-
公开(公告)号：CN106802936A
公开(公告)日：2017-06-06
申请号：CN201611247714.8
申请日：2016-12-29
Applicant: 桂林电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/2465 , G06F2216/03
Abstract: 本发明涉及一种基于项集熵的数据挖掘方法，包括以下步骤：对采集的数据进行预处理，转化为同纬度的事务数据集存放到数据库；检索数据库，获取单项集和多项集的支持度；根据项集熵计算单项集的权值，根据单项集的权值计算单项集的加权支持度；去除加权支持度不满足支持度阈值的单项集，得到加权频繁1项集；根据单项集权值计算多项集的权值，根据多项集的权值计算多项集的加权支持度；去除加权支持度不满足支持度阈值的多项集，得到加权频繁多项集；根据满足置信度阈值的加权频繁项集的加权支持度和置信度得到改进关联规则。本发明引入了项集熵的概念对关联规则进行改进，提升了关联规则进行数据挖掘时的精度。
-
公开(公告)号：CN106202518A
公开(公告)日：2016-12-07
申请号：CN201610583443.7
申请日：2016-07-22
Applicant: 桂林电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明一种基于CHI和分类别关联规则算法的短文本分类方法，将不同类别文本的频繁词集出现频繁度进行了度量，引入了类别频繁因子LFF），通过LFF合理分配了各文本类别的最小支持度阈值，克服了传统的FP-Growth算法挖掘出的频繁词集类别出现偏斜的情况，同时在对频繁词集进行类别倾向判断上，采取了CHI检验算法去衡量特征词与类别之间的关联程度，而非采取简单的词语频率统计去衡量，避免了人工设参和实验确定最佳参数的步骤，增强了分类系统的可控制性。同时还提出了基于Hadoop/MapReduce大数据计算平台的并行特征扩展短文本分类算法，对类别频繁因子的计算和特征扩展方法进行了MapReduce并行化设计，提升了短文本分类准确率以及分类效率，提高了系统的可控性。
-
公开(公告)号：CN112320638B
公开(公告)日：2025-02-07
申请号：CN202011269373.0
申请日：2020-11-13
Applicant: 广西建工大都租赁有限公司 , 桂林电子科技大学
Abstract: 一种用于塔机的平衡式防护系统。塔式起重机在使用过程中因外界影响而发生偏摆幅度过大时缺少及时有效的防护措施。本发明中连接套的内孔为方形孔，连接套加工有第一滑槽，两个固定杆和两个移动杆均设在连接套内，每个移动杆一端为移动端且其设置在第一滑槽内，每个移动杆移动端沿第一滑槽的长度方向往复移动，每个移动杆另一端铰接在一个连接座上，每个移动杆下方对应设有一个固定杆，每个固定杆一端固接在连接套的外壁上，每个固定杆另一端与其对应移动杆处于同一连接座上；方形孔的每个内侧壁上有安装槽，每个安装槽内设有一个连接索组件，每个滑套沿滑杆长度方向往复运动，每个滑套上设有索链，两个索链之间可拆卸连接。本发明用于塔机。
-
公开(公告)号：CN110773081B
公开(公告)日：2024-08-06
申请号：CN201911279222.0
申请日：2019-12-13
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: B01J2/22
Abstract: 一种用于生物质颗粒机的拍打疏孔装置。生物质颗粒机中环模使用后的清理疏通难度大且操作繁琐。本发明包括外侧壁弧板、内侧壁弧板、支撑框、滚轮、握持部、外连接杆和内连接杆，所述握持部设置在支撑框的顶部，所述滚轮设置在支撑框内，滚轮的两侧外壁上分别设置有数个第一垫块和数个第二垫块，所述外侧壁弧板通过外连接杆铰接在支撑框的一侧，外连接杆的内侧壁上设置有与第一垫块相配合的第一凸块，所述内侧壁弧板通过内连接杆铰接在支撑框的另一侧，外连接杆的内侧壁上设置有与第二垫块相配合的第二凸块，外侧壁弧板和内侧壁弧板的弯曲方向同向。本发明用于生物质颗粒机。
-
公开(公告)号：CN118343616A
公开(公告)日：2024-07-16
申请号：CN202410647048.5
申请日：2024-05-23
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种用于塔机安全吊装监控仪的应急防护装置，包括监控仪本体和主座体，所述监控仪本体设置在主座体的内部，主座体的顶部和底部均安装有连接座，主座体的内部设置有用于快速对监控仪本体进行安装和拆卸的连接机构，主座体的正面设置有两个用于对监控仪本体正面进行防护的遮挡机构。本发明中，在需要对监控仪本体安装和拆卸时，通过主座体内部设置的连接机构，能够快速的对监控仪本体进行安装和拆卸，提高监控仪本体拆装效率，提高监控仪本体的使用性能，并能够规避螺栓等固定件带来的不利影响，使得监控仪本体在长时间使用时能够维持其稳定性能。
-
Patent Agency Ranking
公开(公告)号：CN117972095A
公开(公告)日：2024-05-03
申请号：CN202410213234.8
申请日：2024-02-27
