-
公开(公告)号：CN110751248B
公开(公告)日：2021-05-11
申请号：CN201911033349.4
申请日：2019-10-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于双向分段查询的RFID防碰撞方法，所述方法为了解决树型RFID防碰撞算法中查询时隙过多，系统吞吐率高以及数据传输量大的问题，提出双向查询以及分段点的设计。根据阅读器的查询命令状态响应部分ID，完全消除了空闲时隙，减少了查询时隙，极大地节省了系统开销。不仅减少了总时隙数，通信复杂度也大大减小。系统吞吐率在查询树算法的基础上提升了近一倍，显著优于现有的RFID防碰撞算法。系统消耗的能量也较少，搭建与维护的开销较低，是树型RFID防碰撞算法的一种高效变体，具有广泛的理论与实用价值。
-
公开(公告)号：CN110309686A
公开(公告)日：2019-10-08
申请号：CN201910628223.5
申请日：2019-07-12
IPC: G06K7/10
Abstract: 本发明涉及一种RFID防碰撞算法。特别是一种基于等区域划分的RFID防碰撞算法。主要针对目前大规模标签应用场景中标签增多所带来的系统稳定性差的问题，及通信过程中的吞吐率低下的问题。提出一种基于等区域划分的RFID防碰撞算法(BEAD)，包括一种等区域分组结构及一种最优时隙数优化算法，该算法通过对阅读器识别范围内的标签进行均等区域划分建立了一种新型的分组结构，并在每个组中分别使用动态预测权值估计标签数目，将其与最优时隙数调整方案结合起来进而对标签进行高效快速的识别。
-
公开(公告)号：CN110851645B
公开(公告)日：2022-09-13
申请号：CN201911089274.1
申请日：2019-11-08
Applicant: 吉林大学
IPC: G06F16/583 , G06V10/40 , G06V10/774
Abstract: 本发明公开了一种基于深度度量学习下相似性保持的图像检索方法，所述方法通过对具有代表性信息的样本对进行选择以及学习相似样本与查询图片的距离来保持内部的相似性结构，并根据正负样本对周围样本的分布情况设置不同的权重进行学习以保持其相似结构的一致性，从而更准确地提取图像特征。本发明将结构保持和正负样本挖掘理论引入到图像检索中，根据正样本与查询图片的欧式距离以及负样本周围样本的分布情况调整网络参数，能够更全面的学习图像特征从而进行更准确的检索。本发明充分考虑了正样本和负样本的分布情况对实验的影响，可以根据模型的训练效果对正样本和负样本的数量及选择进行调整。
-
公开(公告)号：CN110349673B
公开(公告)日：2022-08-05
申请号：CN201910570304.4
申请日：2019-06-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于高斯混合分布的群体体质评估方法，所述方法包括如下步骤：步骤1：将未标记的体育测试数据随机分成若干段作为测试数据与训练数据；步骤2：对步骤1中的各段测试数据与训练数据进行预处理操作；步骤3：使用非监督学习算法提取各组特征数据；步骤4：拟合步骤3得到的各组特征数据，判断混合分布的个数；步骤5：利用EM算法计算各混合分布的权重、均值；步骤6：建立三级评价模型，将步骤4与步骤5的观察和计算结果代入三级评价模型和群体体质评估量化公式中，得出等级和评分结果。本发明完全独立于个体体质评价结果，不需要依靠个体评价的结果，即得出群体体质评估结果。
-
公开(公告)号：CN110851645A
公开(公告)日：2020-02-28
申请号：CN201911089274.1
申请日：2019-11-08
Applicant: 吉林大学
IPC: G06F16/583 , G06K9/46 , G06K9/62
Abstract: 本发明公开了一种基于深度度量学习下相似性保持的图像检索方法，所述方法通过对具有代表性信息的样本对进行选择以及学习相似样本与查询图片的距离来保持内部的相似性结构，并根据正负样本对周围样本的分布情况设置不同的权重进行学习以保持其相似结构的一致性，从而更准确地提取图像特征。本发明将结构保持和正负样本挖掘理论引入到图像检索中，根据正样本与查询图片的欧式距离以及负样本周围样本的分布情况调整网络参数，能够更全面的学习图像特征从而进行更准确的检索。本发明充分考虑了正样本和负样本的分布情况对实验的影响，可以根据模型的训练效果对正样本和负样本的数量及选择进行调整。
