|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
一種基于多層形變模型的高保真人臉三維重建方法
本發(fā)明公開(kāi)了一種基于多層形變模型的高保真人臉三維重建方法。所述方法以視頻圖像序列作為輸入數(shù)據(jù)，經(jīng)過(guò)光流特征點(diǎn)檢測(cè)與·718·跟蹤，人臉特征點(diǎn)提取與匹配、相機(jī)標(biāo)定，從而利用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)技術(shù)恢復(fù)相機(jī)參數(shù)與相機(jī)軌跡，提出了人臉多層次形變模型，進(jìn)而進(jìn)行紋理映射得到目標(biāo)人臉的高保真人臉三維模型。本發(fā)明將形變模型技術(shù)與運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)技術(shù)結(jié)合起來(lái)，提出了人臉多層次形變模型，能夠獲得與目標(biāo)人臉高度相似的重建結(jié)果，同時(shí)，本
華中科技大學(xué)
2021-04-14
本發(fā)明公開(kāi)了一種基于模板的出版物半自動(dòng)生成方法及系統(tǒng)， 屬于信息檢索技術(shù)領(lǐng)域。本發(fā)明根據(jù)用戶的需求選
本發(fā)明公開(kāi)了一種基于模板的出版物半自動(dòng)生成方法及系統(tǒng)， 屬于信息檢索技術(shù)領(lǐng)域。本發(fā)明根據(jù)用戶的需求選擇相應(yīng)的數(shù)字內(nèi)容 類型和版面布局，將用戶的選擇和確定的內(nèi)容使用標(biāo)記語(yǔ)言生成模板 描述文件；根據(jù)模板描述文件在互聯(lián)網(wǎng)進(jìn)行信息抓取，同時(shí)在本地已 經(jīng)建立好的本地知識(shí)庫(kù)中檢索相關(guān)信息，對(duì)得到數(shù)據(jù)進(jìn)行合并和相似 度計(jì)算，得到相關(guān)內(nèi)容列表，然后存儲(chǔ)到本地?cái)?shù)據(jù)庫(kù)中；根據(jù)相關(guān)內(nèi) 容列表和關(guān)鍵詞的相關(guān)性計(jì)算生成內(nèi)容草稿；將內(nèi)容草稿和相
華中科技大學(xué)
2021-04-14
國(guó)家知識(shí)產(chǎn)權(quán)局 工業(yè)和信息化部關(guān)于知識(shí)產(chǎn)權(quán)助力專精特新中小企業(yè)創(chuàng)新發(fā)展若干措施的通知
為深入貫徹習(xí)近平總書(shū)記關(guān)于“著力在推動(dòng)企業(yè)創(chuàng)新上下功夫，加強(qiáng)產(chǎn)權(quán)保護(hù)，激發(fā)涌現(xiàn)更多專精特新中小企業(yè)”的重要指示精神，全面落實(shí)黨中央、國(guó)務(wù)院支持專精特新中小企業(yè)發(fā)展的決策部署，扎實(shí)推進(jìn)中共中央、國(guó)務(wù)院印發(fā)的《知識(shí)產(chǎn)權(quán)強(qiáng)國(guó)建設(shè)綱要（2021—2035年）》和國(guó)務(wù)院印發(fā)的《“十四五”國(guó)家知識(shí)產(chǎn)權(quán)保護(hù)和運(yùn)用規(guī)劃》，工業(yè)和信息化部等19部門印發(fā)的《“十四五”促進(jìn)中小企業(yè)發(fā)展規(guī)劃》。
國(guó)家知識(shí)產(chǎn)權(quán)局
2022-10-25
.jpg){kind=logo}
一種基于神經(jīng)網(wǎng)絡(luò)的反演大氣可降水量的MODIS模型改進(jìn)方法
