-
公开(公告)号：CN110909396B
公开(公告)日：2020-08-21
申请号：CN201910972860.4
申请日：2019-10-14
Abstract: 本发明公开了一种计算机信息安全保护装置，具体涉及计算机设备技术领域，包括桌板，所述桌板底部两侧分别固定设置有第一支撑柜和第二支撑柜，所述桌板顶部设置有显示屏，所述显示屏输出端连接有主机，所述主机设置在第二支撑柜内部，所述第二支撑柜外侧设置有主机防护机构，所述桌板底部设置有键盘防护机构。本发明通过设置有主机防护机构和键盘防护机构，可以通过防护门上的按键槽直接按动主机的开机键，从而不需要打开防护门便可以开机，提高了开机效率，通过第一指纹密码锁和第二指纹密封锁可以有效对主机和键盘进行防护，与现有技术相比，可以有效对键盘和主机进行防护，且自动化程度高，操作便捷，且开机不用进行验证，提高操作效率。
-
公开(公告)号：CN110909396A
公开(公告)日：2020-03-24
申请号：CN201910972860.4
申请日：2019-10-14
Abstract: 本发明公开了一种计算机信息安全保护装置，具体涉及计算机设备技术领域，包括桌板，所述桌板底部两侧分别固定设置有第一支撑柜和第二支撑柜，所述桌板顶部设置有显示屏，所述显示屏输出端连接有主机，所述主机设置在第二支撑柜内部，所述第二支撑柜外侧设置有主机防护机构，所述桌板底部设置有键盘防护机构。本发明通过设置有主机防护机构和键盘防护机构，可以通过防护门上的按键槽直接按动主机的开机键，从而不需要打开防护门便可以开机，提高了开机效率，通过第一指纹密码锁和第二指纹密封锁可以有效对主机和键盘进行防护，与现有技术相比，可以有效对键盘和主机进行防护，且自动化程度高，操作便捷，且开机不用进行验证，提高操作效率。
-
公开(公告)号：CN114010208B
公开(公告)日：2023-09-08
申请号：CN202111311799.2
申请日：2021-11-08
Applicant: 成都信息工程大学
Abstract: 本发明公开一种适用于SSVEP分类的零填充频域卷积神经网络方法，应用于脑电信号处理领域，针对现有技术对SSVEP和SSVEP子类的SSMVEP脑电信号的分类准确率和信息传输速率较低的问题；本发明首先使用脑电采集设备采集人体大脑枕部九个电极的SSVEP脑电信号；其次对脑电信号进行预处理；之后在时域对预处理后的脑电信号进行补零填充，提取九个通道的SSVEP信号的功率谱密度中感兴趣的基频频带和二次谐波频带组合成一个特征矩阵；最后将该特征矩阵作为CNN深度学习模型的输入，使用非线性变换对不同类别的SSVEP信号进行识别；采用本发明的方法能获得较高的分类准确率。
-
公开(公告)号：CN114010208A
公开(公告)日：2022-02-08
申请号：CN202111311799.2
申请日：2021-11-08
Applicant: 成都信息工程大学
Abstract: 本发明公开一种适用于SSVEP分类的零填充频域卷积神经网络方法，应用于脑电信号处理领域，针对现有技术对SSVEP和SSVEP子类的SSMVEP脑电信号的分类准确率和信息传输速率较低的问题；本发明首先使用脑电采集设备采集人体大脑枕部九个电极的SSVEP脑电信号；其次对脑电信号进行预处理；之后在时域对预处理后的脑电信号进行补零填充，提取九个通道的SSVEP信号的功率谱密度中感兴趣的基频频带和二次谐波频带组合成一个特征矩阵；最后将该特征矩阵作为CNN深度学习模型的输入，使用非线性变换对不同类别的SSVEP信号进行识别；采用本发明的方法能获得较高的分类准确率。
-
公开(公告)号：CN111797674B
公开(公告)日：2022-05-10
申请号：CN202010278235.2
申请日：2020-04-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于特征融合和粒子群优化算法的MI脑电信号识别方法，包括以下步骤：S1、采集MI脑电信号，并对采集到的MI脑电信号进行带通滤波，随后通过小波软阈值法进行去噪操作，并提取脑电特征信号；S2、采用PSO‑RF对脑电特征信号进行特征筛选。本发明结合了带通滤波、小波去噪、通道筛选、特征提取、特征融合、特征选择以及模式分类，对这七部分进行了有效的整合，最终得到的集成分类器能够达到98.34％的平均正确率，且AUC值和F‑score也都表现优异，因此能够达到精确运动想象分类的目的。
-
Patent Agency Ranking
公开(公告)号：CN111797674A
公开(公告)日：2020-10-20
申请号：CN202010278235.2
