-
公开(公告)号：CN115332029A
公开(公告)日：2022-11-11
申请号：CN202211004488.6
申请日：2022-08-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种倾斜类正弦波导慢波结构，设置有顺序的第一波导、电子注通道以及第二波导，且第一波导和第二波导均为倾斜类正弦的带状起伏结构，射频信号馈入倾斜类正弦波导慢波结构中后，射频信号和电子注在倾斜类正弦波导中进行注波互作用，经过一段时间的注波互作用，电子注交给电磁波的能量逐渐大于电磁波从电子注中吸收的能量，射频信号得到了放大，放大后的射频信号由射频输出端口馈出，与传统平顶正弦波导慢波结构相比，具有更高的耦合阻抗值电磁场在电子注通道中心区域更为集中，慢波结构中心区域的注波互作用更加强烈，使电子注与电磁波的互作用能力增加，进而提高行波管的输出功率、增益和互作用效率。
-
公开(公告)号：CN114817264A
公开(公告)日：2022-07-29
申请号：CN202210460338.X
申请日：2022-04-28
Applicant: 电子科技大学
IPC: G06F16/22 , G06F16/2457 , G06F16/27
Abstract: 本发明涉及计算机软件技术领域，公开了一种面向图计算的拓扑查询结构，包括：存储层，用于进行多圈层路径的遍历，每完成一个圈层的遍历，就返回该圈层需进行计算和过滤的节点集合以及边集合；计算层，至少包括一个计算节点，计算节点基于查询条件计算和过滤所述存储层返回的节点集合以及边集合，通过流水线处理的方式与所述存储层并行工作；图拓扑构建模块，接收经过所述计算层的计算和过滤后符合查询条件的节点集合以及边集合，并将符合查询条件的节点集合以及边集合进行组合构建成符合查询条件的图，本发明还公开了一种面向图计算的拓扑查询方法。本发明避免了存储层与计算层负载不均的状况，提高了资源利用率，减少了查询时延。
-
公开(公告)号：CN110826411A
公开(公告)日：2020-02-21
申请号：CN201910958507.0
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于无人机图像的车辆目标快速识别方法，输入图像处理的目标识别领域。针对无人机图像中车辆目标的像素占比小，而且车辆目标在无人机图像中比较密集，原始的网络对其检测比较困难的问题，首先使用不同的anchor个数与大小去匹配图像中的车辆目标，相比于原始网络，使得识别的AP值提高了8.5％，然后又对网络增加了多层特征融合，使得网络在最后分类的时候使用到网络的前面的浅层特征，使得最后的分类与识别的效果更好，在前面改进的基础上，增加多层特征融合以后，网络的AP值提高了1.6％，最后得到的改进后的网络的AP值相比于原始网络的AP值提高了10.1％，从80.5％提高到90.6％，检测的速度相比原始网络有略微的下降，但是精度得到大幅度的提升。
-
公开(公告)号：CN104954388B
公开(公告)日：2018-03-20
申请号：CN201510410720.X
申请日：2015-07-14
Applicant: 电子科技大学
IPC: H04L29/06 , H04N21/61 , H04N21/218
Abstract: 一种面向视频流数据的分布式多内存副本存储系统及方法，所述系统包括一个元服务器和至少两个数据服务器，数据服务器包括全局空闲缓冲分片链表、写磁盘队列以及循环缓冲队列；元服务器在收到存储服务请求时，为当前视频流数据配置一个数据服务器作为主存储服务器，为当前视频流数据配置至少一个数据服务器作为从存储服务器；全局空闲缓冲分片链表包括预定数量的链表单元，每个链表单元包括写入视频流数据的缓冲分片和指向下一链表单元的指针；主存储服务器中写满视频流数据的缓冲分片存储在写磁盘队列中，从存储服务器中写满视频流数据的缓冲分片存储在循环缓冲队列中。本发明提供的存储系统及方法，以低成本方式避免视频流数据发生丢帧现象。
-
公开(公告)号：CN107506796A
公开(公告)日：2017-12-22
申请号：CN201710739100.X
申请日：2017-08-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度森林的阿尔兹海默病分类方法，属于医学图像分类预测领域，将检测阿尔兹海默病的MRI图像作为多粒度扫描的输入，所述多粒度扫描的输出连接级联森林，所述级联森林输出MRI图像的一个类向量，完成深度森林模型的构建；对若干已知类别的MRI图像进行预处理；所述深度森林模型扩展一级，则利用预处理后的MRI图像进行训练和测试，当测试结果没有显著提高，则完成训练，否则扩展下一级继续训练；将预处理后待分类的MRI图像输入到训练完成的深度森林，输出得到该MRI图像的分类结果；该方法大大提高了阿尔兹海默病的识别率。
-
Patent Agency Ranking
公开(公告)号：CN107480726A
公开(公告)日：2017-12-15
申请号：CN201710739098.6
申请日：2017-08-25
Applicant: 电子科技大学
