-
公开(公告)号：CN112015853A
公开(公告)日：2020-12-01
申请号：CN202010441872.7
申请日：2020-05-22
Applicant: 同济大学
IPC: G06F16/31 , G06F16/33 , G06F16/332 , G06F40/289 , G06K9/62
Abstract: 本申请提供一种图书搜索方法、图书搜索系统、电子装置及介质，包括：定义分词索引项和全字索引项；对馆藏数据根据所述分词索引项进行分词索引得到分词索引词，或根据所述全字索引项进行全字索引得到全字索引词；将输入关键词的字符串与所述分词索引词或全字索引词分别进行匹配并进行相关性计算得到相关性评分；按所述字符串的相关性评分从高到低输出搜索结果。解决了有技术中只能做到全字匹配，而无法实现模糊搜索，因而难搜索到想要的图书，增加了用户搜索图书的成本，降低了用户搜索图书的成功率的问题，使得用户可以进行图书的模糊搜索，减少图书搜索的成本，使得搜索成功率提高。
-
公开(公告)号：CN110096954A
公开(公告)日：2019-08-06
申请号：CN201910217399.1
申请日：2019-03-21
Applicant: 同济大学
IPC: G06K9/00 , G06F16/583
Abstract: 本发明涉及一种基于神经网络的指纹识别方法，包括以下步骤：1)对输入指纹图片进行预处理，提取出细节点的位置和角度信息；2)将指纹图片的细节点信息转换成一个特征向量，该向量不受指纹角度和尺寸的影响；3)使用GPU进行运算，提高指纹匹配速度；4)基于指纹向量化，用一个向量库来代替指纹库，降低存储空间；5)改良LVQ网络算法进行指纹识别；6)确定一个较好的指纹向量排序算法，在一对多的指纹识别中，找出正确目标指纹。
-
公开(公告)号：CN107341504A
公开(公告)日：2017-11-10
申请号：CN201710422070.X
申请日：2017-06-07
Applicant: 同济大学
IPC: G06K9/62
CPC classification number: G06K9/6271 , G06K9/6262
Abstract: 本发明涉及一种基于时序数据流行学习的机械设备故障诊断方法，该方法包括如下步骤：(1)获取各故障类型下的训练样本，训练样本中包括多组振动信号时间序列；(2)对每种故障类型下的每组振动信号时间序依次进行数据预处理、多特征构造、特征选择和特征融合，最终得到样本低维特征集并输入至分类器；(3)获取测试数据，对测试数据依次进行数据预处理、多特征构造、特征选择和特征融合，最终得到测试数据低维特征集；(4)将测试数据低维特征集输入至所述的分类器，所述的分类器进行故障诊断获取对应的故障类型。与现有技术相比，本发明故障诊断结果准确可靠。
-
公开(公告)号：CN107240062A
公开(公告)日：2017-10-10
申请号：CN201710331087.4
申请日：2017-05-11
Applicant: 同济大学
CPC classification number: G06T3/0087 , G06T3/0093 , G06T11/40
Abstract: 一种基于Photomosaic的图集展示方法。本发明涉及一种对输入图像进行快速傅里叶变换处理，将图像从时间域转化成频率域，得到处理后的像素块；计算处理后的像素块与目标像素块的频率距离，并按照频率距离从小到大排列处理后的像素块，取前k个处理后的像素块作为候选像素块；将k个候选像素块与目标像素块进行RGB的距离比较，将与目标像素块RGB距离最小的像素块覆盖在目标像素块上；采用最佳熵阈值确定法即KWS熵算法确定灰度级的最佳阈值，进行自适应改变分块大小。与现有技术相比，本发明具有图像最终生成时间、与原图匹配效果更好和增加了交互功能等优点。
-
公开(公告)号：CN103984681B
公开(公告)日：2017-01-25
申请号：CN201410127095.3
申请日：2014-03-31
Applicant: 同济大学
IPC: G06F17/27
Abstract: 本发明“基于时序分布信息和主题模型的新闻事件演化分析方法”，涉及文本分析领域。首先通过分析新闻报道在时间序列上表现出来的分布特征，并利用K-Means聚类算法，将语料库按时间划分成几个子语料库；然后利用主题模型依次对每个子语料库进行主题建模，通过Gibbs抽样的方法将模型学习出来，得到每个子语料的主题分布信息；最后通过计算相邻子语料库中两两主题之间的Jensen-Shannon距离，取距离最小的主题串联起来，被串联起来的主题便是该事件的主主题，每个子语料中除了主主题之外的辅助主题，便是该事件在各个阶段的关注点和新的发展。能更好地刻画新闻预料中事件发展的主线以及在各个阶段爆发出来的新的关注点。
