-
公开(公告)号：CN106650300B
公开(公告)日：2023-05-23
申请号：CN201710052370.3
申请日：2017-01-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于极限学习机的老人监护系统及方法，该系统包括：蓝牙数据采集模块、手机APP模块、服务器模块。蓝牙数据采集模块包括蓝牙模块和传感器，用于采集老人身上的活动数据，并将数据通过蓝牙传输到手机APP模块上。手机APP模块用于收集老人的GPS数据，并通过TCP/IP协议将传感器数据和GPS数据传输到服务器模块。服务器模块包括服务器和GPRS模块，用于利用已训练的极限学习机对数据进行实时处理，在发生预警时会及时将预警信息通过短信的方式发送到监护人手机上。本发明在提高老人异常情况检测准确率的同时，运用极限学习机有效提高老人异常情况检测的速度，使监护系统具有快速、准确率高等优点。
-
公开(公告)号：CN106952130A
公开(公告)日：2017-07-14
申请号：CN201710110168.1
申请日：2017-02-27
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于协同过滤的通用物品推荐方法，该方法利用基于用户的协同过滤方法，通过欧几里得距离计算用户之间的相似度，得到相似用户集并进一步得出不同用户的候选推荐集；之后再通过对用户初始感兴趣物品属性的分类和特征赋值，计算出候选推荐集的推荐分数，从而得到一种适用性和鲁棒性较强的推荐结果，帮助用户更方便的获取感兴趣的内容。相比于传统的基于人口统计学和基于内容的推荐方法相比，本发明更为注重了用户之间的个体差异性，通过分析用户的历史行为数据，挖掘用户的兴趣进行推荐；因此，推荐结果因人而异，更多的考虑了用户的个人喜好，也可以针对不同的推荐场景定制不同的方法参数。
-
公开(公告)号：CN105511377A
公开(公告)日：2016-04-20
申请号：CN201511034796.3
申请日：2015-12-31
Applicant: 华南理工大学
IPC: G05B19/048 , H04W4/00
CPC classification number: Y02D70/10 , G05B19/048 , H04W4/70
Abstract: 本发明公开了一种基于KNX和ZigBee融合的室内传感网络传输系统，包括：监护中心、移动客户端、控制模块、中继处理模块、ZigBee传感网络和KNX传感网络；所述ZigBee传感网络具有ZigBee传感器、ZigBee协调器和ZigBee节点，所述KNX传感网络具有KNX总线、KNX传感器，所述监护中心和移动客户端均通过互联网与控制模块连接，所述控制模块、ZigBee传感网络和KNX传感网络均和中继处理模块连接。具有数据传输稳定、功耗低、布线简单等优点。
-
公开(公告)号：CN106709076B
公开(公告)日：2023-09-29
申请号：CN201710106305.4
申请日：2017-02-27
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/906 , G06Q50/00
Abstract: 本发明公开了一种基于协同过滤的社交网络推荐装置及方法，该推荐装置通过对社交网络中的用户行为数据和个人属性进行特征归类，根据用户的历史数据，不断学习用户的交友偏好，个性化的推荐不同的好友。相较于传统的基于人口统计学和基于内容的推荐装置相比，该推荐装置强调了用户之间的差异性，可针对用户的历史数据不断学习并革新推荐引擎，具有更强的鲁棒性。并且，利用协同过滤思想，更符合用户在真实社交场景中的交友情景，推荐的结果也会趋向于精确化。
-
公开(公告)号：CN106952130B
公开(公告)日：2020-10-27
申请号：CN201710110168.1
申请日：2017-02-27
Applicant: 华南理工大学
IPC: G06F16/00
Abstract: 本发明公开了一种基于协同过滤的通用物品推荐方法，该方法利用基于用户的协同过滤方法，通过欧几里得距离计算用户之间的相似度，得到相似用户集并进一步得出不同用户的候选推荐集；之后再通过对用户初始感兴趣物品属性的分类和特征赋值，计算出候选推荐集的推荐分数，从而得到一种适用性和鲁棒性较强的推荐结果，帮助用户更方便的获取感兴趣的内容。相比于传统的基于人口统计学和基于内容的推荐方法相比，本发明更为注重了用户之间的个体差异性，通过分析用户的历史行为数据，挖掘用户的兴趣进行推荐；因此，推荐结果因人而异，更多的考虑了用户的个人喜好，也可以针对不同的推荐场景定制不同的方法参数。
-
Patent Agency Ranking
公开(公告)号：CN105511377B
公开(公告)日：2019-05-14
申请号：CN201511034796.3
申请日：2015-12-31
Applicant: 华南理工大学
