|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
基于Dijkstra算法的高精度物聯(lián)網(wǎng)小區(qū)無人智能運輸車的設(shè)計
項目旨在設(shè)計出一款基于Dijkstra算法的高精度物聯(lián)網(wǎng)小區(qū)無人智能運輸車。該項目主要可分為兩個部分:實車與模型車的同步開發(fā)和基于eclipse平臺的APP開發(fā)。在實車和模型車的開發(fā)過程中，通過常規(guī)車載傳感器實現(xiàn)小車的“智能化”，利用Dijkstra算法解決最短路徑選擇問題。利用計算機語言完成在eclipse平臺上的APP開發(fā)，實現(xiàn)APP同時與實車和模型車的互聯(lián)，實現(xiàn)智能運輸小車運輸末端的配送。
同濟大學(xué)
2021-02-24
.jpg){kind=logo}
大規(guī)模代數(shù)系統(tǒng)新型快速算法及與信息科學(xué)的交叉研究
旨在為大規(guī)模代數(shù)系統(tǒng)設(shè)計新型高效的求解算法，并結(jié)合信息科學(xué)進行交叉研究。在大規(guī)模代數(shù)系統(tǒng)新型Krylov子空間算法及其基礎(chǔ)理論、復(fù)雜電磁計算、圖像處理高性能數(shù)值方法、動力系統(tǒng)與智能控制理論方面進行了系統(tǒng)深入的研究，取得了具有創(chuàng)新性的成果，例如：解決了科學(xué)計算中的有關(guān)基礎(chǔ)或困難問題；提出了Lanczos雙共軛A-標(biāo)準(zhǔn)正交短遞歸Krylov子空間迭代法BiCOR/CORS/BiCORSTAB方法、一種新的“二維雙連續(xù)投影(2D-DSPM)方法”等一系列高效算法；為求解復(fù)雜電磁問題產(chǎn)生的復(fù)雜線性系統(tǒng)設(shè)計了高效算法與預(yù)條件技術(shù)；提出了一些新型高效的邊界處理、圖像復(fù)原方法，具有更快的計算速度和更好的復(fù)原質(zhì)量；將數(shù)值代數(shù)與特殊矩陣分析和神經(jīng)網(wǎng)絡(luò)交叉研究取得成果。
電子科技大學(xué)
2015-01-14
.jpg){kind=logo}
一種用于分布式電源的孤島保護裝置及其檢測算法
本發(fā)明公開了一種用于分布式電源的孤島保護裝置，包括降壓變壓器、限流電抗、晶閘管和控制器單元。本發(fā)明通過在電網(wǎng)電壓過零附近的一定區(qū)間內(nèi)觸發(fā)晶閘管導(dǎo)通，制造一個受控的短路電流和電網(wǎng)電壓畸變；本發(fā)明還公開了此種孤島保護裝置的檢測算法，檢測算法包括晶閘管觸發(fā)角在線優(yōu)化算法和孤島判別準(zhǔn)則算法。基于電網(wǎng)支持與脫離時分布式電源接入點的短路容量的明顯差異，本發(fā)明可以可靠識別出分布式電源是否處于孤島運行。該發(fā)明的孤島保護裝置是一種可分布式安裝的設(shè)備，不依賴任何通訊媒介，成本低、無信號衰減和干擾問題。
東南大學(xué)
2021-04-11
一種基于遺傳算法的含鉸結(jié)構(gòu)非線性參數(shù)識別方法
本發(fā)明公開了一種基于遺傳算法的含鉸結(jié)構(gòu)非線性參數(shù)識別方法，包括用一種非線性模型來描述含鉸結(jié)構(gòu)中鉸鏈的非線性特性，建立鉸鏈結(jié)構(gòu)的動力學(xué)模型，得到含鉸結(jié)構(gòu)的Ｍ、Ｋ、Ｃ方程；將含鉸結(jié)構(gòu)的Ｍ、Ｋ、Ｃ方程轉(zhuǎn)化為非線性的代數(shù)方程組；利用數(shù)值分析中的Ｎｅｗｔｏｎ迭代法對得到的代數(shù)方程組進行求解，得到含鉸結(jié)構(gòu)的頻響數(shù)據(jù)；根據(jù)求解的頻響數(shù)據(jù)與試驗獲得的頻響數(shù)據(jù)構(gòu)建目標(biāo)函數(shù)，通過Ｍａｔｌａｂ中的ＧＡ遺傳算法進行全局化搜索，最終識別出最優(yōu)的非線性參數(shù)值。本發(fā)明的含鉸結(jié)構(gòu)非線性參數(shù)的識別方法，可以識別含鉸結(jié)構(gòu)的非線性特性，克服了傳統(tǒng)方法需要提供經(jīng)驗初值及只能保證局部最優(yōu)的局限性。
東南大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于自適應(yīng)邊緣檢測和映射模型的一維碼識別算法
本發(fā)明公開了一種基于自適應(yīng)邊緣檢測和映射模型的一維碼識 別算法。該算法利用一維碼四個角點對一維碼圖片進行投影變換，校 正一維碼圖像中可能存在的投影或者仿射變形，然后利用校正后的圖 像生成兩種掃描線，一種是基于圖像分塊的，一種是基于梯度變化的， 對于獲得的掃描線采用一種自適應(yīng)邊緣檢測算法來找到一維碼條和空 的邊緣位置，接著采用一種邊緣映射模型將獲得的邊緣位置映射到正 確的編碼位置，根據(jù)編碼位置來獲得條和空的寬度，從而依據(jù)條空的 寬度比和編碼規(guī)則求解一維碼信息。按照本發(fā)明實現(xiàn)的一維碼識別算 法，能實現(xiàn)對
