-
公开(公告)号：CN109784083B
公开(公告)日：2022-09-02
申请号：CN201910131515.8
申请日：2019-02-22
Applicant: 吉林大学
Abstract: 一种基于握力信息与手背静脉信息融合的仿生加密系统，属于安全验证领域。本发明的目的是将生物裂纹感知原理的握力信息与人体手背静脉信息融合一套安全识别技术的基于握力信息与手背静脉信息融合的仿生加密系统。本发明包括AD采集控制器、暂存数据电路、AD信号传输电路、AD7606连接模块、miniUSB接口电路、USB转换电路、5V转3.3V电路、第二部分AD采集控制器晶振、第一部分AD采集控制器晶振、AD采集控制器复位电路、声音报警器、光线报警器、惠斯通电桥、差分放大电路、图像采集接口、GSM模块。本发明的加密系统将行为特征（指关节握力）和生理特征（手背静脉）结合作为身份识别的特征，综合行为特征和生理特征的优势，从而保证加密系统身份认证的唯一性和准确性，弥补了现有加密系统只使用单一生理特征的缺陷。
-
公开(公告)号：CN106599618B
公开(公告)日：2021-07-23
申请号：CN201611201966.7
申请日：2016-12-23
Applicant: 吉林大学
IPC: G16B40/20
Abstract: 一种宏基因组重叠群的无监督分类方法，属于生物信息学分析技术领域。本发明的目的是通过对c‑harmonic均值算法进行改进后对宏基因组重叠群进行无监督分类的方法。本发明的步骤是重叠群数据的获取；特征向量的建立；通过考虑各个类的体量构建了代价函数；根据聚类中心计算公式计算聚类中心；利用隶属度矩阵公式更新隶属度矩阵。本发明提出的改进的模糊c‑harmonic均值算法能够有效地改善传统方法对于不平衡数据集效果不理想的缺点，将其应用到重叠群的无监督分类中可以提高分类精度，为宏基因组中物种多样性的分析提供更好的基础。
-
公开(公告)号：CN109781244A
公开(公告)日：2019-05-21
申请号：CN201910137443.8
申请日：2019-02-25
Applicant: 吉林大学
IPC: G01H11/06
Abstract: 本发明公开了一种数控机床刀具振动信号检测系统及检测方法，包括振动信号采集装置、数据处理模块和分析判断模块；所述振动信号采集装置固定于数控机床刀台上，用于检测刀具振动信息并输出相应的检测信号至数据处理模块；所述数据处理模块用于对所述检测信号进行差分放大处理后输出待分析数据至分析判断模块；所述分析判断模块用于根据预先存储的数据类别对当前采集的待分析数据进行判断分类，当判断为异常振动数据类别时输出预警信号。通过封装固定在机床上的刚性振动信号采集装置，非接触式采集机床刀具的运行状态信息，并且基于预先训练识别的数据类别实现对刀具振动信号的故障检测及预警，具有灵敏度高、非接触式检测、测量识别精度高等优点。
-
公开(公告)号：CN105607041B
公开(公告)日：2018-04-10
申请号：CN201510604959.0
申请日：2015-09-22
Applicant: 吉林大学
IPC: G01S5/18
Abstract: 一种基于仿生沙蝎定位功能的脉冲定位模型，属于信息处理技术领域。本发明的目的是在非视觉情况下进行定位，利用基质传递的振动信号对目标进行定位的基于仿生沙蝎定位功能的脉冲定位模型。本发明的步骤是：①定义传感器位置，②神经元建模，③设定8个神经元模型的相互作用，④利用神经元的兴奋性定位。本发明仿生沙蝎触觉定位猎物的功能，利用振动传感器代替沙蝎的机械感觉接收器BBCS接收振动信号，并按照BCSS的排列方式进行组合，然后通过神经网络内部的相互作用，神经元对振动信号进行评价，从而进行定位。本发明仿生沙蝎的振动定位减少了所处理信号的信息量，减少运算量从而缩短定位的时间。
-
公开(公告)号：CN109342998B
公开(公告)日：2020-06-09
申请号：CN201811488576.1
申请日：2018-12-06
Applicant: 吉林大学
Abstract: 本发明提供了一种基于仿生学的位置指纹室内定位系统及方法，通过将加速度传感器模块中采集的踏步信号传输到上位机；所述上位机接收所述踏步信号，构建所述踏步信号所对应的脉冲指纹特征向量，并将构建出的脉冲指纹特征向量与预先建立的脉冲指纹特征数据库中保存的指纹特征向量相匹配，利用WKNN算法实现用户位置定位。本发明仿生蝎子的振源定位机理，将脉冲数作为指纹特征，由于该指纹特征是将位置信息经过仿蝎子神经系统处理后得到，是比RSS能以更细粒度表征信号特性的一种指标，所以更能清晰地描述目标位置的信息，实现更准确的用户位置定位。
-
Patent Agency Ranking
公开(公告)号：CN110032936A
