|
搜索
搜 索
高等教育領域數字化綜合服務平臺
抗?HCMV?特免血清篩選方法
小試階段/n抗病毒藥物治療起效慢、對新生兒發育有毒副作用，器官移植后感染很難挽救移植失敗結局。美國自抗HCMV特免血清制品Cytogan問世，使移植后感染性疾病的結局改觀：CMV感染發病率60-80%下降到7%；嚴重疾病發生率由85%降到36%；嚴重感染患者的存活率由61%升至94%；母嬰干預，挽救聽力的70%。一種篩選抗HCMV的高效價特免血清的方法，用帶eGFP的臨床毒株經，建立高通量、快速（3天）、自動化的中和抗體篩選/驗證體系，準確測定中和抗體水平，該方法經企業的血清盤得到驗證，比傳統優勢明
中國科學院大學
2021-01-12
一種新型鹵制方法
其他成果/n一種新型鹵制方法，包括：1)將待鹵制的食品原料置于不含有胡椒、陳皮、丁香、辣椒、桂皮和花椒的鹵水中鹵制，鹵制0?15min時加入胡椒、陳皮和辣椒；2)在鹵制結束前10?25min時加入丁香、桂皮、花椒，繼續進行鹵制，得到鹵制品。本發明根據鹵制過程中香辛料主效成分含量變化，明晰了各香辛料主效成分的熱穩定性和熱損失情況，進而通過適時添加香辛料的加工方式，降低香辛料主效成分熱損失，提高香辛料的利用率，實現了鹵制后各香辛料主效成分在鹵制品中附著量最大。
武漢輕工大學
2021-01-12
一種菊花栽培方法
本發明涉及一種免扦插環節的菊花栽培方法，主要包括準備插穗母株、整地做畦、畦面開溝、插穗采集、溝底定植、覆膜揭膜、平溝壅土，用于滿足簡化菊花繁殖流程、節約成本、節約生產時間的需要，該菊花栽植過程中，扦插階段與移栽過程合二為一方面均有獨到之處，通過對以未生根菊花插穗直接大田定植，可以解決菊花種苗生長周期長、移栽緩苗期長、移栽過程出現機械損傷的問題，既節省了時間，又可保證菊花苗全苗旺，該栽植過程方便、簡
青島農業大學
2021-01-12
軌道區域交通噪聲預測方法
本發明提供了一種軌道區域交通噪聲預測方法，包括：將測試系統劃分為多個測試子系統并建立其對應的子振動方程；根據多個子振動方程之間的協調關系建立總振動方程；根據振動方程及測試參數計算待測區域的聲源強；根據噪聲地圖繪制單元及聲源強，繪制待測區域對應的噪聲地圖，以便根據噪聲地圖對城市軌道區域交通噪聲進行預測，其是基于耦合系統(車輛系統、軌道系統、橋梁-樁基系統和環境土體系統)的振動響應計算聲源強，使得計算結果準確合理，且適用于各種車輛和高架軌道結構，并且本方法中將待測區域的交通噪聲繪制成噪聲地圖，通過該方式使我國城市軌道交通的噪聲管理與控制、噪聲環境影響評價、公眾參與以及方案決策變得直觀且方便。
西南交通大學
2018-09-18
指紋配準方法及裝置
1. 痛點問題
手指是三維柔性器官，在利用主流的接觸式指紋采集技術時，天然會引入皮膚變形，并且無法一次采集得到全部信息。變形給指紋識別以及指紋拼接帶來了很大挑戰。在指紋識別方面，為提高指紋識別率，通常在匹配前先使用指紋配準技術將待匹配指紋與庫指紋進行對齊，再計算匹配分數。然而變形導致配準偏差，從而影響識別率。目前的解決方案采取容忍偏差的方式，沒有精密測量手指變形，區分真假匹配指紋的能力受到很大限制。指紋拼接是將不同角度采集的指紋圖像進行拼接，得到完整指紋的技術。由于目前基于細節點匹配的方案難以準確測量指紋變形，在拼接時很容易出現脊線錯位，產生虛假特征，并遺漏真實特征，進而影響識別率。
2. 解決方案
本技術的核心在于將通信領域的一維信號相位解調技術拓展到二維指紋圖像的精確配準。基本原理為：給定兩幅指紋圖像，首先通過細節點匹配進行粗配準，然后再采用基于相位解調的方法進行精細配準。因此，該方法結合了細節點匹配適合全局對齊的優點，以及相位解調適合處理局部變形的優點，對噪聲魯棒而且速度快。本技術可用于指紋識別系統，還可用于指紋拼接模塊。
