-
公开(公告)号：CN120047721A
公开(公告)日：2025-05-27
申请号：CN202510012475.0
申请日：2025-01-06
Applicant: 河南工程学院
IPC: G06V10/764 , G01N21/17 , G01N21/25 , G01S13/89 , G01S7/41 , G06V10/82 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/762 , G06V20/10 , G06V20/13 , G06V20/17 , G06V10/72 , G06V10/10 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N3/0895 , G06N5/04 , G06N3/098 , G06V10/94 , G06V10/96 , G06N3/0495 , G06N3/082 , G06N3/096
Abstract: 本发明公开了基于深度学习多模态融合的高分辨率遥感图像精准分类系统及方法，S1：多模态数据预处理与融合优化S1.1：标准化与归一化：对不同模态的遥感数据进行标准化和归一化处理，消除不同模态间因分辨率、光谱范围等差异带来的影响。对于光学图像，可以通过直方图均衡化增强对比度。通过采用了多模态数据的优化预处理、深度融合模型设计、自动化标注与半监督学习、轻量化模型与硬件加速技术、以及增强可解释性的策略，旨在解决现有方法中存在的数据异质性、计算效率、过拟合、标注困难、实时性和可解释性等问题。通过这些优化，系统能够在保持高分类精度的同时，提高计算效率、减少人工干预，并增强模型的透明度和泛化能力，满足实际应用需求。
-
公开(公告)号：CN120014494A
公开(公告)日：2025-05-16
申请号：CN202510094228.X
申请日：2025-01-21
Applicant: 河南工程学院
IPC: G06V20/17 , G06V10/28 , G06V10/26 , G06V10/84 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像识别技术领域，具体涉及基于深度学习实现遥感影像目标检测方法及系统，包括：获取遥感影像中的确定框和不确定框，以任意一个确定框和不确定框组成一个框对，从所有框对中筛选出若干个保留框对，对每个保留框对中的不确定框进行旋转和缩放操作，获取最终不确定框，根据最终不确定框与确定框之间的差异，获取不确定框的目标概率调整系数，结合目标概率，从所有保留框对中的不确定框中筛选出若干个确定框，以遥感影像中的所有确定框作为遥感影像中的目标检测区域。本发明通过确定框和不确定框的对比分析，对可能存在漏检的不确定框进一步判断，提高了遥感影像中的目标检测的准确性。
-
公开(公告)号：CN113990454A
公开(公告)日：2022-01-28
申请号：CN202111255685.0
申请日：2021-10-27
Applicant: 河南工程学院
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于联邦学习和特征提取的恶意行为识别方法。该方法包括各个医院训练自己的语义分割网络以得到对应语义分割网络的第一准确率，以第一准确率最大的语义分割网络的网络参数为初始值，依次对每个医院的语义分割网络进行网络训练和网络参数的更新，同时将每个语义分割网络训练后的新网络参数、损失函数值以及该语义分割网络在所有医院训练集上的第二准确率都存储在对应医院生成的区块中；根据区块中存储的数据获取每个医院的训练集异常程度，由训练集异常程度识别恶意行为。对每个医院的语义分割网络进行特征提取，来分析各医院之间的训练集差异情况，从而识别恶意行为。
-
公开(公告)号：CN108665001A
公开(公告)日：2018-10-16
申请号：CN201810446859.3
申请日：2018-05-10
Applicant: 河南工程学院
Abstract: 本发明涉及一种基于深度置信网络的跨被试空闲态检测方法，意在解决异步BCI系统中跨被试运动想象脑电信号的空闲态难以准确、快速检测的问题；通过对多个目标被试会话数据的采集构成跨被试训练集，定义各类检测状态后经由训练过程获取高维样本，利用共空间模式方法和功率谱特征特征映射方法得到最终的样本特征；利用深度置信网络作为分类器模型，将样本特征作为输入，配置合理参数，训练深度神经网络，根据最终的网络模型针对待测数据实施分类检测，准确识别脑电信号的空闲态。
-
公开(公告)号：CN107454068A
公开(公告)日：2017-12-08
申请号：CN201710599561.1
申请日：2017-07-21
Applicant: 河南工程学院