公开(公告)日：2019-07-19
申请号：CN201910174735.9
申请日：2019-03-08
Applicant: 吉林大学
Abstract: 一种无参数手背静脉最大圆形区域提取方法，属于生物特征识别技术领域。本发明的目的是针对手背最大圆形区域进行方向矫正的方法，从而对手背区域的最大圆形区域提取与矫正的无参数手背静脉最大圆形区域提取方法。本发明的步骤是：①使用条件随机场图像分割算法对手背静脉图像进行二值化处理；②利用MATLAB函数delaunay和triangulation计算坐标序列 的Delaunay三角剖分；③找到最大的半径及对应的圆心坐标，得到手背最大圆形区域图像Cmax；④选取小拇指附近的轮廓点，并计算与圆心之间的距离，即为小拇指处的顶点；⑤计算OA方向与水平方向的夹角。本发明的优点是：本发明的最大圆形提取方法不需要进行参数且时间复杂度低；本发明给出一种圆形区域方向矫正的方法。
-
公开(公告)号：CN109784083A
公开(公告)日：2019-05-21
申请号：CN201910131515.8
申请日：2019-02-22
Applicant: 吉林大学
Abstract: 一种基于握力信息与手背静脉信息融合的仿生加密系统，属于安全验证领域。本发明的目的是将生物裂纹感知原理的握力信息与人体手背静脉信息融合一套安全识别技术的基于握力信息与手背静脉信息融合的仿生加密系统。本发明包括AD采集控制器、暂存数据电路、AD信号传输电路、AD7606连接模块、miniUSB接口电路、USB转换电路、5V转3.3V电路、第二部分AD采集控制器晶振、第一部分AD采集控制器晶振、AD采集控制器复位电路、声音报警器、光线报警器、惠斯通电桥、差分放大电路、图像采集接口、GSM模块。本发明的加密系统将行为特征（指关节握力）和生理特征（手背静脉）结合作为身份识别的特征，综合行为特征和生理特征的优势，从而保证加密系统身份认证的唯一性和准确性，弥补了现有加密系统只使用单一生理特征的缺陷。
-
公开(公告)号：CN108764359A
公开(公告)日：2018-11-06
申请号：CN201810553412.6
申请日：2018-06-01
Applicant: 吉林大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 一种无参数的k均值聚类方法，属于数据处理技术领域。本发明的目的是为图像、人体生物特征、汽车驾驶员等对象采集到的多分类数据集，提供一种无参数的k均值聚类方法，其适用于对各种多分类大数据集进行分析。本发明的步骤是：计算待分类数据集中各个数据点的密度；计算分类数据集中各个数据点的离散度；筛选初始类中心和聚类数；用传统k‑mean进行聚类分析并输出结果。本发明适用于对汽车驾驶姿态、驾驶行为、驾驶偏好等信息进行分类识别，便于提前预警疲劳驾驶、异常驾驶，做出相应的驾驶决策、保障车辆安全行驶。
-
公开(公告)号：CN107423580A
公开(公告)日：2017-12-01
申请号：CN201710212053.3
申请日：2017-04-01
Applicant: 吉林大学
Abstract: 本发明涉及一种基于邻域粗糙集的宏基因组片段属性约简及分类方法，步骤如下：A随机获取微生物菌的全基因组序列；将每段DNA片段的数量和维数作为条件属性，随机选取行和列做相应的标识用于代表每段DNA片段后作为决策属性形成决策表；B初始化的约简集合为空集，样本为整个论域，每次计算全部剩余属性的属性重要度，从中选择属性重要度最大的加入约简组合里，直到所有剩余属性的属性重要度小于设置属性重要度的下限为止；C将步骤B中的约简后的宏基因组DNA片段的低维基因进行分类。本发明在不对宏基因组片段进行组装的情况下对宏基因组片段进行约简，以获得和约简前同样甚至高于约简前的分类精度。
-
公开(公告)号：CN112819095A
公开(公告)日：2021-05-18
申请号：CN202110216657.1
申请日：2021-02-26
Applicant: 吉林大学
Abstract: 本发明公开了一种特征点匹配方法、装置、智能终端及计算机可读存储介质，其中，上述特征点匹配方法包括：获取模板图像和待匹配图像；基于上述模板图像和上述待匹配图像，通过特征点提取算法提取特征点；通过特征点匹配算法对上述特征点进行匹配，获取匹配点对，其中，每个上述匹配点对包括一个模板特征点和一个待匹配特征点；基于上述匹配点对对应的目标夹角差以及预设的容错夹角差阈值对上述匹配点对进行筛选，消除误匹配点对，获取目标匹配点对；输出上述目标匹配点对。本发明方案有利于提升特征点匹配的精度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.016 seconds)
