-
公开(公告)号：CN109849802A
公开(公告)日：2019-06-07
申请号：CN201910270999.4
申请日：2019-04-04
Applicant: 成都信息工程大学
IPC: B60R11/02
Abstract: 本发明公开了一种车载可移动式计算机支架，涉及计算机技术领域。该发明包括支架本体，支架本体上表面开有放置槽，放置槽内部固定有松紧带，松紧带一端固定有卡块，放置槽一侧开有卡槽，支架本体一侧开有固定槽，支架本体底部固定有若干滑槽，滑槽内部滑动连接有滑块，滑块两侧开有活动槽，活动槽内部固定有卡杆，卡杆外侧滚动连接有滚珠，滑块一侧固定有连接杆，连接杆一端固定有调节杆，调节杆外侧固定有限位板。本发明通过加长板的作用，在使用时结构合理，操作简单，使键盘和鼠标等外设有足够的地方安放，以此提高使用者的工作效率，且收起放置板和加长板时其体积较小，便于随身携带。
-
公开(公告)号：CN108962267A
公开(公告)日：2018-12-07
申请号：CN201810742980.0
申请日：2018-07-09
Applicant: 成都信息工程大学
IPC: G10L19/018
Abstract: 本发明涉及一种基于哈希特征的加密语音内容认证方法，其包括：输入原始语音后，通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音，对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换，通过比较低频DCT系数的均值和方差来计算哈希特征，利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中；然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音，从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性，可以准确定位篡改语音帧，在实际应用中适用范围更广。
-
公开(公告)号：CN108636260A
公开(公告)日：2018-10-12
申请号：CN201810428330.9
申请日：2018-05-07
Applicant: 成都信息工程大学
CPC classification number: B01F11/0025 , B01F11/0008 , B01F15/00071 , B01F15/00772 , B01F2215/0032
Abstract: 本发明涉及一种医疗用药剂摇匀设备，其包括机体、外壳体、内壳体和放置箱；所述机体底部设置支撑底座，所述支撑底座上表面两侧固定焊接支撑臂，所述支撑臂之间设置外壳体；所述支撑臂上端安装驱动转盘，所述驱动转盘后侧焊接第二工作电机，所述外壳体内部设置内壳体，所述内壳体两侧壁上部焊接连接座，所述连接座远离所述内壳体一侧焊接外壳体；所述内壳体内部环形分布多个放置箱。本发明能够实现对药剂的充分的混摇，从而使得药剂的药效更好的作用于患者，同时本发明能够避免药剂瓶进行充分的保护，避免药剂瓶破碎，安全性更好。
-
公开(公告)号：CN118885907A
公开(公告)日：2024-11-01
申请号：CN202410900776.2
申请日：2024-07-05
Applicant: 成都信息工程大学
IPC: G06F18/2415 , A61B5/372 , A61B5/369 , A61B5/18 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/2321 , G06F18/25 , G06F18/27 , G06N3/043 , G06N3/0464 , G06N3/045 , G06N5/048 , G06N3/048
Abstract: 本发明公开了基于深度多特征TSK模糊系统的疲劳驾驶检测方法，涉及安全驾驶技术领域，包括：S1、采集驾驶员的脑电信号，并进行数据模糊化处理，得到模糊集合；S2、使用全局模糊模块对模糊集合进行特征提取，分别得到时间特征、空间特征以及频域特征；S3、将时间特征、空间特征以及频域特征通过线性层降维后进行拼接，得到拼接后的特征；S4、根据拼接后的特征，使用TSK模糊系统计算驾驶员的疲劳水平，并基于驾驶员的疲劳水平，完成疲劳驾驶检测，本方法使用模糊系统对模糊数据进行计算，可灵活适应不同的驾驶场景或任务。
-
公开(公告)号：CN118000664A
公开(公告)日：2024-05-10
申请号：CN202410101569.0
申请日：2024-01-24
Applicant: 成都信息工程大学
IPC: A61B5/00 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464 , A61B5/369 , A61B5/372
Abstract: 本发明公开了一种基于多尺度时间残差收缩网络的睡眠分期模型构建方法，属于睡眠质量评估的技术领域，其包括将获取的EEG睡眠信号划分为EEG睡眠信号片段序列，并输入多尺度卷积模块中，提取EEG睡眠信号中的高频特征和低频特征；将提取的高频特征和低频特征输入注意力特征融合模块中进行特征融合，输出EEG睡眠信号融合特征；将EEG睡眠信号融合特征输入时间残差收缩模块中，并输出EEG睡眠信号状态特征；将EEG睡眠信号状态特征输入具有softmax激活函数的全连接层进行分类决策，得到睡眠阶段的分类结果。本发明能够优化睡眠分期性能，具有更好的分期准确性，在分类准确率等多个整体性能方面优于现有技术。
