-
公开(公告)号：CN111882462A
公开(公告)日：2020-11-03
申请号：CN202010769071.3
申请日：2020-08-03
Applicant: 安徽大学
Abstract: 本发明属于商标查询领域，具体涉及一种面向多要素审查标准的中文商标近似检测方法。该方法包括以下步骤：获取待申请商标和引证商标的名称，并计算两者公共汉字个数及重叠参数；将两商标名称分别转为音形码序列；构建D-L编辑距离矩阵，得到两商标之间的编辑距离；根据编辑距离，计算两商标的D-L相似度；根据D-L相似度与重叠参数，计算两商标的字面相似度；计算两商标的含义相似度；根据字面相似度与含义相似度，计算两商标的综合相似度，最后判断两商标是否为近似商标申请。本发明符合商标法以及商标审查标准对已授权中文商标近似性的判断，应用于中文商标近似检索中有很高的准确率。
-
公开(公告)号：CN107526970B
公开(公告)日：2020-05-19
申请号：CN201710737006.0
申请日：2017-08-24
Applicant: 安徽大学
IPC: G06F21/57
Abstract: 本发明公开了一种基于动态二进制平台检测运行时程序漏洞的方法，属于虚拟机与程序分析技术领域，包括：基于二进制代码执行平台Pin，对主存和寄存器中来自外部渠道的输入进行识别并将其作为可疑污染源加以标记；通过中间指令层实现可疑污染源传播行为的跟踪，根据各指令操作数的污点状态对污染行为进行分析，其中污点状态包括被污染、未被污染和受控污染；建立内存模型和寄存器模型记录每个主存字节和寄存器字节的污点状态。本发明提出受约束的污染状态，提高了漏洞检测的覆盖率。提供全新的Hash链接表结构，该结构可以在不增加存取时间的情况下，减少污点信息的存储空间。通过将不相关的API函数过滤机制，大大降低了系统运行开销。
-
公开(公告)号：CN110942251A
公开(公告)日：2020-03-31
申请号：CN201911179848.4
申请日：2019-11-27
Applicant: 安徽大学
Abstract: 本发明提供了一种基于联合蚁群算法的批调度方法，包括以下步骤：初始化Tmax、AntNum、n，I，S，信息素矩阵、ρ、库存概率和运输概率，令t＝1，Ant＝0；令Ant＝Ant+1，蚂蚁Ant对工件进行分配输出调度方案；通过局部优化策略优化调度方案，计算优化后的调度方案的目标值，更新库存概率和运输概率；重复此过程直到所有蚂蚁用尽结束本次迭代，获取全局最优调度方案，更新信息素，如果t＜Tmax，则令t＝t+1，Ant＝0，返回分配工件，直到迭代结束，输出全局最优调度方案。本发明提供的一种基于联合蚁群算法的批调度方法的优点在于：综合考虑的生产过程中的库存和运输问题，通过合理的反馈机制，适合解决大规模批调度问题，实现成本优化，能够为生产过程提供有效的指导建议。
-
公开(公告)号：CN110704747A
公开(公告)日：2020-01-17
申请号：CN201910960956.9
申请日：2019-10-11
Applicant: 安徽大学
IPC: G06F16/9535 , G06F40/30 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明属于电数字数据处理领域，具体涉及一种基于深度语义相似性的智能专利推荐方法，该方法包括以下步骤：在推荐方法中输入原始参数；补全所有注册用户与所有专利之间的交互矩阵；计算所有注册用户之间的相似度矩阵；根据所有注册用户之间的相似度矩阵查询得到最相邻用户列表；根据最相邻用户列表找到可能用于推荐的专利列表；预测被推荐用户对所述的possibleLoveList中专利的评分；按照评分排序输出推荐列表给被推荐用户。该方法可以解决所有注册用户和所有专利之间的交互矩阵稀疏导致专利向量计算时，用户相似度矩阵不准确或者不能够计算的问题，以及推荐精准度不理想的问题。
-
公开(公告)号：CN105727550A
公开(公告)日：2016-07-06
申请号：CN201610060615.2
申请日：2016-01-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于UCT算法的点格棋游戏系统，包括：外部显示装置、输入装置和内部处理单元；外部显示装置，用于与内部处理单元建立通讯，显示棋盘信息和对弈过程；输入装置，用于用户设置参数和策略选择，并与内部处理单元建立通讯，进行点格棋游戏，或者选择进行自动测试；内部处理单元，采用智能的博弈技术实现游戏系统的智能化，实现智能博弈技术之间自动对弈以及人与智能博弈技术之间的对弈。本发明采用UCT算法作为点格棋游戏系统的博弈技术，解决了原有算法的估值问题，在对所有的可能下棋选择进行全局搜索的基础上根据搜索结果选择好的节点进行更多次的局部搜索，可以搜索结果向着好的方向发展。并且可以同时利用多线程进行多次的模拟，充分利用了电脑的硬件资源。
-
Patent Agency Ranking
公开(公告)号：CN119672717B
公开(公告)日：2025-05-13