-
Patent Agency Ranking
公开(公告)号：CN104751302A
公开(公告)日：2015-07-01
申请号：CN201510197774.2
申请日：2015-04-23
Applicant: 同济大学
IPC: G06Q10/06
Abstract: 本发明公开了一种应用于协同制造系统中的资源配置方法，于一基础平台上形成所述协同制造系统，所述基础平台用于为所述协同制造系统提供正常运行所需的基础数据和基础服务；所述协同制造系统包括有预设的多条表示制造服务资源约束和制造协同关系的产业链，包括下述步骤：获取用户期望的指标参数组和制造服务资源约束条件；根据所述指标参数组建立相应的所述制造协同关系；根据所述制造服务资源约束条件，采用迭代的方式对所述制造协同关系进行优化，以获取优化后的所述制造协同关系对应的产业链。本发明采用迭代的方式对所述制造协同关系进行优化，以获取优化后的所述制造协同关系对应的产业链，可实现收敛速度快以获取最优的产业链结构的目的。
-
公开(公告)号：CN104750876A
公开(公告)日：2015-07-01
申请号：CN201510197775.7
申请日：2015-04-23
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明公开了一种应用于协同制造系统中的语义搜索方法，语义搜索方法为：获取外部输入的服务请求数据；每个服务请求数据中包括多类服务子数据，服务子数据的类别与标准子数据的类别一一对应；选择一个标准服务数据，并判断得到每类服务子数据与对应的标准子数据之间的语义关联值；分别将语义关联值与语义关联阈值进行比较，以分别输出相应的比较结果；将所有比较结果均表示语义关联值大于语义关联阈值的对应的标准服务数据作为可选择数据保存；依照上述步骤对所有标准服务数据进行遍历，把所有可选择数据对应的标准服务纳入一服务集合中并输出。
-
公开(公告)号：CN103324700A
公开(公告)日：2013-09-25
申请号：CN201310229229.8
申请日：2013-06-08
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及本体学习领域，特别涉及到基于Web信息的本体概念属性学习方法。本发明的技术方案是以Web作为语料库，构建语言模式并作为Google搜索引擎的查询集合，进行网页片段和对应的源网址URL提取，以构建候选概念属性词库；根据候选词的URL构建文本集作为LDA的输入，采用Gibbs抽样的方法来获取LDA模型的训练参数，根据LDA模型的运行结果修剪和合并属性候选库，确立最终的概念属性词集。本发明能够更加准确有效地获取本体中的概念属性集合，从而使得自动或半自动构建本体成为可能。
-
公开(公告)号：CN103207856A
公开(公告)日：2013-07-17
申请号：CN201310114031.5
申请日：2013-04-03
Applicant: 同济大学
IPC: G06F17/27
Abstract: 本发明涉及本体学习领域，特别涉及到一种本体概念及层次关系生成方法。本发明的技术方案是将PAM概率主题模型应用于本体概念及层次的抽取，改进本体概念及层次关系学习的效果，以达到更加准确有效地生成本体概念。该方法首先通过建立基于PAM的本体概念及层次生成模型，将领域本体概念学习问题有效地转化为基于领域文档集的统计推断问题，采用Gibbs抽样的方法来获取概率分布特征向量；然后进行基于Wordnet的语义相似度计算，根据相似度关联关系生成概念，从而得到本体概念的集合及其层次关系。本发明能够更加准确有效地获取领域本体中的概念集合及概念间层次关系。
-
公开(公告)号：CN118243269A
公开(公告)日：2024-06-25
申请号：CN202410183416.5
申请日：2024-02-19
Applicant: 同济大学
IPC: G01L5/00
Abstract: 本发明公开了一种界面拉应力传感器及测试装置，界面拉应力传感器包括：沿一厚度方向依次层叠设置的顶层、中上层、中下层及底层；薄膜压应力传感器，所述薄膜压应力传感器夹设于所述中上层、中下层之间；至少两个第一连接件，所述至少两个第一连接件依次穿过所述中上层与所述中下层并将所述中上层连接至所述底层；以及至少两个第二连接件，所述至少两个第二连接件依次穿过所述中下层与所述中上层并将所述中下层连接至所述顶层。本发明所提供的技术方案能够解决如何测量界面拉应力的问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.026 seconds)
