-
公开(公告)号：CN107491793A
公开(公告)日：2017-12-19
申请号：CN201710786485.5
申请日：2017-09-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稀疏散射全卷积的极化SAR图像分类方法，先输入待分类的原始极化SAR图像数据；然后将数据转换成极化散射矩阵；再对极化散射矩阵进行稀疏散射编码；将稀疏散射编码得到的矩阵输入到全卷积网络，初始化并训练网络，对图像的原始数据进行特征学习，最后进行分类，得到分类结果。本发明同时考虑了图像的全部特征和空间结构特征，提高了极化SAR影像地物分类精度。
-
公开(公告)号：CN105894018A
公开(公告)日：2016-08-24
申请号：CN201610188365.0
申请日：2016-03-29
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明提出了一种基于深度多示例学习的极化SAR图像分类方法，用于解决现有极化SAR图像分类方法中存在特征提取不足导致的分类精度低的技术问题。包括如下步骤：对极化SAR图像进行滤波；选取训练样本集合；提取样本特征；初始化卷积神经网络CNN和深度置信网DBN；归一化样本特征，训练卷积神经网络CNN和深度置信网DBN；提取联合特征；输入联合特征到SVM分类器中训练；利用训练好的SVM分类器进行极化SAR图像分类；输出分类结果，并计算分类精度。本发明将图像空间邻域特征与极化特征进行有效的结合，提高了极化SAR图像分类精度，可用于对极化SAR图像的地物分类和目标识别。
-
公开(公告)号：CN104502905A
公开(公告)日：2015-04-08
申请号：CN201410708482.6
申请日：2014-11-28
Applicant: 西安电子科技大学
IPC: G01S13/04
CPC classification number: G01S13/04
Abstract: 本发明属于目标检测技术领域，特别涉及一种宽带雷达体制下的基于多通道顺序统计的距离扩展目标检测方法。该基于多通道顺序统计的距离扩展目标检测方法包括以下步骤：雷达接收的回波信号包含N个脉冲；利用第M+1距离单元至第L+M距离单元组成检测窗，L表示检测窗长度，M为设定的自然数；得出检测窗内第l个距离单元的回波信号向量的模值的积累值yl,N；将检测窗内每个距离单元的回波信号向量的模值的积累值进行降序排列，将降序排列后位于第l位的数值表示为y(l,N)；设置终止判决长度K和Q个检测通道；得出每个检测通道的检测统计量；确定每个检测通道的检测门限；如果每个检测通道的检测统计量大于等于对应检测通道的检测门限，则判定目标存在；反之，则判定目标不存在。
-
公开(公告)号：CN119997527A
公开(公告)日：2025-05-13
申请号：CN202510150611.2
申请日：2025-02-11
Applicant: 西安电子科技大学
IPC: H10D8/60 , H10D8/01 , H10D62/815 , H10D62/85 , H10D62/824 , H10D62/10
Abstract: 本发明公开了一种大电流垂直GaN基二极管，包括多周期AlN和GaN间隔设置形成AlN/GaN超晶格，AlN/GaN超晶格作为导电沟道区域的垂直型大电流二极管；竖直方向生长的非极性GaN与AlN横向排布，GaN的极性面与AlN产生二维电子气，形成纵向的多沟道结构。本发明本发明使用了禁带宽度较窄的InN和非极性GaN材料来达到易于形成欧姆接触，保持器件在高功率下的热稳定性的目的；同时，采用多周期AlN/GaN超晶格来制作多沟道结构以达到提高器件电流密度和耐压能力的目的。
-
公开(公告)号：CN119943252A
公开(公告)日：2025-05-06
申请号：CN202510119149.X
申请日：2025-01-24
Applicant: 西安电子科技大学
IPC: G16H15/00 , G16H30/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/74 , G06F40/289 , G06F40/284 , G06F40/186 , G06N3/0895 , G06N3/098 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06F17/18
Abstract: 本发明公开了重建混合策略的三维医学图像视觉语言模型预训练方法，属于医学影像计算技术领域，包括构建医学图像文本对数据集，语言文本掩码重建策略，视觉图像掩码重建策略，语义感知融合策略，多任务联合学习；本发明对大语言模型进行微调，使用微调的大语言模型提取医学报告中的诊断及属性信息并生成高效的提示，并且大语言模型具有较强的泛化能力，大大节省了人工标注的成本；本发明的语义感知融合策略，是将文本编码器得到的文本特征和图像编码器得到的图像特征相结合得到新的文本特征，使文本提前感知图像的诊断及属性信息，进一步优化图像和文本在嵌入空间中的对齐，提升了预训练的效率。
