-
公开(公告)号：CN117455051A
公开(公告)日：2024-01-26
申请号：CN202311426030.4
申请日：2023-10-31
Applicant: 浙江精工钢结构集团有限公司 , 电子科技大学
Abstract: 本发明提供一种基于局部搜索的二维不规则零件的下料方法，针对多边形零件，在执行现有下料算法DJD之前，首先进行零件的合并，通过定义适应度函数，对能放在一起的零件事先合并起来，然后再调用DJD算法进行放置，并使用禁忌搜索框架进行迭代：每一轮将合并效果最差的一对零件加入禁忌列表，通过多轮迭代，提升下料效果。本发明的有益效果是，对现有DJD算法进行改进，增加了零件的合并策略与增加禁忌搜索框架，每一轮将合并效果最差的一对零件加入禁忌列表，通过多轮迭代提升下料效果。
-
公开(公告)号：CN112215919B
公开(公告)日：2022-05-03
申请号：CN202010975231.X
申请日：2020-09-16
Applicant: 电子科技大学
Abstract: 本发明提出了一种电子相册的生成方法以及电子设备，所述方法包括以下步骤：步骤一、利用电子相框获取目标图像集合；步骤二、从目标图像集合筛选人脸图像；步骤三、对人脸图像进行表情变换；步骤四、将变换后的图像成果进行展示；其中，所述电子相框至少包括视频单元、存储单元、控制单元、显示屏、摄像头、无线模块和电源模块。本发明提供的一种电子相册的生成方法，能够在生成电子相册时，应用神经网络算法自动对人脸图像进行识别和裁剪，再对其进行表情变换操作，进而保证了识别和裁剪的精确度和完整性，提高了生成电子相册过程的稳定性和可靠性。
-
公开(公告)号：CN107194433B
公开(公告)日：2019-09-13
申请号：CN201710446883.2
申请日：2017-06-14
Applicant: 电子科技大学
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于深度自编码网络的雷达一维距离像目标识别方法。本发明首先将目标一维距离像转换到频域进行预处理，通过对频域样本数据进行加噪处理，将每个样本随机选择某些特征强置为0或1，可减少高维数据输入时数据缺失和异常干扰的影响。随后通过构建一个深度自编码网络，提取样本的高层特征表达，并将各层特征进行融合拼接。然后利用ReliefF算法和相关性度量方法剔除高维拼接特征中的分类无关特征和冗余特征。最后考虑到AdaBoost集成化学习方法可以有效提高任意弱分类器的精度，本发明以三层BP神经网络作为弱分类器，并使用AdaBoost‑BP算法进行目标分类器训练，从而有效地提升系统目标识别率。
-
Patent Agency Ranking
公开(公告)号：CN107657243B
公开(公告)日：2019-07-02
申请号：CN201710939169.7
申请日：2017-10-11
Applicant: 电子科技大学
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于遗传算法优化的神经网络雷达一维距离像目标识别方法。本发明的方法首先通过对原始一维距离像进行选择和截断等预处理操作；其次，采用时段原则对数据集进行划分，同时对训练集中各目标进行二次等量随机抽取，获得两个同构训练子集；接着，本发明提出了神经网络与遗传算法双向优化的方法，利用训练网络在不同迭代次数时所产生的网络参数，初始化一定数目的染色体；然后，采用遗传算法对染色体进行交叉变异等操作；随后，根据所选最优染色体对新的神经网络识别系统赋初值，选择新的训练子集作为网络输入，采用随机梯度下降法对网络进行训练，加快了训练网络的收敛速度，同时提升了一定的识别率。
-
公开(公告)号：CN119763119A
公开(公告)日：2025-04-04
申请号：CN202411819630.1
申请日：2024-12-11
Applicant: 杭州电子科技大学
IPC: G06V20/70 , G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/09 , G06N3/0895 , G06N3/096
