识别上的分类准确率均能超过原算法。
-
公开(公告)号:CN114367314A
公开(公告)日:2022-04-19
申请号:CN202210020125.5
申请日:2022-01-10
Applicant: 南京工业大学
IPC: B01J31/28 , B01J31/22 , C07C45/00 , C07C49/403
Abstract: 本发明属于催化加氢技术领域,涉及Pd‑ZIF‑GO催化剂在间苯二酚加氢制1,3‑环己二酮中的应用。所述催化剂以GO为模板,采用原位合成法在GO表面生长ZIF‑L同时负载Pd,去离子水洗去未在GO表面生长的ZIF‑L,真空干燥制得催化剂。本发明所提供的催化剂应用于间苯二酚一步加氢制1,3‑环己二酮体系具有较好的催化活性,反应60 min间苯二酚转化率即可达到99.1%,同时,目标产物选择性能够达到100%。
-
公开(公告)号:CN103789743B
公开(公告)日:2015-09-16
申请号:CN201410015993.X
申请日:2014-01-14
Applicant: 南京工业大学
Abstract: 本发明提供了一种斜角入射沉积系统,包括圆柱状的腔体,腔体的上方设有顶盖,腔体内由下至上依次设有电子束蒸发器、环形液态氮存储装置以及样品操作装置;所述电子束蒸发器由腔体外伸入腔体内,电子束蒸发器位于腔体内的端部上设置蒸发源材料;所述环形液态氮存储装置用于冷却操作装置,环形液态氮存储装置上设有液氮进管和液氮出管,液氮进管和液氮出管分别延伸出顶盖;环形液态氮存储装置中部设有气动快门,用于控制蒸发源材料与样品操作装置之间的通路。本发明两个轴向旋转运动以及沉积高度的调整,形成不同沉积角度,得到了多种形态的微纳米薄膜结构,很好解决了光学和电子刻蚀形成微纳米薄膜费用高、适用材料有限、制作时间较长的缺点。
-
公开(公告)号:CN102426176B
公开(公告)日:2013-03-27
申请号:CN201110366861.8
申请日:2011-11-18
Applicant: 南京工业大学
Abstract: 本发明公开了一种气体传感器及其制造工艺,气体传感器包括硅基底、二氧化硅绝热截至层、叉指信号电极、测温电极、加热电极;所述的硅基底具有通孔结构,硅基底的上表面包括通孔的顶部设有二氧化硅层,所述的二氧化硅层采用表面工艺加工成悬臂结构。二氧化硅层上表面设有叉指信号电极、测温电极和加热电极组成的电极组,电极组上表面设有二氧化锡层本发明工艺将加热电极、叉指信号电极、测温电极制作于一层,降低了制造复杂度,提高了成品率;将传感器二氧化硅层腐蚀,形成悬臂结构,减小热量的传输通道,使得传感器的功耗更低。
-
公开(公告)号:CN102495110A
公开(公告)日:2012-06-13
申请号:CN201110366862.2
申请日:2011-11-18
Applicant: 南京工业大学
IPC: G01N27/14
Abstract: 本发明公开了一种气体传感器测试系统,包括配气单元、气敏性测量装置以及测试单元;所述配气单元包括一个空气供给单元、一个以上的待测气体供给单元、将空气与待测气体混匀的气体混合室,所述气体混合室连通气敏性测量装置,用于将配比后的气体通过管道输入气敏性测量装置。所述测试单元包括数据采集器,连接数据采集器的温控仪、尾气分析装置以及计算机;所述数据采集器分别电连接空气供给单元和气敏性测量装置;尾气分析装置通过管道连通所述气敏性测量装置。
-
公开(公告)号:CN114330535B
公开(公告)日:2024-09-06
申请号:CN202111603440.2
申请日:2021-12-24
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/772 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于支持向量正则化字典对学习的模式分类方法,属于计算机视觉技术领域。该方法包括:将训练图像和测试图像映射到低维空间,得到训练集和测试集;基于训练集采用支持向量正则化的字典对学习模型学习综合‑解析字典对和支持向量机分类器;利用训练好的字典对生成测试集编码系数;将测试集编码系数输入到支持向量机分类器中,得到测试集的类别标签,以类别标签作为分类结果。本发明基于字典对学习模型,提出融合支持向量的判别性分类模型并进行优化求解,适用于一般情况下的模式识别和图像分类问题,在人脸识别和场景识别上能达到较高的分类准确度。