Abstract: 本发明涉及一种结合免疫危险理论的蜜网安全态势感知方法，对进入/流出蜜网的数据包认为是恶意流量，对其中账户、数据与服务等信息的操作，包括窃取、篡改、删除等行为作为免疫危险理论的输入信号予以映射，并结合映射的抗原信息，利用免疫危险理论计算获得反映整个蜜网遭袭程度的全局威胁度值，并直观映射网络安全态势；本发明针对目前蜜网数据融合方法的不足，提出结合免疫危险理论的蜜网安全态势感知方法，在面对远程扫描、拒绝服务攻击、软件及操作系统漏洞等典型网络威胁时，能够准确反映蜜网遭袭强度，实施有效的态势感知与安全预警。
-
Patent Agency Ranking
公开(公告)号：CN107454068B
公开(公告)日：2020-05-15
申请号：CN201710599561.1
申请日：2017-07-21
Applicant: 河南工程学院
Abstract: 本发明涉及一种结合免疫危险理论的蜜网安全态势感知方法，对进入/流出蜜网的数据包认为是恶意流量，对其中账户、数据与服务等信息的操作，包括窃取、篡改、删除等行为作为免疫危险理论的输入信号予以映射，并结合映射的抗原信息，利用免疫危险理论计算获得反映整个蜜网遭袭程度的全局威胁度值，并直观映射网络安全态势；本发明针对目前蜜网数据融合方法的不足，提出结合免疫危险理论的蜜网安全态势感知方法，在面对远程扫描、拒绝服务攻击、软件及操作系统漏洞等典型网络威胁时，能够准确反映蜜网遭袭强度，实施有效的态势感知与安全预警。
-
公开(公告)号：CN109857983A
公开(公告)日：2019-06-07
申请号：CN201811631005.9
申请日：2018-12-29
Applicant: 河南工程学院
Abstract: 本发明提出了一种面向超大城市的餐饮场馆热度分析方法，其步骤如下：选择目标超大城市；选择数据来源；原始分析所有样本数据，在多种类别因素中选择主要类别因素；对主要类别因素的原始数据进行数据检验和数据变换；建立线性回归模型，对线性回归模型进行优化，获得调优后的回归模型；通过数据变换的反变换将调优后的回归模型还原，获取目标超大城市的餐饮场馆热度与多种类型因素间相互依赖的定量关系。本发明验证了餐厅综合体验以及群体效应对餐厅的热度影响最大，对于超大城市中餐厅的选址、运营模式、消费升级等具有良好的参考意义，能够为城市区域发展规划和餐饮格局优化提供借鉴，从而促进超大城市餐饮行业的良性可持续发展。
-
公开(公告)号：CN106441164A
公开(公告)日：2017-02-22
申请号：CN201610944461.3
申请日：2016-11-02
Applicant: 河南工程学院
CPC classification number: G01B11/26 , G01B7/30 , G01B11/2408
Abstract: 本发明公开了产品测量技术领域的一种基于计算机图像识别技术的产品测量系统，包括图像识别子系统，所述图像识别子系统分别电性输出连接位置信息采集子系统、角度信息采集子系统和圆度信息采集子系统，所述位置信息采集子系统、角度信息采集子系统和圆度信息采集子系统均电性输出连接中央处理器，该基于计算机图像识别技术的产品测量系统，通过图像识别子系统对待测物品的图像进行拍摄，待测物品在传送带上的形态、位置和距离可能都不一样，该种方式对待测物品的测量更加准确，对待测物体的状态要求更低，使得测量效率提高。
-
公开(公告)号：CN109857983B
公开(公告)日：2022-09-30
申请号：CN201811631005.9
申请日：2018-12-29
Applicant: 河南工程学院
Abstract: 本发明提出了一种面向超大城市的餐饮场馆热度分析方法，其步骤如下：选择目标超大城市；选择数据来源；原始分析所有样本数据，在多种类别因素中选择主要类别因素；对主要类别因素的原始数据进行数据检验和数据变换；建立线性回归模型，对线性回归模型进行优化，获得调优后的回归模型；通过数据变换的反变换将调优后的回归模型还原，获取目标超大城市的餐饮场馆热度与多种类型因素间相互依赖的定量关系。本发明验证了餐厅综合体验以及群体效应对餐厅的热度影响最大，对于超大城市中餐厅的选址、运营模式、消费升级等具有良好的参考意义，能够为城市区域发展规划和餐饮格局优化提供借鉴，从而促进超大城市餐饮行业的良性可持续发展。
-
公开(公告)号：CN108665001B
公开(公告)日：2020-10-27
申请号：CN201810446859.3
申请日：2018-05-10
Applicant: 河南工程学院
Abstract: 本发明涉及一种基于深度置信网络的跨被试空闲态检测方法，意在解决异步BCI系统中跨被试运动想象脑电信号的空闲态难以准确、快速检测的问题；通过对多个目标被试会话数据的采集构成跨被试训练集，定义各类检测状态后经由训练过程获取高维样本，利用共空间模式方法和功率谱特征特征映射方法得到最终的样本特征；利用深度置信网络作为分类器模型，将样本特征作为输入，配置合理参数，训练深度神经网络，根据最终的网络模型针对待测数据实施分类检测，准确识别脑电信号的空闲态。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
