-
Patent Agency Ranking
公开(公告)号：CN110533467A
公开(公告)日：2019-12-03
申请号：CN201910796025.X
申请日：2019-08-27
Applicant: 江南大学
Abstract: 本发明公开了一种基于大数据分析的用户行为分析平台，分为行为感知层、数据存储层和应用层。感知层的前端在网页上收集用户行为数据并发送至后端；后端对前端发来的数据进行解析后转化为表格数据写入数据存储层。数据存储层存放行为感知层原始数据和应用层数据分析程序中间数据。应用层包含用于数据分析的云计算主机和分析程序以及用于整合和呈现分析结果的呈现程序，主要实现视频异常检测、异常数据数据处理和故障预测。本发明还公开了此种用户行为分析平台的工作方法。本发明在应用层进行云计算，提高了用户行为分析的实时性和资源利用率；此外，应用层以独立程序和数据表为基础，极大地提高了用户行为分析系平台的维护效率和系统的可扩展性。
-
公开(公告)号：CN111583281A
公开(公告)日：2020-08-25
申请号：CN202010413761.5
申请日：2020-05-15
Applicant: 江南大学
Abstract: 本发明公开了一种多模态连接模式的脑区划分方法。本发明.一种多模态连接模式的脑区划分方法，包括：在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时获得个体水平和组水平的结果。本发明的有益效果：整合了两种磁共振成像数据模态下基于连接模式进行脑区划分的流程，并提出了具体的集成化软件的开发方法。
-
公开(公告)号：CN109902640B
公开(公告)日：2023-06-30
申请号：CN201910165037.2
申请日：2019-03-05
Applicant: 江南大学 , 无锡本希奥智能技术有限公司
IPC: G06T7/00 , G06V20/40 , G06V20/52 , G06V10/94 , G06V10/96 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于边缘计算和机器学习的视频质量异常检测系统及其检测方法，系统分为感知层、网络层和应用层三个层次。在感知层，利用Python脚本，实现对单个树莓派连接的所有摄像头所采集的视频数据的异常检测。在网络层，树莓派通过网线与路由器进行有线连接，路由器与云端服务器通过路由器进行无线网络连接。在应用层，主要实现视频异常检测、异常数据数据处理和故障预测。该系统在感知层进行边缘计算，提高了视频异常检测的实时性和资源利用率；在应用层以机器学习作为工具训练预测模型，提高了视频监控系统的维护效率，一定程度上预防了因维修不及时所导致的损失。
-
公开(公告)号：CN109902640A
公开(公告)日：2019-06-18
申请号：CN201910165037.2
申请日：2019-03-05
Applicant: 江南大学 , 安徽海浪智能技术有限公司
Abstract: 本发明公开了一种基于边缘计算和机器学习的视频质量异常检测系统及其检测方法，系统分为感知层、网络层和应用层三个层次。在感知层，利用Python脚本，实现对单个树莓派连接的所有摄像头所采集的视频数据的异常检测。在网络层，树莓派通过网线与路由器进行有线连接，路由器与云端服务器通过路由器进行无线网络连接。在应用层，主要实现视频异常检测、异常数据数据处理和故障预测。该系统在感知层进行边缘计算，提高了视频异常检测的实时性和资源利用率；在应用层以机器学习作为工具训练预测模型，提高了视频监控系统的维护效率，一定程度上预防了因维修不及时所导致的损失。
-
公开(公告)号：CN111583281B
公开(公告)日：2023-08-01
申请号：CN202010413761.5
申请日：2020-05-15
Applicant: 江南大学
IPC: G06T7/11 , G06T7/73 , G06V10/762
Abstract: 本发明公开了一种多模态连接模式的脑区划分方法。本发明.一种多模态连接模式的脑区划分方法，包括：在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时获得个体水平和组水平的结果。本发明的有益效果：整合了两种磁共振成像数据模态下基于连接模式进行脑区划分的流程，并提出了具体的集成化软件的开发方法。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