本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的反演大氣可降水量的MODIS模型改進(jìn)方法，包括以下步驟：S1：利用MODIS三通道比值法反演大氣可降水量PWV，記為PWVMODIS；S2：利用BP神經(jīng)網(wǎng)絡(luò)建立測(cè)站處的緯度φ、測(cè)站處的高程h、年積日doy、PWVMODIS與測(cè)站GPS/MODIS反演的PWV殘差RES之間的非線性關(guān)系；S3：對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；S4：將φ、h、doy以及PWVMODIS作為輸入?yún)?shù)代入BP神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算出GPS測(cè)站處PWV殘差RESBP；S5：利用RESBP補(bǔ)償PWVMODIS，獲得大氣可降水量PWV＝PWVMODIS+RESBP。本發(fā)明有效提高了建模精度。
東南大學(xué)
2021-04-11
.jpg){kind=logo}
基于小波分析和有限高斯混合模型EM方法的模擬電路故障診斷方法
近年來(lái)已經(jīng)建立了基于故障字典，模糊理論，專家系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，信息融合，小波分析，粒子群等各種技術(shù)的不同故障診斷方法，并在模擬電路的實(shí)際檢驗(yàn)中取得了良好的效果。然而，電路從正常到故障之間存在中間過(guò)渡狀態(tài)，怎樣定義這個(gè)中間狀態(tài)以及其對(duì)電路有怎樣的影響，如何準(zhǔn)確描述這種影響，通過(guò)查閱文獻(xiàn)，到目前為止還沒(méi)有一種合理的方法能夠解決這個(gè)問(wèn)題。
遼寧大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于四點(diǎn)二元模型的圖像紋理特征值的提取方法
本發(fā)明提出一種基于四點(diǎn)二元模型的圖像紋理特征值的提取方法,首先計(jì)算2x2像素塊內(nèi)四個(gè)像素點(diǎn)像素值的均值;其次計(jì)算每個(gè)像素點(diǎn)與均值的差值,若差值大于等于一給定閾值,就置該像素塊的位置編碼值為1,否則為0;最后將四個(gè)像素塊的位置編碼值乘以相對(duì)應(yīng)的權(quán)重后,再將4個(gè)乘積求和,就得到該2x2像素塊的紋理特征值,本發(fā)明只需要計(jì)算四個(gè)像素點(diǎn)與其均值的差值,得到4bit的二進(jìn)制碼,計(jì)算量減少一半且復(fù)雜度低,且能有效地表示人臉的局部紋理信息,可應(yīng)用于人臉檢測(cè),識(shí)別和目標(biāo)跟蹤系統(tǒng).
華僑大學(xué)
2021-04-29
.jpg){kind=logo}
基于人工蜂群和量子粒子群算法的一維水質(zhì)模型參數(shù)率定方法
本發(fā)明公開(kāi)了一種基于人工蜂群算法和量子粒子群算法的優(yōu)化計(jì)算方法，其包括以下主要步驟：(1)根據(jù)實(shí)際問(wèn)題編制待優(yōu)化目標(biāo)函數(shù)；(2)輸入算法的通用運(yùn)行參數(shù)：種群數(shù)目、迭代次數(shù)、變量維數(shù)、變量取值范圍、待優(yōu)化目標(biāo)函數(shù)；(3)選取ABC、QPSO、QPSO+ABC和ABC+QPSO的一種或多種計(jì)算方法進(jìn)行計(jì)算；(4)若只使用一種，直接判斷結(jié)果是否滿足優(yōu)化要求；若多于一種計(jì)算方法，綜合比較計(jì)算結(jié)果及評(píng)價(jià)最優(yōu)的結(jié)果是否滿足此次優(yōu)化的要求；(5)若滿足要求，運(yùn)算結(jié)束，輸出計(jì)算結(jié)果和迭代曲線；(6)否則，修改算法的
安徽建筑大學(xué)
2021-01-12
.jpg){kind=logo}
重編程的神經(jīng)干細(xì)胞可以用來(lái)作為細(xì)胞模型研究疾病的發(fā)病機(jī)理
