|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
基于重力傳感器和角度傳感器的老人摔倒檢測(cè)系統(tǒng)
本實(shí)用新型提供一種基于重力傳感器和角度傳感器的老人摔倒檢測(cè)系統(tǒng)，包括三個(gè)重力傳感器、一個(gè)角 度傳感器、GPRS 通信模塊、微處理器單元、智能終端；重力傳感器、角度傳感器分別與 GPRS 通信模塊連接，GPRS 通信模塊與微處理器單元、智能終端連接；所述重力傳感器分別設(shè)置在老人的兩個(gè)鞋底和拐杖底部，所述角度傳感器設(shè)置在拐杖的中部。本實(shí)用新型可以實(shí)時(shí)檢測(cè)及準(zhǔn)確的判斷老人是否摔倒，以及摔倒后是否自己起來，并且能夠及時(shí)的給家人或附近的醫(yī)院發(fā)送求救信號(hào)，以獲得及時(shí)的救援
武漢大學(xué)
2021-04-14
一種面向嵌入式平臺(tái)的側(cè)信道分析系統(tǒng)及方法
本發(fā)明公開了一種面向嵌入式平臺(tái)的側(cè)信道分析系統(tǒng)及方法，包括嵌入式平臺(tái)、側(cè)信道信息采集平 臺(tái)和通用 PC 平臺(tái)；嵌入式平臺(tái)與通用 PC 平臺(tái)的連接采用通用標(biāo)準(zhǔn)接口，用于接受通用 PC 平臺(tái)的控制， 通用 PC 平臺(tái)用于控制加密數(shù)據(jù)的進(jìn)出和對(duì)側(cè)信道信息進(jìn)行存儲(chǔ)；側(cè)信道信息采集平臺(tái)的測(cè)試引腳與嵌 入式平臺(tái)相連，用于側(cè)信道信息的捕獲；所述的通用 PC 平臺(tái)上設(shè)置有側(cè)信道分析平臺(tái)，用于測(cè)試密碼 芯片執(zhí)行結(jié)果的正確性、采集功耗曲線并進(jìn)行分析，形成嵌入式平臺(tái)
武漢大學(xué)
2021-04-14
一種基于地理位置的視頻傳感器接入方法
本發(fā)明公開了一種基于地理位置的視頻傳感器接入方法，包括以下步驟：步驟 1：構(gòu)建視頻傳感器 注冊(cè)請(qǐng)求；步驟 2：注冊(cè)視頻傳感器元數(shù)據(jù)到 SOS 服務(wù)；步驟 3：錄制和編碼實(shí)時(shí)視頻流；步驟 4：構(gòu) 建視頻傳感器觀測(cè)數(shù)據(jù)插入請(qǐng)求；步驟 5：共享視頻傳感器觀測(cè)數(shù)據(jù)和觀測(cè)數(shù)據(jù)元數(shù)據(jù)；步驟 6：構(gòu)建 視頻傳感器觀測(cè)數(shù)據(jù)獲取請(qǐng)求；步驟 7：獲取視頻傳感器觀測(cè)數(shù)據(jù)。本發(fā)明解決了現(xiàn)有視頻傳感器不能 基于地理位置接入和視頻傳感器觀測(cè)數(shù)據(jù)不能基于時(shí)空信息綜合發(fā)現(xiàn)和獲
武漢大學(xué)
2021-04-14
一種針對(duì)云平臺(tái)虛擬機(jī)度量的主動(dòng)遠(yuǎn)程證明方法
本發(fā)明提供一種針對(duì)云平臺(tái)虛擬機(jī)度量的主動(dòng)遠(yuǎn)程證明方法，包括遠(yuǎn)程證明客戶端主動(dòng)操作過程和 云管理端的服務(wù)器可信驗(yàn)證過程，在云平臺(tái)虛擬機(jī)啟動(dòng)后進(jìn)行靜態(tài)度量和運(yùn)行后周期性的動(dòng)態(tài)度量，度 量完成后，進(jìn)行主動(dòng)的遠(yuǎn)程證明，云管理端獲得度量的值和度量報(bào)告后，通過與基線值的對(duì)比，驗(yàn)證虛 擬機(jī)的狀態(tài)是否被篡改。該方法改變了傳統(tǒng)的被動(dòng)式遠(yuǎn)程證明方法，由度量模塊主動(dòng)觸發(fā)遠(yuǎn)程證明客戶 端，實(shí)時(shí)將度量結(jié)果發(fā)送給云管理服務(wù)器端，無需將度量值保存在 TPM 的 PCR 中，