-
Patent Agency Ranking
公开(公告)号：CN110751248A
公开(公告)日：2020-02-04
申请号：CN201911033349.4
申请日：2019-10-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于双向分段查询的RFID防碰撞方法，所述方法为了解决树型RFID防碰撞算法中查询时隙过多，系统吞吐率高以及数据传输量大的问题，提出双向查询以及分段点的设计。根据阅读器的查询命令状态响应部分ID，完全消除了空闲时隙，减少了查询时隙，极大地节省了系统开销。不仅减少了总时隙数，通信复杂度也大大减小。系统吞吐率在查询树算法的基础上提升了近一倍，显著优于现有的RFID防碰撞算法。系统消耗的能量也较少，搭建与维护的开销较低，是树型RFID防碰撞算法的一种高效变体，具有广泛的理论与实用价值。
-
公开(公告)号：CN109978099A
公开(公告)日：2019-07-05
申请号：CN201910256879.9
申请日：2019-04-01
Abstract: 本发明涉及一种结合人脸识别技术和无线射频识别技术的认证匹配终端，特别是一种基于人脸识别和RFID的学生身份匹配终端。本发明采用模块化设计，主要包括主控模块、RFID读写模块、人脸识别模块、接口模块以及语音模块，RFID技术的实现是将RFID芯片嵌入在手环的形式佩戴在每个学生的手上，在终端中嵌入RFID读写模块，通过RFID读写模块对手环中芯片特有的标签进行识别，人脸识别技术的实现是将人脸识别模块嵌入到终端，在进行RFID识别手环的同时对学生进行人脸识别，达到学生身份匹配的目的。
-
公开(公告)号：CN110309686B
公开(公告)日：2023-05-23
申请号：CN201910628223.5
申请日：2019-07-12
IPC: G06K7/10
Abstract: 本发明涉及一种RFID防碰撞方法。特别是一种基于等区域划分的RFID防碰撞方法。主要针对目前大规模标签应用场景中标签增多所带来的系统稳定性差的问题，及通信过程中的吞吐率低下的问题。提出一种基于等区域划分的RFID防碰撞方法(BEAD)，包括一种等区域分组结构及一种最优时隙数优化算法，该算法通过对阅读器识别范围内的标签进行均等区域划分建立了一种新型的分组结构，并在每个组中分别使用动态预测权值估计标签数目，将其与最优时隙数调整方案结合起来进而对标签进行高效快速的识别。
-
公开(公告)号：CN110866134B
公开(公告)日：2022-08-05
申请号：CN201911089272.2
申请日：2019-11-08
Applicant: 吉林大学
IPC: G06F16/535 , G06F16/58 , G06N3/04 , G06N3/08 , G06F16/55
Abstract: 本发明公开了一种面向图像检索的分布一致性保持度量学习方法，所述方法通过一种新颖的样本挖掘和类内难样本挖掘方法，选择有代表性的样本，在提高收敛速度的同时获取更丰富的信息；类内容易样本和难样本的比例为选取的难样本赋予动态权重，以学习类内数据结构特征，对于负样本，根据其周围样本的分布情况设置不同的权重进行学习以保持其相似结构的一致性，从而更准确地提取图像特征。本发明充分考虑了正样本和负样本的分布情况对实验的影响，可以根据模型的训练效果对正样本和负样本的数量及选择进行调整。
-
公开(公告)号：CN110866134A
公开(公告)日：2020-03-06
申请号：CN201911089272.2
申请日：2019-11-08
Applicant: 吉林大学
IPC: G06F16/535 , G06F16/58 , G06N3/04 , G06N3/08 , G06F16/55
Abstract: 本发明公开了一种面向图像检索的分布一致性保持度量学习方法，所述方法通过一种新颖的样本挖掘和类内难样本挖掘方法，选择有代表性的样本，在提高收敛速度的同时获取更丰富的信息；类内容易样本和难样本的比例为选取的难样本赋予动态权重，以学习类内数据结构特征，对于负样本，根据其周围样本的分布情况设置不同的权重进行学习以保持其相似结构的一致性，从而更准确地提取图像特征。本发明充分考虑了正样本和负样本的分布情况对实验的影响，可以根据模型的训练效果对正样本和负样本的数量及选择进行调整。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
