-
公开(公告)号：CN119703174A
公开(公告)日：2025-03-28
申请号：CN202411959157.7
申请日：2024-12-30
Applicant: 绍兴文理学院
Abstract: 本发明属于减速器生产技术领域，尤其为一种减速器箱体钻孔夹具，包括：支撑机构，支撑机构用于支撑待钻孔的减速器箱体，其包括底座以及固定于所述底座顶面的定位立板；夹紧机构，至少有两组夹紧机构相对称连接于所述定位立板，用于从两端压紧减速器箱体，其包括压板以及控制压板靠近或远离定位立板的控制组件；钻孔导向机构，所述钻孔导向机构用于定位钻孔点，其包括固定于所述定位立板顶端的钻孔模板以及钻套，所述钻套具有供钻头贯穿的引导孔，在所述钻孔模板上加工有用于安装所述钻套的通孔；本发明中的减速器箱体钻孔夹具不仅能够确保定位基准的稳定性和准确性，有利于提升生产效率，还克服了由于加工不平稳导致刀具磨损加剧的问题。
-
公开(公告)号：CN119031140A
公开(公告)日：2024-11-26
申请号：CN202411458124.4
申请日：2024-10-18
Applicant: 绍兴文理学院
IPC: H04N19/182 , H04N19/159 , H04N19/91
Abstract: 本发明提供一种基于多种旋转操作的串预测编解码方法及装置，涉及数据压缩技术领域，方法包括：输入当前编码单元的像素集合；对当前编码单元的像素集合进行旋转操作；对旋转后的像素集合进行串预测编码，得到串预测编码参数；对旋转操作类型以及串预测编码参数进行熵编码，旋转操作类型是对不同旋转操作后的像素集合计算哈希命中率确定的；将熵编码结果写入码流；根据串预测编码参数，确定当前编码单元的重建像素集合；对重建像素集合进行对应的逆操作，获得当前编码单元逆操作后的重建像素集合。在本发明中，对旋转操作类型以及串预测编码参数进行熵编码，将熵编码结果写入码流，使得提供的串预测样本种类和数量更加丰富，显著提高了编码效率。
-
公开(公告)号：CN112288768B
公开(公告)日：2024-07-26
申请号：CN202011224652.5
申请日：2020-11-05
Applicant: 绍兴文理学院
Abstract: 本发明公开了一种结肠镜图像序列肠息肉区域的跟踪初始化决策系统，其特征在于，包括肠息肉区域信息获取模块、肠息肉区域判定模块、目标关联区域判定模块、目标肠息肉区域中智集建模模块、和目标肠息肉区域跟踪初始化判决模块；通过对目标肠息肉区域进行中智集建模，并计算目标肠息肉区域的中智度量同理想中智度量的交叉熵，按照交叉熵越小越可能是真实肠息肉的原则，对目标肠息肉区域进行跟踪初始判决，判断为需要实施跟踪，则加入到正在跟踪的肠息肉区域集合中处理。本发明能解决将视频目标跟踪分割算法引入肠息肉序列检测中，由于息肉区域检测分割不确定性引起的视频目标跟踪误启动的技术问题。
-
公开(公告)号：CN112637600B
公开(公告)日：2024-04-05
申请号：CN202011465573.3
申请日：2020-12-14
Applicant: 绍兴文理学院
IPC: H04N19/176 , H04N19/196 , H04N19/42 , H04N19/513 , H04N19/102
Abstract: 本发明公开了一种对数据进行有损或无损压缩的编码、解码的方法或装置，属于编码、解码技术领域，对一个编码块进行串预测或串匹配编码时；将编码块中的重叠串至少拆分为两个连续的具有相同串矢量的不重叠串，并计算拆分后的不重叠串数量；或将编码块中至少有两个连续的具有相同串矢量的不重叠串合并为一个重叠串，计算编码块中不重叠串数量；将拆分前的重叠串或者合并后的重叠串的编码参数部分或全部信息写入压缩数据码流。本发明通过上述设置可以一次匹配到较长的重叠串，节省了重叠串搜索成本，同时将重叠串的编码参数信息写入压缩数据码流，提升了编码效率。
-
公开(公告)号：CN110197513B
公开(公告)日：2023-04-28
申请号：CN201910393318.3
申请日：2019-05-13
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种基于调整阈值匹配误差的串匹配数据压缩方法，包括编码串、参考串、设定的阈值、以及预设的匹配条件，编码串的最小匹配单位为编码基元，参考串的最小匹配单位为参考基元；设定初始阈值以及对应的匹配条件，比较当前编码基元(或编码串)与参考基元(或参考串)之间是否满足所设定的匹配条件，当前匹配判断完成则对当前阈值进行调整，下一个编码基元或者编码串匹配时使用调整后的新阈值进行匹配判断。本发明考虑到当前匹配误差对全局误差的影响，通过对当前阈值的调整为后续基元的匹配进行全局优化处理，显著提高了编码的效率。
-
Patent Agency Ranking
公开(公告)号：CN111669396B
公开(公告)日：2022-11-29
申请号：CN202010539844.9
申请日：2020-06-15
