-
公开(公告)号：CN113095707B
公开(公告)日：2024-04-16
申请号：CN202110442082.5
申请日：2021-04-23
Applicant: 厦门大学
IPC: G06Q10/0631 , G06Q10/0833 , G06Q50/26
Abstract: 本发明公开了一种基于区块链的应急物资管理方法，所述方法包括：接收到物资采集方发布应急物资的物资采集请求，其中，所述物资采集请求包括应急物资清单和应急地区；基于所述采集请求通过募集和/或采购的方式获取目标应急物资；检验所述目标应急物资通过后，设置对应所述目标应急物资的防伪识别码；根据所述目标应急物资的始发站点生成到达所述应急地区的物流路线，并存储于所述区块链中；确认与所述物流路线所关联的每一物流节点的通行状态后，基于所述始发站点执行运送；实时跟踪所述物流节点的所述通行状态，或根据交通路况和/或天气情况自动更新所述物流路线。能够实现有效的进行物资物流全过程信息记录、追踪和监督，以进行物资的筹集的合理调配。
-
公开(公告)号：CN116246598A
公开(公告)日：2023-06-09
申请号：CN202310176329.2
申请日：2023-02-28
Applicant: 厦门大学
IPC: G10H1/40 , G10L25/51 , G10L25/03 , G10L21/0208
Abstract: 本发明提供了歌唱评价技术领域的一种基于片段式的多阶段自动音准评分方法，包括如下步骤：步骤S10、获取待评分的音频数据以及曲谱数据；步骤S20、对所述音频数据进行有无歌声的校验；步骤S30、通过深度学习模型对所述音频数据进行降噪处理；步骤S40、剔除所述音频数据的非歌唱段；步骤S50、检测所述音频数据中各音符的音符时间点；步骤S60、基于各所述音符时间点提取音频数据的音频特征，并对所述曲谱数据进行整理得到曲谱文件；步骤S70、基于所述曲谱文件和音频特征对音频数据进行自动评分，生成并展示评分结果。本发明的优点在于：极大的提升了歌唱音准评分的准确性。
-
公开(公告)号：CN114678039A
公开(公告)日：2022-06-28
申请号：CN202210388559.0
申请日：2022-04-13
Applicant: 厦门大学
Abstract: 本发明提供了歌唱评价技术领域的一种基于深度学习的歌唱评价方法，包括如下步骤：步骤S10、获取大量的歌唱数据，对各所述歌唱数据进行清洗；步骤S20、提取清洗后的各所述歌唱数据的音频特征，构建特征数据集；步骤S30、创建一音频对齐模型，基于所述音频对齐模型对特征数据集中的各音频特征进行对齐；步骤S40、基于深度学习创建一多维度评价模型，利用对齐后的所述特征数据集对多维度评价模型进行训练；步骤S50、获取待评价音频，将所述待评价音频输入多维度评价模型，得到音准评价值、节奏评价值以及发音评价值并进行展示。本发明的优点在于：极大的提升了歌唱评价的准确性以及可解释性。
-
公开(公告)号：CN111596366B
公开(公告)日：2021-07-30
申请号：CN202010589052.2
申请日：2020-06-24
Applicant: 厦门大学
IPC: G01V1/50
Abstract: 本发明提供了一种基于地震信号优化处理的波阻抗反演方法，所述方法包括：构建CNN‑LSTM融合模块；构建反卷积模块；构建回归模块；选择均方误差MSE作为损失函数，并选择Adam作为优化器，加入学习率衰减；对区域的波阻抗值进行预测，得到预测结果后，分别以图像的形式对真实的波阻抗值和预测的波阻抗值进行展示，并绘制对应散点图和差异图进行对比。本发明能有效和准确地基于地震数据进行波阻抗值预测，同时该反演模型也具有较高的可扩展性和应用性，因此这对储层预测技术的发展和提升、油藏的开发利用具有很大的帮助和积极作用。
-
公开(公告)号：CN111753423A
公开(公告)日：2020-10-09
申请号：CN202010590744.9
申请日：2020-06-24
Applicant: 厦门大学
IPC: G06F30/20 , E21B43/20 , E21B43/30 , E21B47/00 , G06F111/10
Abstract: 本发明提供了一种基于XGBoost的井间动态连通性量化方法，所述方法包括：步骤一、数据准备；步骤二、构造相对特征；步骤三、量化井间连通性；步骤四、进行模型验证。本发明对于不稳定的生产数据，建立了能够考虑不稳定生产情况的井间动态连通性量化方法。克服了现有油田井间连通模型存在难以考虑关井问题和不稳定生产的不适应性问题。
-
Patent Agency Ranking
公开(公告)号：CN111596366A
公开(公告)日：2020-08-28
