|
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}
一種顧及雪覆蓋影響的高分辨全色遙感影像變化檢測(cè)方法
本發(fā)明公開(kāi)了一種顧及雪覆蓋影響的高分辨全色遙感影像變化檢測(cè)方法，本發(fā)明充分利用根據(jù)全色 影像上積雪覆蓋的特點(diǎn)，采用基于紋理特征的變化檢測(cè)檢測(cè)方法進(jìn)行變化檢測(cè)，提取變化區(qū)域。采用基 于水平集方法的 Chan-Vese 分割方法提取出實(shí)驗(yàn)新舊影像上的積雪區(qū)域，根據(jù)變化檢測(cè)的結(jié)果和新舊影 像上積雪覆蓋情況，去除部分積雪覆蓋變化而導(dǎo)致的偽變化，提取出變化區(qū)域，提高了變化檢測(cè)的精確 度與地圖修測(cè)的自動(dòng)化程度，縮短了數(shù)據(jù)更新周期。
武漢大學(xué)
2021-04-13
一種開(kāi)放式地理空間數(shù)據(jù)的可用性評(píng)價(jià)方法
本發(fā)明公開(kāi)了一種開(kāi)放式地理空間數(shù)據(jù)的可用性評(píng)價(jià)方法，首先確定開(kāi)放式地理空間數(shù)據(jù)的可用性 評(píng)價(jià)指標(biāo);然后根據(jù)評(píng)價(jià)指標(biāo)，利用層次分析法確定指標(biāo)的權(quán)重，建立包括評(píng)價(jià)指標(biāo)及其對(duì)應(yīng)權(quán)重的評(píng) 價(jià)模型;接著對(duì)開(kāi)放式地理空間數(shù)據(jù)可用性的各項(xiàng)評(píng)價(jià)指標(biāo)進(jìn)行分析，實(shí)行百分制打分，結(jié)合各指標(biāo)對(duì) 應(yīng)的權(quán)重，計(jì)算模型各評(píng)價(jià)指標(biāo)得分以及模型總得分;最后分析模型各評(píng)價(jià)指標(biāo)得分以及模型總得分， 分級(jí)確定開(kāi)放式地理空間數(shù)據(jù)的可用性程度。本發(fā)明能有效評(píng)價(jià)開(kāi)放式地理空間數(shù)據(jù)的可用性狀況。
武漢大學(xué)
2021-04-13
一種基于相關(guān)性去除的差分隱私數(shù)據(jù)發(fā)布方法及系統(tǒng)
一種基于相關(guān)性去除的差分隱私數(shù)據(jù)發(fā)布方法及系統(tǒng)，各數(shù)據(jù)擁有者分別對(duì)自己的原始數(shù)據(jù)集進(jìn)行 分段并得到差值數(shù)據(jù)集，對(duì)差值數(shù)據(jù)集的前兩項(xiàng)求和并加噪，然后同態(tài)加密后上傳給云服務(wù)提供商，云 服務(wù)提供商進(jìn)行同態(tài)解密運(yùn)算;各數(shù)據(jù)擁有者對(duì)差值數(shù)據(jù)集項(xiàng)進(jìn)行變換得到變換系數(shù)，加入由相互獨(dú)立 且服從高斯分布的白噪聲所組成的平穩(wěn)噪聲;數(shù)據(jù)擁有者進(jìn)行逆小波變換得到加擾后的數(shù)據(jù)集，上傳到 云服務(wù)提供商;云服務(wù)提供商利用維納濾波進(jìn)行濾波，當(dāng)數(shù)據(jù)使用者請(qǐng)求數(shù)據(jù)集時(shí)，云服務(wù)提供商對(duì)求 精后的數(shù)據(jù)集進(jìn)行反變換，發(fā)布給第三方數(shù)據(jù)使用者的數(shù)據(jù)項(xiàng)。本發(fā)明有效減少了數(shù)據(jù)計(jì)算量和交互量， 提高了資源利用率和數(shù)據(jù)可用性。
武漢大學(xué)