-
公开(公告)号:CN116440937A
公开(公告)日:2023-07-18
申请号:CN202310393613.5
申请日:2023-04-13
Applicant: 南京工业大学
Abstract: 本发明属于催化加氢技术领域,涉及一种简单的加氢催化剂载体的制备方法及应用。所述载体采用直接混合法制备,即将2‑甲基咪唑与不同钴源直接混合后煅烧,再经过酸洗制备得到,该方法具有制备流程简单、制备周期短、原料成本低、载体产率高等优点。本发明所提供的载体制备的Pd@CN催化剂应用于苯酚加氢制环己酮反应体系具有良好的催化活性。
-
公开(公告)号:CN103575812A
公开(公告)日:2014-02-12
申请号:CN201310559984.2
申请日:2013-11-12
Applicant: 南京工业大学
IPC: G01N29/30
Abstract: 本发明公开了一种双通道声表面波器件测试装置,包括本体、频率计数器、稳压电源以及电压信号采集器,本体上方设有向内凹陷的容纳声表面波器件的气体反应腔以及与气体反应腔连通的进气孔和出气孔,气体反应腔上设有用于密封的上盖板;本体内设有两个信号检测位,其中一个信号检测位连接稳压电源和电压信号采集器,另一个信号检测位连接频率计数器;一个信号检测位包括两个同轴电缆连接头以及铜套管,铜套管的顶端与气体反应腔的底面齐平,每个铜套管各自对应连接一个同轴电缆连接头,本体内铜套管与同轴电缆连接头的位置设为屏蔽腔;连接稳压电源和电压信号采集器的信号检测位的两个同轴电缆连接头,一个连接稳压电源,另一个连接电压信号采集器。
-
公开(公告)号:CN103240561A
公开(公告)日:2013-08-14
申请号:CN201310155619.5
申请日:2013-04-28
Applicant: 南京工业大学
IPC: B23K37/047 , B23K37/00 , H01L21/683
CPC classification number: H01L2224/45144 , H01L2224/78 , H01L2924/00014 , H01L2224/48 , H01L2924/00012
Abstract: 本发明公开了一种用于连接气体传感器气敏芯片与管壳的悬空金丝球焊用工作台,包括壳体,壳体内设有中心柱、吸气底座、吸气柱、加热柱、滑块、压块、水平压缩弹簧、竖直压缩弹簧、压盘、压杆、管壳动夹片、管壳静夹片以及静夹片底座;所述吸气底座上设置与外部吸气装置连通的吸气接头,吸气柱下方与吸气底座连通,吸气柱顶部用于放置所述芯片,吸气柱上部外围设有用于加热芯片的芯片加热螺线管;加热柱设置在吸气柱外层,顶部用于放置所述管壳,加热柱上部的外围设有用于加热管壳的管壳加热螺线管;吸气柱顶部高于加热柱顶部。本发明采用吸气固定,实现芯片悬空固定及加热,拆卸及方位调整方便,对芯片的物理伤害小。
-
公开(公告)号:CN114943862B
公开(公告)日:2024-09-17
申请号:CN202210637417.3
申请日:2022-06-07
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/46
Abstract: 本发明公开了一种基于结构性解析字典学习的两阶段图像分类方法,该方法属于计算机视觉技术领域。该方法包括:(1)特征提取:对原始图像数据进行特征提取,构建训练集和测试集;(2)阶段1:基于训练集采用结构性解析字典学习模型训练解析字典及投影矩阵;(3)阶段2:基于训练样本的结构化稀疏表示系数,训练支持向量机(SVM)分类器;(4)分类测试:在测试集上利用训练好的解析字典和支持向量机,使用多元支持向量机分类算法实现分类功能,得到分类结果。本发明简化了结构性解析字典学习(SADL)模型,并将分类器学习过程和字典学习过程分离,使用支持向量机代替原本的线性分类器,从而提出了基于结构性解析字典学习两阶段图像分类方法。本发明方法适用于一般情况下的图像分类问题,在人脸识别、场景识别、物体识别上的分类准确率均能超过原算法。
-
-
-
-
-
-
-
-
-