CPC classification number: G06K9/628 , G06N3/0454
Abstract: 本发明公开一种基于全卷积和长短期记忆单元的场景语义分割方法，涉及图像处理技术领域，包括如下步骤：S1：构建基于全卷积、金字塔池化模块与长短期记忆单元模块的深度神经网络；S2：比对预测图像和标注图像，并以Softmax损失为目标函数、随机梯度下降为优化方法进行训练，对步骤1得到的深度神经网络进行权值更新；S3：多次进行步骤S2，直到损失下降到无法下降时结束训练；S4：输入新的场景图像至已训练好的深度神经网络，并做双线性插值到原图分辨率，得到该场景的语义分割结果。本发明解决了目前场景图像分割准确率低、图像中目标过分割和欠分割的问题。
-
公开(公告)号：CN107329814A
公开(公告)日：2017-11-07
申请号：CN201710455604.9
申请日：2017-06-16
Applicant: 电子科技大学
IPC: G06F9/48 , G06F9/50 , G06F17/30 , H04L12/803
Abstract: 本发明公开了一种基于RDMA的分布式内存数据库查询引擎系统，包括：多个查询引擎模块、任务调度模块、元数据信息收集模块、任务执行模块；元数据信息收集模块为每张表的每个列生成统计信息；主查询引擎模块将SQL语句解析为逻辑计划，将逻辑计划发送给任务调度模块；任务调度模块生成物理计划将物理计划发送给查询引擎模块；主查询引擎模块生成至少两个子任务并下发到多个从查询引擎模块；从查询引擎模块将子任务加入任务队列，当前任务完成后，通过RDMA的方式，将数据发送给后继子任务，所有子任务完成后，通知客户端在从查询引擎系统获取结果数据，实现了如何降低了分布式内存数据库查询引擎的数据传输开销，提高了查询速度的技术效果。
-
公开(公告)号：CN106228314A
公开(公告)日：2016-12-14
申请号：CN201610656579.6
申请日：2016-08-11
Applicant: 电子科技大学
CPC classification number: G06Q10/06313 , G06N3/08
Abstract: 本发明公开了基于深度增强学习的工作流调度方法，包括如下步骤：步骤A)收集实际执行环境中的任务执行DAG工作流有向无环图M张，作为样本池；步骤B)对每张DAG工作流有向无环图进行MDP马尔科夫决策过程建模，生成任务状态集合S；步骤C)根据神经网络的训练方法DQN，将M张DAG工作流有向无环图生成的任务状态集合S和对应的已知动作集合A作为输入，代入深度神经网络公式 ，求得神经网络参数矩阵的值。本发明通过上述方法，解决目前分布式环境下工作流调度方法执行时间长，泛化性差的缺陷，加速保证算法的时间效率，同时增加算法本身的泛化性能，让调度机器能够根据实际场景特征自主学习调度策略。
-
公开(公告)号：CN103353939B
公开(公告)日：2016-05-25
申请号：CN201310242736.5
申请日：2013-06-19
Applicant: 电子科技大学
Abstract: 动态背景下图像特征对象模版提取方法，包括如下步骤：动态背景下图像特征对象模版提取方法，包括如下步骤：步骤1种子获取步骤.从待识别图像集合中提取若干帧图像作为基准帧，通过对各个基准帧之间的比较，得到特征对象种子点；步骤2.持续学习步骤.以特征对象种子作为初始特征对象，利用待识别图像集合中其余图像连续进行扩展和去噪，直至稳定；得到特征对象模版库；该待识别图像可以是连续播放的视频流。及采用上述步骤得到特征对象模版库后的动态背景下图像特征对象识别方法。本发明所述的动态背景下图像特征对象模版提取及识别方法，在无特征对象模版的情况下，解决了特征对象模版的提取和完善，以及动态背景下图像特征对象识别的问题。
-
公开(公告)号：CN105100815A
公开(公告)日：2015-11-25
申请号：CN201510433083.8
申请日：2015-07-22
Applicant: 电子科技大学
IPC: H04N21/218 , H04N21/231 , H04N21/2312 , H04N21/232
CPC classification number: H04N21/2181 , H04N21/21805 , H04N21/23103 , H04N21/2312 , H04N21/2326
Abstract: 本发明公开了基于时间序列的流式数据分布式元数据管理方法。包括以下步骤：A、元数据服务器基于对象维度和时间维度，记录和管理元数据；B、元数据服务器记录和管理视频流的元数据，包括每个视频流的摄像头位置信息、当前副本定位信息、基于时间序列记录的视频流历史数据的存储位置；同时，元数据服务器基于对象维度，记录所有数据存储节点的元数据；C、数据存储节点基于对象维度记录视频流数据在磁盘具体位置的元数据信息；同时记录该数据存储节点上所有磁盘的元数据信息；D、数据存储节点中的所有元数据持久化并集中存储在某块磁盘的固定位置。本发明保证了视频回放请求能够快速定位到所需读取的数据和故障后的高效正确恢复。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.027 seconds)