-
Patent Agency Ranking
公开(公告)号：CN117237858B
公开(公告)日：2024-03-12
申请号：CN202311518839.X
申请日：2023-11-15
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种回环检测方法，属于回环检测技术领域，为了提高回环检测的精度，所述回环检测方法包括：S1：利用胶囊网络提取原始图像当前帧的特征向量和历史帧的特征向量；S2：计算所述当前帧的特征向量和所述历史帧的特征向量之间的相似度；S3：利用相似度得分矩阵选取相似度得分较高的前K个帧；S4：分别计算当前帧与所述前K个帧的图像序列相似度；S5：根据最大图像序列相似度确定回环检测结果。本发明能够提高回环检测的精度。
-
公开(公告)号：CN116807479A
公开(公告)日：2023-09-29
申请号：CN202311086072.8
申请日：2023-08-28
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多模态深度神经网络的驾驶注意力检测方法，属于驾驶注意力检测技术领域，为了解决现有驾驶注意力检测过程中用单一模态的指标去进行检测的可靠性不足的技术问题，包括：S1：获取原始公开数据集中的脑电数据和眼电数据；S2：分别对所述脑电数据和所述眼电数据进行预处理，得到预处理后的眼电数据和预处理后的脑电数据；S3：根据所述预处理后的眼电数据和所述预处理后的脑电数据，对多模态深度神经网络进行训练，得到训练好的多模态深度神经网络；S4：利用所述训练好的多模态深度神经网络对驾驶输入图像进行注意力检测，得到驾驶注意力检测结果。本发明能够有效地提升检测结果的准确性。
-
公开(公告)号：CN116736978A
公开(公告)日：2023-09-12
申请号：CN202310673992.3
申请日：2023-06-07
Applicant: 成都信息工程大学
IPC: G06F3/01 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于BPR‑STNet的跨被试游戏玩家专业水平分类方法，包括：S1、获取游戏玩家的EEG信号原始数据，并对其进行预处理，构建EEG信号序列；S2、利用训练好的基于BPR‑STNet的专业水平分类模型对EEG信号序列进行处理，识别游戏玩家专业水平；S3、基于游戏玩家专业水平，提取对应的关键特征并结合EEG信号序列，确定游戏玩家不同脑区贡献度的脑地形图，实现跨被试游戏玩家专业水平分类。本发明提供的专业水平分类模型，可以充分学习EEG信号中的时空特征，得出了γ频段是跨被试水平分类效果，发现专业水平游戏玩家的大脑活动对模型决策影响最大的区域是顶叶区和颞叶区；进而实现准确的跨被试分类。
-
公开(公告)号：CN110633734A
公开(公告)日：2019-12-31
申请号：CN201910776915.4
申请日：2019-08-22
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于图论相关理论进行异常检测的方法，包括该方法具体包括以下步骤：第一步，将原始数据集进行聚类操作，将数据集分割成不同的簇；第二步，计算出原始数据集的均值密度，将原数据集均值密度作为阈值与簇密度比较对数据集进行精简；第三步，对数据集进行特征提取和空间距离计算并对结果进行数据化操作第四步，将有效检测的数据簇的所有数据点按计算出来的权重值分配构建无向连通图；第五步，采用弗洛伊德算法查找相应簇的最短路径。在对于数据集的预处理上，本发明采取了二次精简数据集的办法，以不同的基准信息来对数据集进行降维操作，可以有效地减少大量无用数据集，极大程度的减少了异常检测过程的时间复杂度和空间复杂度。
-
公开(公告)号：CN119293594A
公开(公告)日：2025-01-10
申请号：CN202411451278.0
申请日：2024-10-17
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06N3/042 , G06N3/0464 , G06F18/25
Abstract: 本发明提出了一种基于卷积神经网络的SSVEP分类方法，涉及数据处理技术领域，包括：S1、获取原始SSVEP信号，利用ICEEMDAN算法将SSVEP信号进行集合经验模态分解为本征模态函数；S2、将分解得到的本征模态函数输入到基于图卷积网络的时间特征提取器进行时间特征数据提取；S3、将步骤S2提取得到的时间特征数据输入基于图卷积网络的空间特征提取器进行空间特征数据提取；S4、通过压缩激励函数对特征提取后的数据进行特征融合，根据融合后的数据的特征进行分类以得到分类结果；本发明能够显著提高分类准确率和信息传输速率，降低噪声和伪影的影响。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.023 seconds)