申请号：CN202010589052.2
申请日：2020-06-24
Applicant: 厦门大学
IPC: G01V1/50
Abstract: 本发明提供了一种基于地震信号优化处理的波阻抗反演方法，所述方法包括：构建CNN-LSTM融合模块；构建反卷积模块；构建回归模块；选择均方误差MSE作为损失函数，并选择Adam作为优化器，加入学习率衰减；对区域的波阻抗值进行预测，得到预测结果后，分别以图像的形式对真实的波阻抗值和预测的波阻抗值进行展示，并绘制对应散点图和差异图进行对比。本发明能有效和准确地基于地震数据进行波阻抗值预测，同时该反演模型也具有较高的可扩展性和应用性，因此这对储层预测技术的发展和提升、油藏的开发利用具有很大的帮助和积极作用。
-
公开(公告)号：CN107038190A
公开(公告)日：2017-08-11
申请号：CN201610963473.0
申请日：2016-10-28
Applicant: 厦门大学
CPC classification number: G06F16/215 , G06F16/2465 , G06F16/27 , G06F2216/03 , G06Q30/0201 , G06Q30/0202 , G06Q30/0207
Abstract: 本发明公开了一种应用于淘宝网的智能促销建模方法，利用爬虫程序爬取各种有关商品促销信息及商品本身信息，形成商品促销历史数据库；使用k‑means算法将商品促销数据库中的商品根据行业类别细分形成行业促销历史数据库，结合神经网络、逻辑回归与支持向量机模型，建立商品促销预测模型，结合协同过滤及基于时间序列的促销方案对预测模型进行校正，使用行业专家数据库对预测模型给定的促销方案进行评分，从而使用户可根据自己的需求选择对应的促销方案。
-
公开(公告)号：CN105575201A
公开(公告)日：2016-05-11
申请号：CN201510979669.4
申请日：2015-12-24
Applicant: 趣游(厦门)科技有限公司 , 厦门大学
Abstract: 基于移动云服务的教育游戏平台，涉及移动云服务。包括前台系统、后台系统、社区系统和移动端；所述前台系统包括游戏收藏模块、个人信息模块、消息通知模块、学生管理模块、孩子管理模块、好友私信模块、好友管理模块；所述后台系统包括题库、教学管理模块、荣誉管理模块、消息管理模块、游戏管理模块、积分管理模块、用户管理模块和物品管理模块；所述社区模块用于用户进入社区后进行游戏、聊天、好友管理、信箱管理、游戏收藏管理、留言管理等；所述移动端包括课堂模块、好友动态模块、公告模块、私信模块、写信模块、设置模块和游戏模块。提供一个游戏定制、发布、共享、成绩分析统计的平台系统。
-
公开(公告)号：CN114863241B
公开(公告)日：2024-09-13
申请号：CN202210430505.6
申请日：2022-04-22
Applicant: 厦门大学
Abstract: 本发明提供了计算机技术领域的一种基于空间布局与深度学习的影视动画评估方法，包括：步骤S10、获取动画图像并提取空间特征，基于空间特征构建无向全连通图；步骤S20、构建内容相似度网络，通过图卷积对无向全连通图进行推理；步骤S30、将内容相似度网络里的空间节点映射到潜在空间以构建空间关系全连通图；步骤S40、构建空间关系网络，通过图卷积对空间关系全连通图进行推理得到潜在特征并映射回原始空间；步骤S50、基于空间关系网络以及内容相似度网络的输出计算构图评分；步骤S60、提取动画图像的颜色特征并输入颜色评价模型获取颜色评分；步骤S70、基于构图评分以及颜色评分计算综合评分。本发明的优点在于：极大的提升了影视动画评估的可解释性。
-
公开(公告)号：CN111814609B
公开(公告)日：2023-09-29
申请号：CN202010589037.8
申请日：2020-06-24
Applicant: 厦门大学
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于深度森林和卷积神经网络的微表情识别方法，所述方法包括：步骤一、采集微表情图像，使用光流法和光流应变法结合的三维特征作为微表情的特征；步骤二、构造基于深度森林和卷积神经网络的异质集成模型，将深度森林的重表示特征经过卷积层和卷积神经网络的深度特征混合形成新的图像特征，帮助分类器实现判别分类；步骤三、结合当前场景内容和微表情分类，与识别对象进行交互。本发明实现了更高的准确率，相比其他微表情识别算法,集成算法表现出更好的鲁棒性。需要更少的参数，训练时消耗更少的时间和资源，是一种轻量高效的微表情识别方法。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.02 seconds)