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F16/36 , G06F16/31 , G06F40/166 , G06F40/284 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了用于法条推荐的长尾分布的长文本多标签分类方法，首先对原始数据集进行分词、预料转换、标签转换等预处理，建立适用于文本多标签分类的语料库；然后利用预训练模型BERT对案情事实描述进行特征提取，获取语义表征；最后分别对模型进行事中调整与事后调整并根据模型分类器得分进行相关法条推荐。针对案情事实描述长文本处理困难，在特征提取阶段利用层次分解编码提升模型长文本处理能力。针对法条标签高维且服从长尾分布的难点在分类阶段融合对数几率调整策略与焦点损失函数，解决长尾分布任务下类别不平衡及正负样本不平衡的问题。该方法能够根据案情描述准确全面判断涉及法律条文，为法条推荐任务提供了高效，精确的解决方案。
-
公开(公告)号：CN116343188A
公开(公告)日：2023-06-27
申请号：CN202310322252.5
申请日：2023-03-29
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
IPC: G06V20/62 , G06V30/14 , G06V30/146 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于STN‑pan网络的输电铁塔标识牌文本检测识别方法，包括如下步骤：首先，采集输电铁塔标识牌数据集并按比例划分数据集；提出一种带有空洞卷积的迭代FPEM模块进行特征提取，使特征图中含有更多空间信息；在检测模块引入协调注意力机制，使模型更加关注坐标信息，然后使用模型找到不同文本区域的中心kernel，通过聚类的思想，对kernel周围的像素点进行聚类，计算像素点之间的相似度，将相似度高于阈值的像素点进行合并，得到需要的文本区域；在识别分支加入STN矫正网络，最后，将经过矫正的文本区域输入到一个不规则文字特征提取器Masked RoI和一个基于注意力机制的轻量级识别头进行识别，输出标识牌内容。这种方法提高了检测识别精度，检测更为细致。
-
公开(公告)号：CN115761888A
公开(公告)日：2023-03-07
申请号：CN202211462437.8
申请日：2022-11-22
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V10/774 , G06V10/82 , G06V20/40 , G06V20/52
Abstract: 本发明公开了一种基于NL‑C3D模型的塔吊操作人员异常行为检测方法，包括如下步骤：1）采集塔吊作业操作人员操作过程的监控视频数据集；2）通过算法把视频数据划分成图像帧，然后裁剪图像帧的图像尺寸；3）在C3D网络中融合非局部模块，得到NL‑C3D网络模型；4）将步骤2）的图像帧数据集按训练集、验证集和测试集的顺序依次导入到NL‑C3D网络模型中进行训练与检验，然后利用softmax分类器得到最后的结果。这种方法提高了检测精度，检测更细致。
-
公开(公告)号：CN113569981A
公开(公告)日：2021-10-29
申请号：CN202110928645.1
申请日：2021-08-13
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
Abstract: 本发明提供一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，涉及计算机视觉和图像检测技术领域。包括以下步骤：S1、训练过程，S2、检测过程。本发明通过采用基于深度学习的目标检测算法，针对电力塔图片进行鸟窝检测，网络模型训练是将电力塔图片数据集输入网络，经输入端的数据处理，网络进行特征提取与网络自身权重优化，最终得到能精确识别电力塔图像中鸟窝特征的网络，该网络模型的Neck层采用FPN+PAN结构，有效的提高了小尺度物体检测精度，最后经输出端输出图像分类，此基于深度学习的特征检测方法，相较于传统电力巡检鸟窝检测方法，提高了检测精度与效率。
-
公开(公告)号：CN106920243B
公开(公告)日：2019-12-17
申请号：CN201710141353.7
申请日：2017-03-09
Applicant: 桂林电子科技大学
Abstract: 本发明提出了一种改进的全卷积神经网络的陶瓷材质件序列图像分割方法，包括步骤：S10：对采集的原始图像进行手工标注，将目标和背景用不同的类别区分，得到训练标签，采用索引模式来表示训练样本的标签图；S20：构建改进的基于全卷积神经网络的网络模型，进行训练；S30：依据梯度下降算法计算损失函数和反向传播计算损失函数，对网络进行训练学习，学习速率在验证准确率停止增加时减小为原来的十分之一。全卷积神经网络是基于卷积神经网络的改进结构，在保持CNN良好的分类性能的基础上，更好的保持了像素矩阵之间的空间位置关系，更有利于全局的特征提取，能全面学习物体的视觉特征，抗干扰性好，可自动将目标物体从背景中分割开，实现智能分割。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
