-
公开(公告)号：CN111695507A
公开(公告)日：2020-09-22
申请号：CN202010532751.3
申请日：2020-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进VGGNet网络的静态手势识别方法，该方法将VGGNet网络进行改进，使用不同的分支来学习标签信息，同时在网络中引入哈希层将手势图像的特征投影到汉明空间，通过计算汉明距离来提高处理手势的效率。将改进后的VGGNet网络和传统的主成分分析方法相结合来进行手势识别，首先将原始数据集和增强后的数据集作为输入数据对VGGNet网络进行训练，得到手势图像的高维特征，然后通过主成分分析法PCA将高维图像特征进行降维，减小特征向量长度，缩短图像之间的相似性度量的计算时间，从而提高提高手势识别的精度和效率。
-
公开(公告)号：CN111444336A
公开(公告)日：2020-07-24
申请号：CN202010116957.8
申请日：2020-02-25
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F40/284 , G06N3/04
Abstract: 本发明公开了一种基于Siamese网络的话题检测方法，该方法以成对新闻文本的话题标签作为监督信息，引入Siamese网络，将其与LSTM网络相结合，引入余弦距离取代Siamese网络中原有欧氏距离来衡量文本相似度，利用Siamese网络衡量两个输入数据的相似程度的特性，根据文本相似程度，将用word2vec与词性特征表示的输入数据映射到维度较低的新的空间，属于同一话题的数据，在新空间的距离较近，实现对新闻文本数据的话题特征提取，解决了TF-IDF模型数据维度高、数据稀疏的问题，有效提高了后期文本聚类结果的准确率。
-
公开(公告)号：CN107204949B
公开(公告)日：2020-01-21
申请号：CN201710432916.8
申请日：2017-06-09
Abstract: 本发明实施例公开了一种多径瑞利衰落信道下改善高阶累积量信号识别的方法，包括获取多径瑞利衰落信道下的接收信号并进行离散化处理，得到由随信号长度变化的多径信道因子序列、原始信号序列和高斯白噪声序列所形成的时域信号；将时域信号进行离散傅里叶变换成频域信号并通过均衡系数均衡处理后，利用离散傅里叶变换的逆变换得到由恢复信号序列和残留噪声序列所形成的时域信号；分别求解恢复信号序列的四阶累积量和二阶累积量，并根据分别得到的求解值，得到特征参数，且进一步根据特征参数，确定接收信号的当前信号类型。本发明实施例，克服现有基于高阶累积量的信号识别方法在多径瑞利衰落信道下失效，不利于应用到实际的问题。
-
公开(公告)号：CN108520284A
公开(公告)日：2018-09-11
申请号：CN201810344423.3
申请日：2018-04-17
Applicant: 桂林电子科技大学 , 中国电子科技集团公司第五十四研究所
CPC classification number: G06K9/6224 , G06K9/6223 , G06N3/006
Abstract: 本发明公开了一种基于群智能算法的改进谱聚类方法，通过选取拉普拉斯矩阵的前2k个最大特征值对应的特征向量作为聚类的源数据，然后通过群智能算法选取优质的初始化中心点进行聚类操作，提高了聚类的最高准确率和多次聚类结果的稳定性。本发明引入了布谷鸟搜索算法寻找初始化中心点，将布谷鸟搜索算法过程中的适应度函数采用误差平方和函数，应用于谱聚类中，将搜索得到的最小的误差平方和的数据点作为初始化中心点。本发明将布谷鸟搜索算法中的莱维飞行策略引入粒子群算法，在粒子群算法收敛速度变缓情况下，使用莱维飞行策略产生频繁较小步长和和偶尔较大步长，在不同步长下引入不同侧重的速度更新公式。
-
公开(公告)号：CN103605130A
公开(公告)日：2014-02-26
申请号：CN201310606333.4
申请日：2013-11-26
Applicant: 桂林电子科技大学
IPC: G01S13/89
CPC classification number: G01S13/89 , G01S7/41 , G01S13/888
Abstract: 本发明公开一种超宽带穿墙雷达隐藏运动目标检测与成像方法，其采用了椭圆包络线运动目标边界成像算法来实现超宽带穿墙雷达隐藏运动目标检测与成像，该算法通过一发多收天线间与目标体在每个时刻的几何关系，构造与目标体边界相切的椭圆包络线簇。并选取椭圆包络线簇上的三点来构造此时刻目标边界的实际等效圆，将相邻时刻的实际等效圆做平均处理得到平均等效圆。对所有时刻进行相同处理后，所得到的平均等效圆圆心轨迹即可视为目标体边界的运动轨迹，将所有时刻成像点数经过轨迹函数进行整合统一，便能够得到目标体边界形状的信息，完成成像过程。本发明具有成像精确度高、抗噪性强和复杂度低的特点。
-
Patent Agency Ranking
公开(公告)号：CN102710574A