2021-04-13
一種整合主觀和客觀評(píng)估的需求優(yōu)先級(jí)排序方法及系統(tǒng)
一種整合主觀和客觀評(píng)估的需求優(yōu)先級(jí)排序方法及系統(tǒng)，包括確定需求對(duì)與相對(duì)優(yōu)先級(jí)的排序，得 到已排序需求對(duì);確定針對(duì)軟件屬性的需求重要性排序;進(jìn)行需求主觀重要性評(píng)估，利用機(jī)器學(xué)習(xí)得到 需求初始優(yōu)先級(jí);進(jìn)行需求客觀影響力評(píng)估，包括根據(jù)業(yè)務(wù)流程圖，構(gòu)造需求依賴關(guān)系網(wǎng)絡(luò)拓?fù)鋱D，并 在依賴關(guān)系網(wǎng)絡(luò)拓?fù)鋱D基礎(chǔ)上計(jì)算需求影響力;根據(jù)調(diào)節(jié)因子，整合需求初始優(yōu)先級(jí)和需求影響力，生 成需求最終優(yōu)先級(jí)。本發(fā)明通過(guò)構(gòu)造軟件屬性樹(shù)，簡(jiǎn)化針對(duì)單個(gè)軟件屬性的需求重要性信息收集過(guò)程， 利用機(jī)器學(xué)習(xí)訓(xùn)練屬性權(quán)重，為計(jì)算需求初始優(yōu)先級(jí)提供支持;同時(shí)兼顧到需求之間依賴關(guān)系對(duì)需求優(yōu) 先級(jí)的影響，使評(píng)估結(jié)果更準(zhǔn)確。
武漢大學(xué)
2021-04-13
業(yè)大學(xué).jpg){kind=logo}
一種鮮切果蔬的常溫常壓等離子體殺菌裝置
本實(shí)用新型提供了一種鮮切果蔬的常溫常壓等離子體殺菌裝置，包括絕緣材料介質(zhì)板的箱體、小箱體、套管，等離子體發(fā)射裝置、等離子體發(fā)生器、擱物容器、調(diào)節(jié)旋鈕等部分；箱體內(nèi)設(shè)有小箱體，小箱體底部設(shè)有可以調(diào)節(jié)高度的調(diào)節(jié)旋鈕；等離子體發(fā)射裝置設(shè)置有電源開(kāi)關(guān)、功率調(diào)節(jié)旋鈕、時(shí)間調(diào)節(jié)旋鈕，通過(guò)線路穿過(guò)設(shè)有絕緣材料套管進(jìn)入小箱體，與常溫常壓等離子體發(fā)生器相連，等離子體發(fā)生器電極板上設(shè)有10?20個(gè)的針頭式發(fā)射電極，通過(guò)調(diào)節(jié)旋鈕實(shí)現(xiàn)極距的調(diào)節(jié)，下極板上方放置盛放鮮切果蔬的擱物容器。本實(shí)用新型裝置結(jié)構(gòu)簡(jiǎn)單，操作方便，在殺菌過(guò)程中保持了果蔬原有的色香味及營(yíng)養(yǎng)成分。
青島農(nóng)業(yè)大學(xué)
2021-04-13
一種Au?Pd/TiO2 NBs光催化劑的制備方法
本發(fā)明公開(kāi)了一種Au?Pd/TiO2NBs光催化劑的制備方法，步驟如下：將鈦片作為基體，對(duì)鈦片進(jìn)行陽(yáng)極氧化處理制備TiO2NBs，陽(yáng)極氧化前，鈦片分別在乙醇和丙酮中超聲清洗，然后酸洗，而后用去離子水沖洗干燥，陽(yáng)極氧化采用兩電極體系，在空氣中煅燒；對(duì)步驟一制備的TiO2NBs進(jìn)行Au?Pd雙金屬納米粒子修飾，采用三電極體系，氯金酸和氯化鈀水溶液為Au和Pd源，先沉積Au后沉積Pd，沉積后烘干。本發(fā)明制備的光催化劑固定于鈦基體上，避免了因回收不徹底而造成的水體污染，具有更大的可接觸表面積，便于有機(jī)污染物分子與之接觸反應(yīng)，極大的促進(jìn)了光催化降解性能，反應(yīng)條件溫和，工藝流程簡(jiǎn)單，易于控制。
青島農(nóng)業(yè)大學(xué)
