多传感器协同感知方法、装置、计算机设备和存储介质

    公开(公告)号:CN115859120A

    公开(公告)日:2023-03-28

    申请号:CN202211714641.4

    申请日:2022-12-29

    Abstract: 本发明公开了多传感器协同感知方法、多传感器协同感知装置、计算机设备和计算机可读存储介质。多传感器协同感知方法包括:获取样本数据集,样本数据集包括多个样本,每个样本包括多个传感器的传感器数据;基于样本数据集对深度学习模型进行训练,以使得深度学习模型能够根据多个传感器的传感器数据确定感知目标结果,感知目标结果包括目标对象的工作、手势和位置中的至少一种。本发明的技术方案,基于样本数据集对深度学习模型进行训练,以使得深度学习模型能够根据多个传感器的传感器数据确定感知目标结果,从而实现利用多源异构的传感器进行协同感知。

    物联网设备的配网方法及装置

    公开(公告)号:CN113206862A

    公开(公告)日:2021-08-03

    申请号:CN202110265848.7

    申请日:2021-03-11

    Inventor: 陈挺

    Abstract: 本申请公开了一种物联网设备的配网方法及装置。其中,该物联网设备的配网方法包括:终端设备搜索通信范围内的物联网设备,并获取物联网设备的物理地址;终端设备基于已保存的信息和物联网设备的物理地址,判断物联网设备是否被发现过以及是否被配网;终端设备基于判断结果对未配网的物联网设备进行配网操作。本申请可以提高配网效率。

    物联网设备管理方法及装置

    公开(公告)号:CN113206863A

    公开(公告)日:2021-08-03

    申请号:CN202110267941.1

    申请日:2021-03-11

    Inventor: 陈挺 鲜志雄 李波

    Abstract: 本申请公开了一种物联网设备管理方法及装置。其中,该物联网设备管理方法包括获取物联网设备与网关设备之间的信号强度值;计算当前获取的信号强度值和在先获取的信号强度值的差值,得到信号强度变化值;响应于信号强度变化值大于第一阈值,生成重命名物联网设备的提醒。本申请可以便于用户高效管理物联网设备。

    一种微生物组识别方法和装置、设备

    公开(公告)号:CN108268753B

    公开(公告)日:2021-12-03

    申请号:CN201810073198.4

    申请日:2018-01-25

    Applicant: 清华大学

    Inventor: 王子承 江瑞 陈挺

    Abstract: 一种微生物组识别方法和装置、设备,该微生物组识别方法包括:获取多个生物个体的微生物组特征信息生成多个样本,计算该多个样本中第一样本分别与其他样本的相似度以获得多个相似度,根据该多个相似度建立所述第一样本的相似度概率分布模型;获取待测样本,计算所述待测样本与所述第一样本的相似度,根据所述待测样本与所述第一样本的相似度以及所述第一样本的相似度概率分布模型确定所述待测样本的第一概率值,根据所述第一概率值判断所述待测样本与所述第一样本是否属于同一生物个体。本实施例提供的方案,能有效的对微生物组进行识别。

    基于局部敏感哈希和非参数化贝叶斯方法的高效聚类方法

    公开(公告)号:CN106228035A

    公开(公告)日:2016-12-14

    申请号:CN201610534138.9

    申请日:2016-07-07

    Applicant: 清华大学

    Inventor: 陈宁 陈挺 蒋林浩

    CPC classification number: G06F19/24

    Abstract: 本发明涉及一种基于局部敏感哈希和非参数化贝叶斯方法的高效聚类方法。本发明方法可以有效地处理海量序列数据,包括16s rRNA和18s rRNA数据。由于使用了高效的分块迭代方法,避免了大量不相似序列的比对,针对大规模数据集的聚类问题,本方法可以快速给出聚类结果,是目前生物信息领域处理大规模聚类问题最高效的方法。同时,由于DP-means算法中对聚类中心的估计更加准确,本发明方法得出的聚类结果可以保证很高的准确性。

    一种医学图像的生成方法、装置、设备及存储介质

    公开(公告)号:CN115239838A

    公开(公告)日:2022-10-25

    申请号:CN202210943208.1

    申请日:2022-08-08

    Abstract: 本发明公开了一种医学图像的生成方法、装置、设备及存储介质,该方法包括:将获取到的待检测数据输入到预先训练完成的目标生成对抗模型中的目标生成器中;通过目标生成器,基于待检测数据和目标生成器中的至少两个数据仿射变换参数,确定至少两个待检测特征;获取目标生成器中与各数据仿射变换参数分别对应的目标生成网络层,并针对每个目标生成网络层,将与目标生成网络层对应的待检测特征输入到目标生成网络层中;将目标生成器中的最后一个生成网络层输出的待检测医学图像作为虚拟医学图像。本发明实施例解决了现有的生成对抗模型中的生成网络层无法精确控制语义特征的问题,提高了虚拟医学图像的分辨率。

    基于局部敏感哈希和非参数化贝叶斯方法的高效聚类方法

    公开(公告)号:CN106228035B

    公开(公告)日:2019-03-01

    申请号:CN201610534138.9

    申请日:2016-07-07

    Applicant: 清华大学

    Inventor: 陈宁 陈挺 蒋林浩

    Abstract: 本发明涉及一种基于局部敏感哈希和非参数化贝叶斯方法的高效聚类方法。本发明方法可以有效地处理海量序列数据,包括16s rRNA和18s rRNA数据。由于使用了高效的分块迭代方法,避免了大量不相似序列的比对,针对大规模数据集的聚类问题,本方法可以快速给出聚类结果,是目前生物信息领域处理大规模聚类问题最高效的方法。同时,由于DP‑means算法中对聚类中心的估计更加准确,本发明方法得出的聚类结果可以保证很高的准确性。

Patent Agency Ranking