公开(公告)日：2012-10-03
申请号：CN201210171233.9
申请日：2012-05-29
Applicant: 桂林电子科技大学
IPC: H04L27/26
Abstract: 本发明公开一种高速移动环境下的宽带无线传输方法和系统、发射器和方法、接收器和方法，其发射端串行输入的高速基带信号经过串并转换，转换成低速并行基带信号，然后进行MFDM映射，将时域基带信号转换成频域基带信号，再经IFFT转换回时间域，经插入CP及并串转换后，送射频模块到天线发送出去；接收端将天线接收信号经射频模块转换成数字基带信号，经过同步模块实现位帧同步，然后串并转换并去CP，送FFT模块转换成频率域基带信号，再经MFDM解映射，恢复出时域基带信息。本发明能够克服多径传播引起的码间干扰和高速移动带来的多普勒频偏，由于无需进行信道估计、因而大大简化接收机硬件结构。
-
公开(公告)号：CN115056216A
公开(公告)日：2022-09-16
申请号：CN202210578175.5
申请日：2022-05-26
Applicant: 桂林电子科技大学
IPC: B25J9/16 , G06N3/04 , G06V10/82 , G06V30/19 , G06V30/242
Abstract: 本发明公开了一种基于笔画流走向预测的书法机械臂控制方法，包括：通过拍摄设备采集书法机械臂写字区域内的图像信息；汇总图像信息和当前时间数据作为历史数据；将历史数据输入到预设的KNN模型中，历史数据聚类成若干簇，每个簇中包含有若干个数据样本，簇的数量由簇内的协方差要求及簇间的协方差要求设置，将得到的结果暂存在KNN模型中，然后增加当前实测数据重新进行聚类，将当前实测数据聚类到对应的簇中，将该数据所在簇中的n个数据A1~An与当前实测数据An+1一同输入到LSTM模型中；将历史数据输入到LSTM模型中初始化该模型；将KNN模型中得到的数据A1~An+1依次输入到训练好的LSTM模型中得到对应的输出值，取输出值的加权平均值作为结果输出。
-
公开(公告)号：CN111782969A
公开(公告)日：2020-10-16
申请号：CN202010639752.8
申请日：2020-07-06
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开了一种基于地理区域的社交网络中最大影响力节点的选取方法，所述方法将大型社交网络结构与地理信息相结合，采用四叉树索引与最大影响力树结构相结合的算法，选取查询区域内影响力最大的节点集，本发明可以高效选取出地理区域中影响力最大的种子节点集合。其中，使用四叉树索引结构来存储网络节点的位置信息，并使用深度优先搜索方法来识别给定查询区域中的候选对象；使用最大影响树状结构(MIA)计算每个候选节点的影响集并运行动态规划算法计算所有候选节点的影响力；再根据排序迭代弹出最大堆中具有最大影响值的候选节点作为最大影响力种子节点。
-
公开(公告)号：CN111694977A
公开(公告)日：2020-09-22
申请号：CN202010532683.0
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06F16/55 , G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于数据增强的车辆图像检索方法，该方法是使用多尺度Retinex算法对现有的公开车辆图像数据进行数据增强，得到一个大规模车辆图像数据集；其次，使用卷积神经网络构建车辆图像检索模型并在增强后的数据集上进行训练，同时采用迁移学习的方法缩短模型的训练周期；最后，选择分类效果表现最好的模型作为特征提取引擎在检索测试集上进行模型评价。该方法解决了车辆图像缺乏和人为标注等带来的影响，在一定程度上可以增加模型的准确率和泛化能力。使用迁移学习的方法加快模型收敛的速度，减少训练的时间，提高车辆图像检索的准确率。
-
公开(公告)号：CN111694974A
公开(公告)日：2020-09-22
申请号：CN202010532689.8
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06F16/51 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合注意力机制的深度哈希车辆图像检索方法，目的是为了提高车辆图像检索的准确率。由于数据量的增大和特征维数的增高所带来庞大计算量及获取特征向量中包含较多的干扰因素导致精确度低的问题。本发明针对该问题，引入注意力机制，提出了融合注意力机制的残差网络深度哈希模型，该模型借助注意力机制来识别车辆图像中多个目标对象的近似位置，以获得一个更为专注的特征表示。同时，本发明引入类别交叉熵损失函数来解决融入注意力机制的模型学习。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.094 seconds)
