|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
大學(xué).jpg){kind=logo}
公共交通出行特征監(jiān)測系統(tǒng)
北京工業(yè)大學(xué)
2021-04-14
XM-161各部椎骨形態(tài)特征
XM-161各部椎骨形態(tài)特征
?
XM-161各部椎骨形態(tài)特征由七塊椎骨串制在支架上成一個整體，顯示頸、胸、腰、骶椎的形態(tài)特征，共七塊骨，分別為第1、2、7頸椎和胸椎、腰椎、骶骨尾骨的形態(tài)和結(jié)構(gòu)。
尺寸：自然大，28×20×71cm
材質(zhì)：PVC材料
上海欣曼科教設(shè)備有限公司
2021-08-23
.jpg){kind=logo}
一種用于提取半導(dǎo)體納米結(jié)構(gòu)特征尺寸的方法
本發(fā)明公開了一種用于提取半導(dǎo)體納米結(jié)構(gòu)特征尺寸的方法，包括待提取參數(shù)取值范圍的劃分，子光譜數(shù)據(jù)庫的建立，支持向量機分類器訓(xùn)練光譜的生成，支持向量機分類器的生成、測量光譜的映射和在子光譜數(shù)據(jù)庫中進行的最相似光譜搜索。與現(xiàn)有方法相比，本發(fā)明方法通過額外增加一個可以離線進行的支持向量機分類器訓(xùn)練環(huán)節(jié)，實現(xiàn)了將測量光譜映射到一個小范圍的子數(shù)據(jù)庫中。與在整個大數(shù)據(jù)庫中進行最相似光譜檢索相比，在子數(shù)據(jù)庫中展開的檢索所消耗的時間大大減少。并且，通過增加每個分類器中包含的類數(shù)，可以得到更小的子數(shù)據(jù)庫，從而進一步加速參數(shù)的提取。該方法實現(xiàn)了參數(shù)的提取速度可預(yù)期與可控。
華中科技大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于不變量特征匹配的車輛測速方法
本發(fā)明公開了一種基于不變量特征匹配的車輛測速方法，其包括步驟：（1）確定兩幅初始圖像中車輛大致區(qū)域圖像；（2）提取兩幅車輛大致區(qū)域圖像的特征點，獲得兩組不變量特征點的集合；（3）在兩組特征點集合中進行特征匹配，得到兩幅車輛大致區(qū)域圖像的匹配特征點集合；（4）計算每一對匹配特征點在車輛縱向方向上的相對距離；（5）對所有匹配特征點進行聚類，聚類中心處的相對距離即為車輛在圖像中的移動距離；（6）將圖像距離轉(zhuǎn)化為車輛實際的行駛距離，除以獲取兩幀圖像的時間差得到車輛速度。本發(fā)明解決了運動物體在圖像中的精確定位
安徽建筑大學(xué)
2021-01-12
一種結(jié)合語義特征的 ERVQ 圖片索引與檢索方法
本發(fā)明公開了一種結(jié)合語義特征的 ERVQ 索引，包括以下步驟：準(zhǔn)備訓(xùn)練索引的圖片集 P1 和待索引圖片集 P2，對 P1 提取低層特征(SIFT、SURF 等)，使用殘差量化索引(RVQ)訓(xùn)練方法訓(xùn)練得到一個 L層的 RVQ 碼書 Codebook1，使用 ERVQ 優(yōu)化方法調(diào)整 Codebook1 生成碼書 Codebook2，將碼書 Codebook2 多層質(zhì)心一一組合構(gòu)建索引字典，將索引字典每個索引項上根據(jù)語義劃分成多個倒排鏈表結(jié)構(gòu)，對 P2 提取低層特征和語義特征，根據(jù)低層特征找到索引項，根
華中科技大學(xué)
2021-04-14
一種基于簽到特征的用戶位置分類方法及系統(tǒng)
