-
Patent Agency Ranking
公开(公告)号：CN113707317A
公开(公告)日：2021-11-26
申请号：CN202110965479.2
申请日：2021-08-23
Applicant: 电子科技大学
Abstract: 本发明公开一种基于混合模型的疾病危险因素重要性分析方法，应用于数据处理领域，针对现有的疾病危险因素分析方法可靠性较低的问题，本发明首先使用聚类算法划分初始危险因素，然后通过神经网络与ReliefF算法结合的混合模型分别分析危险因素类权重和类内危险因素权重，并进行权值融合获得危险因素的全局权重，最后使用逐级分类方法分析危险因素的有效性，并对危险因素之间的联合作用进行分析，提升方法的可靠性。
-
公开(公告)号：CN114565977A
公开(公告)日：2022-05-31
申请号：CN202210260688.1
申请日：2022-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种步态特征提取方法，首先采集行走、起身和爬楼梯三种步态方式下的视频数据，将二维视频序列转换为二元轮廓序列并进行标准化处理，合成为步态能量图GEI，提高效率；然后结合卷积神经网络CNN和轻量注意力模块CBAM进行单步态特征图提取，减少重要信息的丢失，并通过多步态全局注意力机制突出更能体现目标步态特征的步态方式；最后经过特征映射得到判别性更高的步态特征表示。与现有方法相比，本发明通过深度神经网络提取多步态特征，极大减少了人工工作量，为用户提供更加可靠的步态特征信息。
-
公开(公告)号：CN114565977B
公开(公告)日：2023-05-02
申请号：CN202210260688.1
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种步态特征提取方法，首先采集行走、起身和爬楼梯三种步态方式下的视频数据，将二维视频序列转换为二元轮廓序列并进行标准化处理，合成为步态能量图GEI，提高效率；然后结合卷积神经网络CNN和轻量注意力模块CBAM进行单步态特征图提取，减少重要信息的丢失，并通过多步态全局注意力机制突出更能体现目标步态特征的步态方式；最后经过特征映射得到判别性更高的步态特征表示。与现有方法相比，本发明通过深度神经网络提取多步态特征，极大减少了人工工作量，为用户提供更加可靠的步态特征信息。
-
公开(公告)号：CN113707317B
公开(公告)日：2023-04-07
申请号：CN202110965479.2
申请日：2021-08-23
Applicant: 电子科技大学
IPC: G16H50/30 , G16H50/70 , G06F18/23213
Abstract: 本发明公开一种基于混合模型的疾病危险因素重要性分析方法，应用于数据处理领域，针对现有的疾病危险因素分析方法可靠性较低的问题，本发明首先使用聚类算法划分初始危险因素，然后通过神经网络与ReliefF算法结合的混合模型分别分析危险因素类权重和类内危险因素权重，并进行权值融合获得危险因素的全局权重，最后使用逐级分类方法分析危险因素的有效性，并对危险因素之间的联合作用进行分析，提升方法的可靠性。
-
公开(公告)号：CN208515547U
公开(公告)日：2019-02-19
申请号：CN201820755895.3
申请日：2018-05-21
Applicant: 电子科技大学成都学院
IPC: B60R21/02
Abstract: 本实用新型提供一种溺水防车窗锁死装置，涉及汽车设备技术领域。该溺水防车窗锁死装置，包括装置，所述装置包括车体、滑动装置、破窗装置和安全装置，所述车体包括车框和车窗玻璃，所述车窗玻璃镶嵌在车框上，所述车框的正面固定连接有滑动装置，所述滑动装置包括T形槽，所述车体的顶部开设有T形槽，所述破窗装置包括两个支撑管，所述支撑管的底端与滑杆的顶端固定连接，所述滑杆的底端贯穿T形槽并延伸至其内部，所述T形槽的内部套接有滑盘，所述滑盘的内部套接有润滑装置。该溺水防车窗锁死装置，通过设置了滑动装置、破窗装置、螺旋弹簧、挤压环、压板、驱动装置和钻头，帮助乘客迅速逃离车体，为乘客逃生争取可贵的时间。
-
-
-
-
Search Results
5
records
(took 0.035 seconds)