武漢大學(xué)
2021-04-14
基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測(cè)方法
本發(fā)明公開了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測(cè)方法，包括步驟：步驟 1，獲取樣本圖 像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟 2，基于步驟 1 獲取的數(shù)據(jù)， 采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測(cè)模 型；步驟 3，根據(jù)待預(yù)測(cè)圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測(cè)模型即可獲得待預(yù)測(cè)圖像在不同壓縮倍 數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡(jiǎn)單，高效，無需消耗較大的硬件
武漢大學(xué)
2021-04-14
一種基于軟件定義網(wǎng)絡(luò)的安全防御系統(tǒng)及防御方法
本發(fā)明涉及一種計(jì)算機(jī)安全技術(shù)領(lǐng)域，特別涉及一種基于軟件定義網(wǎng)絡(luò)的安全防御系統(tǒng)及防御方法， 包括：網(wǎng)絡(luò)控制模塊、攻擊分析模塊、進(jìn)程檢測(cè)模塊以及網(wǎng)絡(luò)流量檢測(cè)模塊。網(wǎng)絡(luò)控制模塊攔截虛擬機(jī) 之間的網(wǎng)絡(luò)數(shù)據(jù)包并將獲取的流量信息轉(zhuǎn)發(fā)至攻擊分析模塊，攻擊分析模塊接收來自網(wǎng)絡(luò)控制模塊的虛 擬機(jī)間的流量信息，并調(diào)用進(jìn)程檢測(cè)模塊檢測(cè)進(jìn)程是否可疑，必要時(shí)調(diào)用網(wǎng)絡(luò)流量檢測(cè)模塊對(duì)可疑流量 進(jìn)行更深層的檢測(cè)。本發(fā)明針對(duì)當(dāng)前虛擬機(jī)服務(wù)器中用于各虛擬機(jī)之間流量轉(zhuǎn)發(fā)的虛擬交換機(jī)
武漢大學(xué)
2021-04-14
一種適用于水聲局域網(wǎng)的多跳接入方法
本發(fā)明公開了一種適用于水聲局域網(wǎng)的多跳接入方法，包括網(wǎng)絡(luò)發(fā)現(xiàn)、中繼路徑確定、關(guān)聯(lián)三個(gè)階 段。在網(wǎng)絡(luò)發(fā)現(xiàn)階段，需接入網(wǎng)絡(luò)的待接入節(jié)點(diǎn)首先通過廣播網(wǎng)絡(luò)發(fā)現(xiàn)探詢包來探測(cè)可供接入的網(wǎng)絡(luò)。 在中繼路徑確定階段，本發(fā)明提出一種基于路徑壽命及能量效率的中繼路徑選擇方法，該方法將優(yōu)先選 擇壽命更長(zhǎng)的路徑作為中繼路徑，當(dāng)路徑的壽命相差不大時(shí)，將選擇能量效率高的路徑作為中繼路徑。 在關(guān)聯(lián)階段，新節(jié)點(diǎn)完成與接入點(diǎn)的關(guān)聯(lián)協(xié)商。為了實(shí)現(xiàn)多跳中繼轉(zhuǎn)發(fā)功能，本發(fā)現(xiàn)通過建立
武漢大學(xué)
2021-04-14
一種應(yīng)用于高壓斷路器的彈簧操動(dòng)機(jī)構(gòu)