申请日：2020-04-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于特征融合和粒子群优化算法的MI脑电信号识别方法，包括以下步骤：S1、采集MI脑电信号，并对采集到的MI脑电信号进行带通滤波，随后通过小波软阈值法进行去噪操作，并提取脑电特征信号；S2、采用PSO-RF对脑电特征信号进行特征筛选。本发明结合了带通滤波、小波去噪、通道筛选、特征提取、特征融合、特征选择以及模式分类，对这七部分进行了有效的整合，最终得到的集成分类器能够达到98.34％的平均正确率，且AUC值和F-score也都表现优异，因此能够达到精确运动想象分类的目的。
-
公开(公告)号：CN113243924A
公开(公告)日：2021-08-13
申请号：CN202110544789.7
申请日：2021-05-19
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于脑电信号通道注意力卷积神经网络的身份识别方法，包括以下步骤：S1、从情感脑电数据库中选择不同通道的EEG信号作为原始信号；S2、利用带通滤波器去除原始信号中的眼电伪迹信号以及工频干扰信号，得到纯净的情感脑电信号；S3、将预处理之后的情感脑电信号输入深度学习身份识别模型中，利用深度学习算法对情感脑电信号进行身份识别。本发明选用了情感EEG信号进行身份识别，情感EEG易于获取，身份识别方法更具有普适性和泛化性。本发明缩短了前层和后层之间连接的神经元数量，减轻了梯度消失问题，加强特征传播和减少网络参数更有效的利用了不同情感状态的EEG信号特征，从而有效的进行情感脑电信号的身份识别。
-
公开(公告)号：CN111353995B
公开(公告)日：2023-03-28
申请号：CN202010240762.4
申请日：2020-03-31
Applicant: 成都信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的宫颈单细胞图像数据生成方法，包括以下步骤：S1、准备包含正常细胞图像和异常细胞图像的宫颈单细胞数据集，并对宫颈单细胞数据集进行预处理；S2、模型设计：以传统的生成对抗网络为基础，在生成对抗网络模型过程中使用约束条件指导模型生成指定类别的宫颈单细胞图像。本发明的生成对抗网络由两部分组成：生成器用于捕获训练数据的分布，判别器用于判断输入数据是来自真实数据还是生成数据。模型通过这种竞争的学习方式，使生成对抗网络可以生成逼近真实的图像，提升模型表现。本发明可以通过生成器在消耗很少的时间和人力的前提下获得大量的有效数据，可以通过扩大数据集获得更高的疾病检测准确率。
-
公开(公告)号：CN111353995A
公开(公告)日：2020-06-30
申请号：CN202010240762.4
申请日：2020-03-31
Applicant: 成都信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的宫颈单细胞图像数据生成方法，包括以下步骤：S1、准备包含正常细胞图像和异常细胞图像的宫颈单细胞数据集，并对宫颈单细胞数据集进行预处理；S2、模型设计：以传统的生成对抗网络为基础，在生成对抗网络模型过程中使用约束条件指导模型生成指定类别的宫颈单细胞图像。本发明的生成对抗网络由两部分组成：生成器用于捕获训练数据的分布，判别器用于判断输入数据是来自真实数据还是生成数据。模型通过这种竞争的学习方式，使生成对抗网络可以生成逼近真实的图像，提升模型表现。本发明可以通过生成器在消耗很少的时间和人力的前提下获得大量的有效数据，可以通过扩大数据集获得更高的疾病检测准确率。
-
公开(公告)号：CN210845529U
公开(公告)日：2020-06-26
申请号：CN201921476278.0
申请日：2019-09-06
Applicant: 成都信息工程大学
IPC: B01D36/02
Abstract: 本实用新型公开了一种生活废水过滤装置,包括壳体、履带和分隔网，所述壳体的上部设置有顶板，且顶板的上部安装有进水管，壳体的底部放置有连接板，且连接板的上部开设有通孔，且通孔内安装有筛板，壳体的下部安装有过滤筒，过滤筒内部安装有旋转轴和连接轴，旋转轴和连接轴的外侧套有履带，履带的侧壁开设有凹槽，且凹槽内连接有分隔网，分隔网的上部设有滤料，过滤筒的底部安装有底板，底板的上部安装有出液管，本装置更换滤料方便，而且可将滤料分块替换，只需摇动摇杆，将旧的滤料顶出，将新的滤料安装在下部，节约时间，减轻了工作人员的劳动强度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.028 seconds)