華中科技大學(xué)
2021-04-14
防誤碼擴散的 JPEG-LS 圖像無損/近無損壓縮算法硬件實現(xiàn)方法
本發(fā)明公開了一種防誤碼擴散的圖像無損/近無損壓縮方法：采用并行預(yù)測方式，將分塊的圖像通過兩路并行得到預(yù)測結(jié)果，在每個預(yù)測環(huán)節(jié)，像素之間間隔一個像素時鐘周期，使得由參數(shù)索引、預(yù)測修正、殘差計算、參數(shù)更新反饋環(huán)路可使用流水線設(shè)計；在近無損壓縮模式下，每個像素有足夠的時間進行像素重建，在當(dāng)前像素進行上下文建模前能剛好得到上一個像素對應(yīng)的像素重建值；通過引入分塊壓縮與檢糾錯編碼相結(jié)合的方法，防止了誤碼的大面積擴散，提高了
華中科技大學(xué)
2021-04-14
一種基于CMA-ES優(yōu)化算法設(shè)計聲學(xué)超材料單元的方法
本發(fā)明公開了一種基于CMA?ES優(yōu)化算法設(shè)計聲學(xué)超材料單元的方法，該方法將CMA?ES優(yōu)化算法和有限元分析方法集合，CMA?ES優(yōu)化算法可以對0?1排布的陣列進行優(yōu)化，每一個尺寸維度的0?1陣列，都對應(yīng)一種聲學(xué)超材料單元結(jié)構(gòu)，其中，0和1分別代表由空氣或光敏樹脂構(gòu)成的聲學(xué)單元結(jié)構(gòu)的子單元；在優(yōu)化過程中，每一個聲學(xué)超材料單元結(jié)構(gòu)的等效折射率和阻抗值可以通過有限元分析方法分析提取，作為CMA?ES優(yōu)化算法中適應(yīng)度函數(shù)的變量；通過對適應(yīng)度函數(shù)的值進行優(yōu)化，最終可以得到最優(yōu)的、滿足設(shè)計要求的聲學(xué)超材料單元結(jié)
東南大學(xué)
2021-04-14
構(gòu)建基于卷基神經(jīng)網(wǎng)絡(luò)的胃癌HE病理切片AI輔助診斷算法
懸賞金額：95萬元
發(fā)榜企業(yè)：百盛（廣州）生物制品有限公司
需求領(lǐng)域：環(huán)醫(yī)療器械及設(shè)備及醫(yī)學(xué)專用軟件；臨床醫(yī)學(xué)-腫瘤
產(chǎn)業(yè)集群：生物醫(yī)藥與健康產(chǎn)業(yè)集群
技術(shù)關(guān)鍵詞：人工智能；病理學(xué)；組織形態(tài)學(xué)
百盛（廣州）生物制品有限公司
2021-11-01
一種基于改進和聲搜索算法的無線傳感器網(wǎng)絡(luò)路由方法
本發(fā)明提出了一種基于改進和聲搜索算法的無線傳感器網(wǎng)絡(luò)路由方法，包括以下步驟：Step1、初始化算法相關(guān)參數(shù) HMS、HMCR、PAR 以及評價次數(shù) eval_Nomax；Step2、利用輪盤賭初始化和聲記憶庫 HM；Step3、評價和聲庫中各和聲路徑的適應(yīng)度；Step4、設(shè)置 eval_No＝0；Step5、設(shè)置 i＝0；Step6、產(chǎn)生候選和聲；Step7、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step8；否則執(zhí)行 Step11；Step8、對和聲庫中的第 i 條和聲 Xi＝{s,x2,…xj,…,d},進行鄰域搜索；Step9、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step10；否則執(zhí)行 Step11；Step10、i++，若 i＜HMS，執(zhí)行 Step6；否則執(zhí)行 Step5；Step11、記錄和聲記憶庫中的最優(yōu)和聲路徑。本發(fā)明的路由方法具有較高的能效，并且能夠有效地延長整個網(wǎng)絡(luò)的生命周期。
華中科技大學(xué)
2021-04-11
業(yè)大學(xué).jpg){kind=logo}
一種基于自然共享最近鄰居搜索的發(fā)現(xiàn)簇和離群點的算法
本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，尤其是涉及一種基于自然共享最近鄰居搜索的發(fā)現(xiàn)簇和離群點的算法。其特征在于，首先對數(shù)據(jù)集進行自然最近鄰居搜索，當(dāng)發(fā)現(xiàn)數(shù)據(jù)集中沒有共享最近鄰居的點的數(shù)量不再變化時搜索結(jié)束，得到搜索最近鄰個數(shù)n；根據(jù)提出的自然共享鄰居定義，計算每個對象在n近鄰下得到的自然共享最近鄰居關(guān)系；然后基于共享最近鄰的自然鄰居搜索算法確定了每個對象的自然共享最近鄰域關(guān)系，根據(jù)該自然共享最近鄰居關(guān)系，對數(shù)據(jù)進行聚類和離群點判別。本發(fā)明的算法中提出一種新的共享最近鄰居關(guān)系和自然鄰居搜索終止條件，解決了現(xiàn)有算法因為自然鄰居關(guān)系定義不夠嚴(yán)密及搜索條件不夠科學(xué)而引起的聚類效果不好和離群點檢測精度不高的問題。
中國農(nóng)業(yè)大學(xué)
2021-04-11