2021-04-13
一種硫酸頭孢喹諾的肺靶向PLGA微球制劑及其制備方法
本發(fā)明公開(kāi)了一種硫酸頭孢喹諾的肺靶向PLGA微球制劑及其制備方法。所述靶向微球制劑是以硫酸頭孢喹諾為原料藥，以PLGA為載體，按原料藥與載體的重量比為1：5~20制得，本發(fā)明還提供了靶向微球制劑的制備方法。本發(fā)明的有益效果是：所制備的微球包封率在60%以上，85%以上的微球粒徑分布在7~35um范圍內(nèi)，因此微球制劑可靶向富集到肺部，有效提高藥物的療效，降低藥物的毒副作用；同時(shí)可延長(zhǎng)藥物在肺部的滯留時(shí)間，維持血藥濃度平穩(wěn)，起到長(zhǎng)效的作用。
青島農(nóng)業(yè)大學(xué)
2021-04-13
一種黃曲霉毒素的沸騰式等離子體降解裝置
本實(shí)用新型提供了一種黃曲霉毒素的沸騰式等離子體降解裝置，所述黃曲霉毒素的沸騰式等離子體降解裝置設(shè)有等離子發(fā)射器、等離子體發(fā)生器、鼓風(fēng)機(jī)及控制面板。本實(shí)用新型提供了一種黃曲霉毒素的沸騰式等離子體降解裝置，主要用于糧食表面黃曲霉毒素的降解，可以快速地降解每粒糧食表面的黃曲霉毒素，降解過(guò)程低溫、無(wú)溶劑殘留，無(wú)環(huán)境污染，且能保護(hù)糧食中的營(yíng)養(yǎng)成分不被破壞。
青島農(nóng)業(yè)大學(xué)
2021-04-13
.jpg){kind=logo}
一種基于CMA-ES優(yōu)化算法設(shè)計(jì)聲學(xué)超材料單元的方法
本發(fā)明公開(kāi)了一種基于CMA?ES優(yōu)化算法設(shè)計(jì)聲學(xué)超材料單元的方法，該方法將CMA?ES優(yōu)化算法和有限元分析方法集合，CMA?ES優(yōu)化算法可以對(duì)0?1排布的陣列進(jìn)行優(yōu)化，每一個(gè)尺寸維度的0?1陣列，都對(duì)應(yīng)一種聲學(xué)超材料單元結(jié)構(gòu)，其中，0和1分別代表由空氣或光敏樹(shù)脂構(gòu)成的聲學(xué)單元結(jié)構(gòu)的子單元；在優(yōu)化過(guò)程中，每一個(gè)聲學(xué)超材料單元結(jié)構(gòu)的等效折射率和阻抗值可以通過(guò)有限元分析方法分析提取，作為CMA?ES優(yōu)化算法中適應(yīng)度函數(shù)的變量；通過(guò)對(duì)適應(yīng)度函數(shù)的值進(jìn)行優(yōu)化，最終可以得到最優(yōu)的、滿足設(shè)計(jì)要求的聲學(xué)超材料單元結(jié)
東南大學(xué)
2021-04-14
融合擴(kuò)張觀測(cè)器的超臨界火電機(jī)組機(jī)爐協(xié)調(diào)控制方法
本發(fā)明公開(kāi)了一種融合擴(kuò)張觀測(cè)器的超臨界火電機(jī)組機(jī)爐協(xié)調(diào)控制方法。首先根據(jù)1000MW超臨界火電機(jī)組的非線性模型，基于非線性分析的方法在機(jī)組的不同工況點(diǎn)建立多個(gè)局部線性模型。之后采用該組局部線性模型，設(shè)計(jì)了一種融合擴(kuò)張狀態(tài)觀測(cè)器的多模型預(yù)測(cè)控制器(MMPC)。通過(guò)擴(kuò)張狀態(tài)觀測(cè)器的引入，估計(jì)并補(bǔ)償了機(jī)組在不同通道內(nèi)的擾動(dòng)及模型不確定性，提升了預(yù)測(cè)控制器的擾動(dòng)抑制性能。本發(fā)明的算法能在保證控制系統(tǒng)全局穩(wěn)定的前提下實(shí)現(xiàn)機(jī)組負(fù)荷的大范圍跟蹤，并且具有良好的擾動(dòng)抑制性能。
東南大學(xué)
2021-04-14