申请号：CN202510195361.4
申请日：2025-02-21
Applicant: 安徽大学
IPC: G06V20/70 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于目标检测的构件预埋件的图像识别与定位方法，对YOLOV8深度学习网络模型进行改进，在Backbone网络中添加CBAM注意力机制模块，并将SPPF模块替换为Improve_SPPF模块；在Neck网络中将Conv模块替换成GSConv模块；在Head网络中对边界框回归损失函数进行优化；利用改进的YOLOV8深度学习网络模型对预制构件的平面图像数据集进行预埋件的识别与定位，并利用二维码像素尺寸标定技术标定预埋件中心位置的实际坐标。本发明利用上述改进有效提高了对预制构件中线盒及预埋管等预埋件的识别效率和精度，并实现对预埋件的精准定位。
-
公开(公告)号：CN114022384B
公开(公告)日：2025-03-28
申请号：CN202111308284.7
申请日：2021-11-05
Applicant: 安徽大学
IPC: G06T5/70
Abstract: 本发明公开一种基于各向异性扩散模型的自适应边缘保持去噪方法，包括以下步骤：原始噪声图像预处理、构建去噪算法模型、原始噪声图像迭代计算和原始噪声图像去噪处理；本发明改进了基于分数阶微分算子与高斯曲率相结合的自适应图像去噪算法的扩散系数，加入双边滤波和局部方差，在扩散模型中引入正则化项，提高图像边缘保持的效果，对自适应图像去噪算法模型的扩散系数进行了修正，使得去噪和保持边缘的效果更好，提高图像的视觉效果；利用局部方差调节扩散系数，以更好地控制扩散速度；正则化项的加入提高了图像保真度，并且使用了自适应阈值，除了自然图像，在处理医学图像方面也优于传统图像处理方法。
-
公开(公告)号：CN118377556B
公开(公告)日：2024-09-03
申请号：CN202410808906.X
申请日：2024-06-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于移动边缘计算的智能仓储任务卸载方法，首先将每个终端设备的计算任务发送给最近的边缘服务器，然后边缘服务器的任务选择智能体和卸载决策智能体均基于多指针注意力模型进行马尔科夫决策，使得任务选择智能体从任务对列中选择优先级最高的计算任务，卸载决策智能体为所选计算任务做出卸载决策，选择将计算任务卸载到边缘服务器或者云服务器进行计算，从而能够有效平衡边缘服务器与云服务器中的计算资源，减少任务处理延迟，在智能仓储任务卸载场景中具有极高的应用价值。
-
公开(公告)号：CN118396977A
公开(公告)日：2024-07-26
申请号：CN202410652482.2
申请日：2024-05-24
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06T7/246 , G06V10/25 , G06V10/82
Abstract: 本发明公开了一种装配式建筑中预埋件缺陷的检测方法，首先采集模台上载有预埋件的模具实时视频，同时设置执行在线检测的目标感应区，构建基于Mask R‑CNN目标检测算法和SORT目标跟踪算法的预埋件检测网络并进行训练，然后基于目标感应区的视频帧，采用训练好的预埋件检测网络对预埋件进行识别及跟踪，得到构件的实测预埋件数量信息和位置信息，最后将构件的实测预埋件数量信息和位置信息与该类型构件的标准预埋件数量信息和位置信息进行比对，获知构件模具中预埋件的检测结果。本发明可以实现逐帧图像的特征提取和目标跟踪的目的，从而更加精准的获取各个构件模具中预埋件的数量信息和位置信息。
-
公开(公告)号：CN113487503B
公开(公告)日：2024-07-09
申请号：CN202110749087.2
申请日：2021-07-01
Applicant: 安徽大学
IPC: G06T5/73 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于通道注意力生成对抗网络的PET超分辨率方法。该方法包括：步骤一.获取高分辨率的训练数据集和测试数据集；步骤二.获取低分辨率的训练数据集和测试数据集；步骤三.在超分辨率生成对抗网络(Super Reso l ut i on Generat i ve Adversar i a l Network，SRGAN)的生成器中用残差通道注意力块取代残差块，得到通道注意力超分辨率生成对抗网络；步骤四.用像素级的均方误差损失改进SRGAN的感知损失；步骤五.对网络进行训练；步骤六.用图像质量评价指标对网络进行评价。本发明在SRGAN的基础上加入了通道注意力机制，使得生成器网络更加关注含有丰富高频信息的通道，增加了卷积神经网络的表征能力。同时，用像素级的均方误差损失改进SRGAN的感知损失，进一步提高了重建图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.02 seconds)