Abstract: 本发明请求保护一种人机协同的双重标注方法，包括：利用ABUS采集影像，并将其划分为未标注数据集N和标注数据集M。该方法采用图像增广处理和归一化，使用基于对比学习的自监督框架增强图像特征。接着利用深度学习架构U‑Net和ResNet50构建视觉模型，自动标注图像中的感兴趣区域，并提供初步估计。此后，对自动标注过的乳腺影像进行人工标注，实现人机双重标注，提供更准确的估计。最后，使用对比学习算法从未标注数据集N学习图像表示，并结合标注数据集M中的监督信号更新视觉模型。本发明通过综合利用人工智能和专业医生的标注结果，同时引入标注质量评估机制，提高了图像的可识别性能，强化了图像特征的表现力，进一步增强了视觉模型的泛化能力。
-
公开(公告)号：CN107657243A
公开(公告)日：2018-02-02
申请号：CN201710939169.7
申请日：2017-10-11
Applicant: 电子科技大学
CPC classification number: G06K9/0063 , G06K9/6256 , G06N3/0454 , G06N3/086 , G06N3/126
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于遗传算法优化的神经网络雷达一维距离像目标识别方法。本发明的方法首先通过对原始一维距离像进行选择和截断等预处理操作；其次，采用时段原则对数据集进行划分，同时对训练集中各目标进行二次等量随机抽取，获得两个同构训练子集；接着，本发明提出了神经网络与遗传算法双向优化的方法，利用训练网络在不同迭代次数时所产生的网络参数，初始化一定数目的染色体；然后，采用遗传算法对染色体进行交叉变异等操作；随后，根据所选最优染色体对新的神经网络识别系统赋初值，选择新的训练子集作为网络输入，采用随机梯度下降法对网络进行训练，加快了训练网络的收敛速度，同时提升了一定的识别率。
-
公开(公告)号：CN107463966A
公开(公告)日：2017-12-12
申请号：CN201710705891.4
申请日：2017-08-17
Applicant: 电子科技大学
CPC classification number: G06K9/6292 , G01S7/417 , G06K9/6296 , G06N3/02
Abstract: 本发明属于雷达技术领域，具体的说是涉及一种基于双深度神经网络的雷达一维距离像目标识别方法。本发明的方法首先对目标的一维距离像数据进行随机距离扰动、样本扩展、加噪声等预处理操作，以增强识别系统的鲁棒性；随后结合深度学习理论，提出了具有自适应性学习率的双深度神经网络(DDNN)，对其进行无监督预训练和有监督微调，得到DDNN模型参数；然后利用DDNN对各测试样本进行预识别，得到各样本在两个子网络中的预识别结果；最后根据预识别结果，利用改进的DS证据理论对其进行时空多级决策融合，并得到目标识别结果。
-
公开(公告)号：CN222426063U
公开(公告)日：2025-02-07
申请号：CN202423307521.X
申请日：2024-12-31
Applicant: 温州智感明知科技有限公司 , 丽水市中心医院 , 杭州电子科技大学
IPC: A61B8/00 , A61B50/22 , F16F15/067
Abstract: 本实用新型属于超声检查技术领域，且公开了关于适用于偏远地区筛查的超声检查系统，包括底板，所述底板的上部设有固定架，所述固定架的上方设有顶板，所述顶板的顶端固定安装有超声检查仪器本体，所述超声检查仪器本体的一端设有显示屏，所述固定架一端开设有两个贯穿式的滑槽，所述滑槽的内表面设有升降机构，所述升降机构包括双向丝杆，所述双向丝杆的两端分别与滑槽的两侧内壁转动连接，所述双向丝杆所刻有不同方向螺纹处均螺纹套接有移动块，本实用新型通过设置升降机构，使得装置即便处于偏远地区那些桌椅高度不一的简易检查环境，操作人员也能在双向丝杆的助力下，快速把设备调整到适配的检查高度，让检查流程更为顺畅高效。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.025 seconds)