本發(fā)明公開了一種基于簽到特征的用戶位置分類模型，其應(yīng)用 在針對性的廣告推薦、智能導(dǎo)航、智慧交通等基于位置的服務(wù)中，該 模型包括：針對用戶當(dāng)前的“簽到”場所，查詢其是否已在用戶的歷 史“簽到”位置集里面；如果不在，則分別基于社交網(wǎng)絡(luò)全局用戶知 識域、用戶好友知識域、用戶個人知識域提取用戶的“簽到”特征； 應(yīng)用已訓(xùn)練的 SVM 分類模型對用戶當(dāng)前的“簽到”場所進行分類，預(yù) 測該位置是否為用戶將來頻繁“簽到”的場所。本發(fā)明
華中科技大學(xué)
2021-04-14
基于冗余特征消減的醫(yī)學(xué)超聲圖像自動識別方法
本發(fā)明公開了一種基于冗余特征消減的醫(yī)學(xué)超聲圖像自動識別方法。首先從待處理的醫(yī)學(xué)超聲圖像中提取感興趣區(qū)域，從感興趣區(qū)域提取特征；然后對提取的特征進行主成分分析，以去除冗余和無關(guān)的特征分量，確定獨立有效的特征；最后依據(jù)獨立有效的特征，利用分類器對感興趣區(qū)域分類。本發(fā)明通過計算機對醫(yī)學(xué)超聲圖像進行分析，提取的圖像特征涵蓋了空域和頻域，更為全面地反映了圖像的本質(zhì)特性，有助于進行正確分類，具有較好的臨床實用性。
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于顯著直方圖特征的行人檢測方法及系統(tǒng)
一種基于顯著直方圖特征的行人檢測方法及系統(tǒng)，訓(xùn)練階段包括首先分別將樣本數(shù)據(jù)集中每個正樣 本或負樣本歸一化為預(yù)設(shè)尺寸，然后作為輸入圖像提取特征，根據(jù)所得特征訓(xùn)練分類器;正樣本的圖像 包含行人，負樣本的圖像不包含行人;測試階段包括對測試數(shù)據(jù)集中任一測試圖像，首先以測試圖像為 輸入圖像，分別以輸入圖像的每個像素為中心建立預(yù)設(shè)尺寸的局部區(qū)域，并提取每個局部區(qū)域的特征， 然后將每個局部區(qū)域的特征輸入訓(xùn)練階段所得分類器，得到各局部區(qū)域是否包含行人的分類結(jié)果。提取 特征時，將梯度的幅值和相應(yīng)局部區(qū)域顯著概率值結(jié)合
武漢大學(xué)
2021-04-14
一種基于局部哈希特征的視頻目標(biāo)實時跟蹤方法
本發(fā)明公開了一種基于感知哈希特征的視頻目標(biāo)跟蹤方法，其特征在于，包括以下步驟：(1)讀取待跟蹤視頻序列的第一幀；(2)在圖像中畫一恰好將目標(biāo)包圍的矩形框，作為目標(biāo)框；(3)對視頻幀圖像進行灰度化處理；(4)提取目標(biāo)框的局部哈希特征，并對特征進行為運算化處理；(5)讀取視頻下一幀，并采用同步驟(3)同樣的方式對圖像進行灰度化處理；(6)在當(dāng)前幀中，采用倒金字塔候選框搜索方法在上一幀目標(biāo)相同位置附近獲取候選框；(7)采用
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于強度特征的輕量化設(shè)計和可靠性設(shè)計技術(shù)
基于載荷強化和損傷的載荷譜處理新技術(shù)，用于加載譜和耐久性評價規(guī)范的制定。通過載荷的強化和損傷、結(jié)構(gòu)抗疲勞設(shè)計和載荷譜中強度變化特征等提出了基于強度特征的輕量化設(shè)計和可靠性設(shè)計，并應(yīng)用到等速萬向傳動軸零件的具體設(shè)計。
上海理工大學(xué)
2021-01-12