-
Patent Agency Ranking
公开(公告)号：CN119907262A
公开(公告)日：2025-04-29
申请号：CN202510057812.8
申请日：2025-01-14
Applicant: 西安电子科技大学
IPC: H10D30/47 , H10D30/01 , H10D62/824 , H01L23/373
Abstract: 本发明涉及一种高热导率的AlGaN/InxAl1‑xSb高电子迁移率晶体管及其制备方法，晶体管包括：高热导率衬底层、缓冲层、InxAl1‑xSb沟道层、AlGaN势垒层、帽层、源极、漏极、钝化层和栅极；其中，x的取值范围为0.8～1；InxAl1‑xSb沟道层和AlGaN势垒层形成AlGaN/InxAl1‑xSb异质结。本发明的AlGaN/InxAl1‑xSb异质结具有更大的禁带宽度差异，能够在沟道中产生浓度更高的2DEG，并通过高热导率衬底层提升器件的散热性能，提升器件的开关特性和在高温大功率下应用场景下的性能和稳定性。
-
公开(公告)号：CN119894035A
公开(公告)日：2025-04-25
申请号：CN202510023631.3
申请日：2025-01-07
Applicant: 西安电子科技大学
IPC: H10D30/47 , H10D62/17 , H10D62/824 , H10D30/01
Abstract: 本发明公开了一种基于金刚石衬底的GaN/InP多沟道异质结器件及其制备方法，该器件包括自下而上依次设置的金刚石衬底、氮化硼插入层、GaN成核层和GaN缓冲层，其中，所述GaN缓冲层的上表面设置有多层叠层结构，每个叠层结构包括n型InP沟道层以及设置在所述n型InP沟道层的上表面的GaN势垒层；所述叠层结构的上表面两侧分别形成源极和漏极；所述源极和所述漏极之间的叠层结构的上表面依次设置有介质层和栅极。本发明利用金刚石材料作为衬底，结合InP材料高电子迁移率的特点形成多沟道异质结结构，不仅能缓解热堆积问题，还能显著提升载流子迁移率，全面提升器件的高功率、高频性能及可靠性。
-
公开(公告)号：CN119672397A
公开(公告)日：2025-03-21
申请号：CN202411568903.X
申请日：2024-11-05
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/082
Abstract: 本发明提供基于双通道的多模态特征融合遥感图像分类方法及装置，涉及遥感影像处理与分析技术领域。包括：对不同模态的遥感图像进行预处理和组合图像，得到多个图像组；构建预设分类模型，预设分类模型包括依次连接的骨干网络、融合模块、门控机制层和解码层，骨干网络的结构类型包括孪生骨干网络、同构骨干网络和异构骨干网络；根据多个图像组，在预设分类模型中选取孪生骨干网络、同构骨干网络和异构骨干网络中的一个，作为骨干网络，以得到对应的目标分类模型；通过训练集对目标分类模型进行训练，得到训练好的目标分类模型；将验证集输入训练好的目标分类模型，输出分类结果。这样，使得遥感图像分类的准确性较高。
-
公开(公告)号：CN119272091A
公开(公告)日：2025-01-07
申请号：CN202411403297.6
申请日：2024-10-09
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于电磁信号分类识别的深度学习方法及系统，构建电磁信号数据集，每个数据集包含多维度的电磁信号特征及相应的标签信息；选择并配置对应的深度学习模型；对得到的电磁信号数据集进行标签污染，包括Y个体级别和M矩阵级别的污染，Y个体级别污染通过随机选定特定比例的数据点并修改其标签，M矩阵级别污染通过应用预定义的污染矩阵对全部或部分数据集的标签进行系统性修改；使用得到的带有污染标签的电磁信号数据集训练得到的深度学习模型；将未受污染的电磁信号数据集输入得到的深度学习模型中，输出识别的电磁信号。能够有效应对不同级别的数据污染，确保模型在各种环境下都能达到最优的分类效果。
-
公开(公告)号：CN115267712B
公开(公告)日：2024-08-02
申请号：CN202210764033.8
申请日：2022-06-30
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种复合高斯环境下基于AR模型的目标检测方法及装置，通过采用复合高斯模型建模杂波数据，采用AR模型对复合高斯模型中散斑分量进行建模，使得不同参考数据单元间具有时间相关性，从而得到具有时间相关的回波信号的表达式，经过后续处理建立为包含未知参数的目标检测模型，然后对未知参数进行估计；而这个过程相比于现有技术对协方差矩阵估计而需要大量的参考单元，本发明可以大大降低参考单元需求量，无论参考单元是否充足都可以保持较高的检测率，同时相较于传统不能适用于距离扩展目标，本发明对距离扩展目标适应性更高。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.032 seconds)