Applicant: 绍兴文理学院
Abstract: 本发明公开了一种软件定义物联网自学习安全防御方法及系统。方法包括(1)嗅探获取软件定义物联网节点发送的包含于介质访问控制层和网络层之间的数据包；(2)进行网络安全特征提取并编码；(3)对网络安全特征值的编码进行聚类；(4)将每一类别与已知安全网络安全特征编码集合、以及已知风险网络安全特征值编码集合中的元素进行比对自动判定并更新；(5)对于未知网络安全特征编码，由网络安全专家组成员鉴定并更新。系统包括：嗅探模块、分析模块、检测防御模块、以及知识库；本发明有效减轻了物联网管理员的物联网节点配置管理工作，并且自动更新软件定义物联网安全防御系统，对软件定义物联网网络环境的动态变化实现自适应。
-
公开(公告)号：CN110087073B
公开(公告)日：2021-01-26
申请号：CN201910393135.1
申请日：2019-05-13
Applicant: 绍兴文理学院
IPC: H04N19/169 , H04N19/146 , H03M7/30
Abstract: 本发明涉及一种多阈值串匹配数据压缩方法，包括编码串、参考串、设定的阈值、以及预设的匹配条件，编码串的最小匹配单位为编码基元，参考串的最小匹配单位为参考基元；设定多个阈值以及与多个阈值相对应的多个匹配条件，比较当前编码基元与参考基元是否匹配，或者比较当前编码串与参考串是否匹配时，满足其中一个匹配条件即可判定匹配成功，或者采用同时满足多个匹配条件才判定匹配成功的方式。多阈值既可以是固定值也可以采用非固定值，这种灵活的多组合方式是基于考虑到局部与整体之间误差存在差异性，以及多个分量之间误差存在差异性而提出，该方法拓宽了数据压缩的适用范围，显著提高了串匹配编码的效率。
-
公开(公告)号：CN112073721A
公开(公告)日：2020-12-11
申请号：CN202011078681.5
申请日：2020-10-10
Applicant: 绍兴文理学院
IPC: H04N19/142 , H04N19/147 , H04N19/182
Abstract: 本发明涉及一种高效率的非I帧图像编解码方法，其中编码方法是在图像层次对非I帧图像采用预设划分规则对原始视频序列进行检测，根据预设划分规则确定为近似静止帧的图像将其标识位设置为“真”，否则将图像标识位设置为“假”，并将标识位写入码流；对于帧级标识为“真”的当前帧图像，其每个编码单元直接采用预设的新编码模式进行编码，并将预设新编码模式的编码信息写入码流；对于帧级标识为“假”的当前帧图像，其每个编码单元仍按照原设定的编码方法对图像进行编码单元的划分以及预编码，并将划分信息和每个编码单元的最优编码模式信息写入码流。本发明可以降低编解码复杂度，还可以提高编解码的效率。
-
公开(公告)号：CN111163322A
公开(公告)日：2020-05-15
申请号：CN202010017903.6
申请日：2020-01-08
Applicant: 绍兴文理学院
IPC: H04N19/513 , H04N19/91 , H04N19/184
Abstract: 本发明涉及对基于历史运动矢量的索引进行映射的编/解码方法，首先构建大于等于预设数量历史运动矢量的候选历史运动矢量列表，这样可以将更多有潜力的历史运动矢量收录进来，以提高后面的编/解码效率，然后从上述构建的候选历史运动矢量列表中，基于一定的选取规则选择出符合预设数量要求的历史运动矢量，并按照预设的映射规则将所选取出来的历史运动矢量逐一建立映射关系，即将编/解码比特数少的历史运动矢量映射为更小的index，既未扩大index编/解码的范围，也未改变index熵编/解码方式，充分保证了index熵编/解码的有效性，从整体上减少了编/解码运动矢量所消耗的比特数，进一步提高了编/解码运动矢量的效率。
-
公开(公告)号：CN119148721B
公开(公告)日：2025-02-28
申请号：CN202411612623.4
申请日：2024-11-13
Applicant: 绍兴文理学院 , 绍兴市基础设施建设投资有限公司 , 宝略科技(浙江)有限公司
Abstract: 本发明公开了一种基于自适应KMeans算法的机器人未知环境探索方法，通过获取机器人在未知环境中移动的未知区域，并基于RRT算法对所述未知区域进行识别得到边界点，采用KMeans算法对所述边界点进行聚类处理，并基于信息增量算法对聚类处理后的边界点进行计算以确定目标点，基于TEB路径规划算法引导所述机器人到达所述目标点，并采用Gmapping算法进行地图构建以完成机器人未知环境探索，可以根据地图采集到的边界点动态调整聚类中心的数量，根据数据的特性和分布情况，智能地决定最佳的聚类中心数目，从而提高聚类的效果和精确度，基于KMeans聚类算法对边界点进行聚类，并通过信息增量算法对目标点进行优化，以提高聚类的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.025 seconds)