本實(shí)用新型公開了一種應(yīng)用于高壓斷路器的彈簧操動(dòng)機(jī)構(gòu)，包括蓄能機(jī)構(gòu)、動(dòng)力傳動(dòng)機(jī)構(gòu)、合閘控 制機(jī)構(gòu)、以及分閘控制機(jī)構(gòu)，蓄能機(jī)構(gòu)包括剛性主臂、滾輪、保持銷、以及合閘彈簧，剛性主臂從左至 右依次設(shè)有保持銷、動(dòng)力主軸、第一傳動(dòng)銷軸和滾輪，動(dòng)力主軸上設(shè)有相連的伺服電機(jī)，合閘彈簧上下 兩端分別與第一傳動(dòng)銷軸和機(jī)架鉸接；動(dòng)力傳動(dòng)機(jī)構(gòu)包括凸輪、連桿機(jī)構(gòu)以及絕緣拉桿，凸輪左邊設(shè)有 與滾輪咬合的圓缺口，凸輪右邊設(shè)有能被分閘控制機(jī)構(gòu)限位的凸起缺口，所述合閘控制機(jī)構(gòu)能對(duì)
武漢大學(xué)
2021-04-14
面向連續(xù)監(jiān)視任務(wù)的視頻衛(wèi)星攝像機(jī)最優(yōu)指向角控制方法
本發(fā)明提供一種面向連續(xù)監(jiān)視任務(wù)的視頻衛(wèi)星攝像機(jī)最優(yōu)指向角控制方法，設(shè)攝像機(jī)指向角為定義 為主光軸在 UW 平面內(nèi)的投影與 W 軸的夾角，ω 為主光軸在 VW 平面內(nèi)的投影與 W 軸的夾角，κ 為繞 W 軸的轉(zhuǎn)動(dòng)角；設(shè)連續(xù)拍攝任務(wù)起始時(shí)刻為 t 時(shí)刻，確定攝像機(jī)的指向角中 ω 和 κ 后，將攝像機(jī)的主光 軸依次繞繞 U 軸旋轉(zhuǎn) ω 角，繞 W 軸旋轉(zhuǎn) κ 角，確定攝像機(jī)指向角中的后，將攝像機(jī)的主光軸繞 V 軸旋 轉(zhuǎn)角；在后續(xù)拍攝任務(wù)過程中，保持
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類方法
本成果提出的基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類方法有效的利用高光譜圖像的超像素分割結(jié)果指導(dǎo)偽樣本擴(kuò)充增加了訓(xùn)練集樣本數(shù)量，解決了高光譜圖像有標(biāo)記樣本的稀缺問題，同時(shí)空譜的全卷積分類網(wǎng)絡(luò)也充分利用了多尺度的空間特征和光譜特征實(shí)現(xiàn)了較高的分類精度。
成果非涉密，專利申請(qǐng)已經(jīng)提交。
實(shí)驗(yàn)采用反射光學(xué)系統(tǒng)成像光譜儀（ROSIS）傳感器獲取意大利北部帕維亞大學(xué)（Pavia University）的高光譜圖像數(shù)據(jù)。該數(shù)據(jù)集由 103 個(gè)光譜帶組成，共 610×340 像素，光譜覆蓋范圍從 430nm 到 860nm，空間分辨率為 1.3m。該數(shù)據(jù)集一共含有 9 個(gè)類別的 42776個(gè)有標(biāo)記樣本，選取每類 30 個(gè)有標(biāo)記樣本作為訓(xùn)練集，其余作為測(cè)試集。
由下表可以看出，在每類選取 30 個(gè)樣本的情況下，本 模 型 的 OA，AA，Kappa系 數(shù) 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表證明了使用了偽標(biāo)簽樣本擴(kuò)充的空譜全卷積網(wǎng)絡(luò)的本方法在小樣本情況下每個(gè)類的分類準(zhǔn)確性均優(yōu)于 DFFN 和 CNN，達(dá)到了較好的分類效果。
表 1 PaviaU 數(shù)據(jù)集上對(duì)比實(shí)驗(yàn)結(jié)果
西安電子科技大學(xué)
2023-03-03