利用單個(gè)視網(wǎng)膜轉(zhuǎn)錄因子Ptf1a，可以將小鼠和人的成纖維細(xì)胞在體外高效重編程為神經(jīng)干細(xì)胞，并揭示了Ptf1a誘導(dǎo)體細(xì)胞重編程過(guò)程的內(nèi)在分子機(jī)制。由于Ptf1a是一個(gè)非神經(jīng)前體細(xì)胞轉(zhuǎn)錄因子，該發(fā)現(xiàn)顛覆了體細(xì)胞重編程為神經(jīng)干細(xì)胞需要依賴神經(jīng)前體細(xì)胞轉(zhuǎn)錄因子參與的認(rèn)知。經(jīng)過(guò)Ptf1a重編程的神經(jīng)干細(xì)胞在體外可以大量傳代擴(kuò)增，并能在體外及體內(nèi)分化成為具有功能的、各種類型的抑制性及興奮性神經(jīng)元、星型膠質(zhì)細(xì)胞和少突膠質(zhì)細(xì)胞。進(jìn)一步的研究發(fā)現(xiàn)，當(dāng)把這些誘導(dǎo)神經(jīng)干細(xì)胞移植到患有老年癡呆的小鼠模型大腦中，其可以分化并整合到大腦中，和原有的腦細(xì)胞形成功能性連接。行為學(xué)測(cè)試表明，細(xì)胞移植可以明顯改善患病小鼠的空間學(xué)習(xí)及記憶功能。? 和早期的其它研究相比，Ptf1a的單因子方案更安全、更高效、得到的神經(jīng)干細(xì)胞和體內(nèi)的神經(jīng)干細(xì)胞更接近，具有諸多優(yōu)點(diǎn)，從而解決了自體神經(jīng)干細(xì)胞的來(lái)源問(wèn)題。重編程的神經(jīng)干細(xì)胞可以用來(lái)作為細(xì)胞模型研究疾病的發(fā)病機(jī)理，篩選有效的藥物，以及移植治療各種神經(jīng)疾病的細(xì)胞來(lái)源。
中山大學(xué)
2021-04-13
一種基于開(kāi)關(guān)表的三相可控整流器模型預(yù)測(cè)控制方法
本發(fā)明公開(kāi)了一種基于開(kāi)關(guān)表的三相可控整流器模型預(yù)測(cè)控制 方法，包括如下步驟：(1)將電網(wǎng)電壓矢量角度分為十二個(gè)扇區(qū)，對(duì)三 相可控整流器采用八個(gè)候選電壓控制矢量；(2)依據(jù)三相可控整流器的 電網(wǎng)側(cè)有功以及無(wú)功功率隨電網(wǎng)電壓矢量角度的變化規(guī)律，確定每個(gè) 扇區(qū)對(duì)應(yīng)的候選電壓控制矢量，生成開(kāi)關(guān)表；(3)在當(dāng)前時(shí)刻判定當(dāng)前 的電網(wǎng)電壓矢量角度所屬扇區(qū)，從開(kāi)關(guān)表中提取對(duì)應(yīng)的候選電壓控制 矢量；(4)依據(jù)提取的候選電壓矢量預(yù)測(cè)下一時(shí)刻的電網(wǎng)側(cè)有功以及無(wú) 功功率，從中選取最佳電壓控制矢量。本發(fā)明將開(kāi)關(guān)表和模型預(yù)測(cè)控
華中科技大學(xué)
2021-04-14
藥大學(xué).jpg){kind=logo}
當(dāng)歸飲子對(duì)復(fù)合型慢性蕁麻疹致敏小鼠模型細(xì)胞因子的影響
目的：研究當(dāng)歸飲子對(duì)氣血兩虛型慢性蕁麻疹治療機(jī)理。 方法：ＫＭ小鼠，雌雄各半，采用利血平＋乙酰苯肼，聯(lián)合ＩＶ型變態(tài)反應(yīng)模擬蕁麻疹模型，選擇模型制作成功的動(dòng)物，隨機(jī)分為模型組、氯雷他定組、當(dāng)歸飲子加減方高劑量組、中劑量組和低劑量組，每組８只動(dòng)物，另取８只作為空白對(duì)照組。實(shí)驗(yàn)結(jié)束時(shí)，各組動(dòng)物眼眶取血，分離血清，光鏡檢測(cè)外周血嗜酸性粒細(xì)胞（ＥＯＳ）變化；采用雙抗夾心ＥＬＩＳＡ法測(cè)試血清ＩｇＥ含量；剖取血管壁組織，免疫組織化學(xué)檢測(cè)血管壁組織中ＩＬ－４、ＩＦＮ－γ表達(dá)量。 結(jié)果：與模型組比較，當(dāng)歸飲子各劑量組可顯著降低動(dòng)物外周血嗜酸性粒細(xì)胞（Ｐ＜０．０１）；降低血清ＩｇＥ含量（Ｐ＜０．０１）；降低血管壁組織ＩＬ－４（Ｐ＜０．０１），升高ＩＦＮ－γ（Ｐ＜０．０１）。 結(jié)論：當(dāng)歸飲子可通過(guò)干預(yù)Ｔ細(xì)胞異常分泌相關(guān)細(xì)胞因子抑制蕁麻疹發(fā)病。 文章發(fā)表于南京中醫(yī)藥大學(xué)學(xué)報(bào)２０１３年３月第２９卷第２期。
成都中醫(yī)藥大學(xué)
2015-05-14