合作需求
尋求在生物特征識別領域有相關技術開發、市場推廣經驗，能推廣本技術落地的高科技企業，可以進行深度合作。
清華大學
2022-02-24
致密球形陶瓷顆粒制備方法
本發明公開了一種致密球形陶瓷顆粒制備方法，用于制造用于人體組織修復和填充材料，包括以下主要的工藝步驟：明膠2重量份、羧甲基殼聚糖1重量份、檸檬酸鈉0.6份重量，用50～80重量份的水溶解后，加入陶瓷漿料30～50重量份混合后配置成陶瓷/明膠一羧甲基殼聚糖泥漿；經去氣處理后加入到油相中，在常溫常壓環境下攪拌，使泥漿成為溶膠狀球形顆粒；再加入戊二醛水溶液使所述球形溶膠狀顆粒發生原位凝膠化過程而固化賦形，濾除乳化劑后獲得凝膠狀球形顆粒，然后經干燥、培燒以及機械整形工藝獲得初坯，再經燒結工藝即獲得致密球形顆粒制品。本發明具有容易成型，工序少，工藝簡單，易于操作，而且無需高壓機等復雜的大型設備，產品致密度和強度高的優點。
西南交通大學
2016-10-20
手寫文字的識別方法
本發明涉及手寫文字的識別方法，包括：a.歸一化手寫輸入數據，定義神經元數，建立自動編碼器模型并初始化權重和偏置；b.通過壓縮感知模型進行數據壓縮采樣；c.對得到數據進行自動編解碼后重建手寫輸入數據，使重建數據相對原始手寫輸入的誤差最小化；d.將構建的各模型逐層堆疊組成n層神經元的特征深度學習模型，并對所述的n層神經元遍歷進行深度特征學習，其中n為自然數；e.輸出識別的手寫文字。本發明能夠通過模擬人腦視覺神經元感知事物的特性，結合壓縮感知和深度學習，自動挖掘表征手寫文字的細致特征，非常有效的提高了手寫文字的表征能力和模型學習的效率，大幅度的提高了手寫文字特別是手寫數字的識別精度和識別效率。
西南交通大學
2016-10-14
一種圖案繪制方法
本發明公開了一種圖案繪制方法。首先選擇導電材料為基體、導電材料為繪制材料，然后在基體和繪制材料之間施加脈沖電源，其中，基體與脈沖電源的陰極連接，繪制材料與脈沖電源的陽極連接，控制繪制材料與基體之間的距離至繪制材料開始熔化，使熔化后的液態繪制材料沉積到基體表面的同時與基體形成化學鍵結合，通過控制繪制材料的移動方向從而形成所需圖案。在一定電壓下，當基體與繪制材料接近至二者之間的介質被短路電流擊穿時會產生局部高溫，使得繪制材料熔化并沉積到基體表面的同時與基體形成化學鍵結合，結合力強，不易發生脫落等現象。在沉積過程中，基體所受的應力幾乎為零，因此不會有任何變形或開裂風險。
西南交通大學
2016-10-19
一種目標檢測方法
本發明公開了基于維數遞增弱線性回歸樹的目標檢測方法，其步驟為：①準備訓練樣本集(xi，yi)，i＝1，……，N，xi 表示訓練樣本的特征值集合，yi 為樣本類別，N 為訓練樣本數，N 為自然數；②初始化訓練樣本權重為其中 t 為自然數，初始化時 t＝1；③對樣本集合進行循環計算，選定循環次數 T，T 為自然數每次循環都得到一個線性回歸樹作為弱分類器。等到 T 次循環完成后，再將 T 個弱分類器合成一個強分類器；④使用該強分類器對數字圖像中的各個區域進行分類，從而判斷是否為
華中科技大學
2021-04-14
一種水文預報方法
本發明公開了一種基于理想邊界和多元線性回歸的上下限區間水文預報方法。本發明分別采用同倍比放大和縮小實測流量的方法構造理想的上下限邊界，在率定期以理想上、下限邊界為目標和最小二乘法為原則確定多元線性回歸上限和下限模型的結構和參數，通過率定期和檢驗期的上下限預報結果實現上下限區間水文預報。以預報區間包含率、相對寬度、對稱性和均方根誤差(采用區間中值作為預報值)為精度評定指標，對比現有神經網絡方法和不同相對寬度的回歸模型區間預報結果，本發明提出的方法表現出較好的預報精度和預報效果。本發明采用的方法計算簡單
華中科技大學
2021-04-14