IPC: G05B19/048 , H04W4/70
Abstract: 本发明公开了一种基于KNX和ZigBee融合的室内传感网络传输系统，包括：监护中心、移动客户端、控制模块、中继处理模块、ZigBee传感网络和KNX传感网络；所述ZigBee传感网络具有ZigBee传感器、ZigBee协调器和ZigBee节点，所述KNX传感网络具有KNX总线、KNX传感器，所述监护中心和移动客户端均通过互联网与控制模块连接，所述控制模块、ZigBee传感网络和KNX传感网络均和中继处理模块连接。具有数据传输稳定、功耗低、布线简单等优点。
-
公开(公告)号：CN107133562B
公开(公告)日：2021-05-14
申请号：CN201710159420.8
申请日：2017-03-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于极限学习机的手势识别方法，包括如下步骤：用普通摄像头采集RGB图像，用红外摄像头采集红外图像；采用阈值分割的方法确定红外图像中属于人体的像素点区域，然后结合RGB图像得到人体RGB图像，根据人体RGB图像，通过肤色模型得到图像中的肤色区域，然后利用阀值法判别肤色区域的形状复杂度，得到手势二值图像；提取手势区域的HOG特征和Hu矩作为特征向量；最后将极限学习机运用于手势特征向量的分类中，完成手势识别任务。本发明通过结合HOG特征和Hu矩特征，提高手势识别准确率。同时运用极限学习机有效提手势识别的训练速度识别速度，使手势识别系统具有快速、准确率高、泛化性高等优点。
-
公开(公告)号：CN106650300A
公开(公告)日：2017-05-10
申请号：CN201710052370.3
申请日：2017-01-22
Applicant: 华南理工大学
IPC: G06F19/00
CPC classification number: G06F19/3418
Abstract: 本发明公开了一种基于极限学习机的老人监护系统及方法，该系统包括：蓝牙数据采集模块、手机APP模块、服务器模块。蓝牙数据采集模块包括蓝牙模块和传感器，用于采集老人身上的活动数据，并将数据通过蓝牙传输到手机APP模块上。手机APP模块用于收集老人的GPS数据，并通过TCP/IP协议将传感器数据和GPS数据传输到服务器模块。服务器模块包括服务器和GPRS模块，用于利用已训练的极限学习机对数据进行实时处理，在发生预警时会及时将预警信息通过短信的方式发送到监护人手机上。本发明在提高老人异常情况检测准确率的同时，运用极限学习机有效提高老人异常情况检测的速度，使监护系统具有快速、准确率高等优点。
-
公开(公告)号：CN105467853A
公开(公告)日：2016-04-06
申请号：CN201511034055.5
申请日：2015-12-31
Applicant: 华南理工大学
IPC: G05B15/02 , G05B19/418
CPC classification number: Y02P90/02 , G05B15/02 , G05B19/418 , G05B2219/2642
Abstract: 本发明公开了一种基于ZigBee网络的室内老人智能监护系统，包括：ZigBee网络、路由器、云端服务器和Android控制终端，所述ZigBee网络具有底层传感器、ZigBee终端节点、智能网关和ZigBee协调器，所述ZigBee网络中的智能网关通过路由器和TCP/IP网络接入互联网与云端服务器连接，所述Android控制终端通过互联网与云端服务器连接；所述ZigBee网络将底层传感器采集的数据发送到云端服务器进行实时融合分析处理。具有在老人跌倒、忘关煤气等危险情况下时及时的进行智能判断并告知家人、功耗低和成本低等优点。
-
公开(公告)号：CN107133562A
公开(公告)日：2017-09-05
申请号：CN201710159420.8
申请日：2017-03-17
Applicant: 华南理工大学
CPC classification number: G06K9/00389 , G06N3/0481 , G06N99/005
Abstract: 本发明公开了一种基于极限学习机的手势识别方法，包括如下步骤：用普通摄像头采集RGB图像，用红外摄像头采集红外图像；采用阈值分割的方法确定红外图像中属于人体的像素点区域，然后结合RGB图像得到人体RGB图像，根据人体RGB图像，通过肤色模型得到图像中的肤色区域，然后利用阀值法判别肤色区域的形状复杂度，得到手势二值图像；提取手势区域的HOG特征和Hu矩作为特征向量；最后将极限学习机运用于手势特征向量的分类中，完成手势识别任务。本发明通过结合HOG特征和Hu矩特征，提高手势识别准确率。同时运用极限学习机有效提手势识别的训练速度识别速度，使手势识别系统具有快速、准确率高、泛化性高等优点。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
