“何浩男”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于社交网络的用户数据预测方法-CN202010473248.5有效
发明人：傅晨波;夏镒楠;高诚裕;何浩男;邱君瀚;李一帆;岳昕晨 -专利权人：苏州唯智互动传媒有限公司
申请日： 2020-05-29 - 公布日： 2023-07-14 - 主分类号： G06Q10/04 文献下载
摘要：一种基于社交网络的用户数据预测方法，包括以下步骤：S1获取用户的行为数据以及其相对应的朋友的行为数据；S2基于用户去过的地点数据构建用户行为影响网络；S3针对用户行为影响网络运行随机游走算法对用户数据进行采样；S4初始化序列预测模型；S5将采样得到的用户数据与用户自身的数据当成训练数据输入到序列预测模型中进行训练；S6将新采集到的用户数据输入到训练好的模型中，输出即为用户接下来要去的地点。本发明提出了一种新的结合社交网络的数据扩充方法，能大幅的提升现有行为预测模型的预测精度，且修改的是用户数据集，因此无需对行为预测模型进行改动。本发明具有广阔的应用前景。
一种基于社交网络用户数据预测方法

[发明专利]基于多参数优化生成对抗网络的SAR目标识别方法-CN201910026176.7有效
发明人：杜兰;郭昱辰;何浩男;陈健 -专利权人：西安电子科技大学;西安中电科西电科大雷达技术协同创新研究院有限公司
申请日： 2019-01-11 - 公布日： 2023-04-18 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于多参数优化生成对抗网络的的合成孔径雷达SAR目标识别方法，主要解决现有技术中分类器训练时识别率不高，且不能保证训练得到的分类器参数是最优解的问题。其实现方案为：生成初始训练样本集和测试样本集，并对初始训练样本进行扩充生成最终训练样本集；设置生成对抗网络的结构和参数组数；采用多组网络参数交叉训练的方法训练生成对抗网络，并同时利用训练集样本和生成器生成的伪样本训练生成对抗网络中的判别器；用训练好的多组生成对抗网络中的判别器对目标型号进行识别，对多组判别器得到的结果进行相加再取平均得到目标型号的识别结果。本发明提高了SAR目标识别的正确率，可用于对静止SAR目标的识别。
基于参数优化生成对抗网络 sar 目标识别方法

[发明专利]一种基于生物工程蛋白的高强蛋白纤维及其制备方法-CN202111676129.0有效
发明人：刘凯;何浩男;王帆;张洪杰 -专利权人：清华大学
申请日： 2021-12-31 - 公布日： 2023-01-06 - 主分类号： C07K19/00 文献下载
摘要：本发明提供了一种基于生物工程蛋白的高强蛋白纤维，由类弹性蛋白与蛋白交联剂经湿法纺丝形成。与现有技术相比，本发明提供的高强蛋白纤维由致密的动态亚胺键网络构成，该网络结构使得纤维具备高强度、高韧性、高力学稳定以及耐高低温的特点；动态亚胺键的存在使得纤维具备敏感的湿度响应性，基于亚胺键的可逆断裂与修复，使得该纤维具备优异的力学性能可修复性和稳定的湿度响应性；基于该纤维兼具高强高韧且机械可逆的特点，所设计的纤维织物展现出优异的反弹性能，湿度响应纤维制动器展现出湿环境重物提举以及辅助伤口愈合方面的能力。综上所述，该高性能纤维可用于制备湿度响应性制动器以及纤维织物，具备广泛的应用前景。
一种基于生物工程蛋白高强纤维及其制备方法

[发明专利]基于半监督CNN的SAR图像目标检测系统和方法-CN201910016413.1有效
发明人：杜兰;魏迪;解韦桐;何浩男;李璐 -专利权人：西安电子科技大学
申请日： 2019-01-08 - 公布日： 2022-12-27 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于半监督CNN的SAR图像目标检测系统和方法，解决了现有技术对切片级标记的训练图像依赖程度高，及检测准确率低的问题。检测系统中增设的切片挑选模块和负包模块提供丰富的目标和杂波切片，候选切片保存模块将输入切片处理并保存为候选切片集，为网络提供充足的训练样本。目标检测方法实现是：生成训练、验证和测试数据集；设计并构建加入切片挑选模块和负包模块的半监督目标检测网络；对半监督目标检测网络训练及测试。本发明先使用少量切片级标记的图像训练网络，再使用迭代挑选候选切片训练网络。本发明对切片级标记的训练图像依赖程度低；在少量切片级标记图像的情况下具有较高准确率；应用于SAR图像目标检测。
基于监督 cnn sar 图像目标检测系统方法

[发明专利]基于多尺度多特征深度森林的SAR目标识别方法-CN201810474203.2有效
发明人：杜兰;李璐;何浩男;邓盛;李晨 -专利权人：西安电子科技大学;西安中电科西电科大雷达技术协同创新研究院有限公司
申请日： 2018-05-17 - 公布日： 2021-10-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多尺度多特征深度森林的合成孔径雷达SAR目标识别方法，主要针对已有SAR目标识别方法不足，提出了多尺度多特征深度森林应用于SAR目标识别。其实现步骤是：(1)生成训练样本集和测试样本集；(2)提取每个样本的多尺度幅度特征；(3)提取每个样本的多尺度结构特征；(4)训练深度森林分类器；(5)识别目标型号。本发明通过多尺度特征的引入反映从局部到全局的样本图像特征，通过多特征的联合使用全面的反映样本图像特征，同时利用深度森林分类器进行目标型号识别，超参数数量少且稳健，减少了训练过程的时间，提高了SAR目标的识别精度。
基于尺度特征深度森林 sar 目标识别方法

[发明专利]基于随机森林和数据拒判的地面目标分类方法-CN201810874485.5有效
发明人：杜兰;李泉;高勇;何浩男;任科 -专利权人：西安电子科技大学;西安中电科西电科大雷达技术协同创新研究院有限公司
申请日： 2018-08-03 - 公布日： 2021-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于随机森林和数据拒判的地面目标分类方法，其实现步骤是：(1)对训练样本集进行预处理；(2)提取训练特征矩阵；(3)训练随机森林分类器；(4)对测试样本进行预处理；(5)提取测试特征向量；(6)计算地面目标输出概率向量；(7)判断测试样本是否拒判；(8)若拒判，则将测试样本作为没有目标微动特性的回波信号；(9)若不拒判，输出概率向量中最大值对应类别作为该测试样本的地面目标分类结果。本发明拒判杂波、欺骗式干扰和无微动的目标信号，提高地面运动目标的分类识别率，同时采用具有并行处理能力的分类器，提高方法在实时性方面的性能。
基于随机森林数据地面目标分类方法

[发明专利]一种适用于化学交联成型的微流控生物纺丝技术-CN201910977518.3有效
发明人：刘凯;何浩男;张磊;张洪杰 -专利权人：中国科学院长春应用化学研究所
申请日： 2019-10-15 - 公布日： 2021-04-27 - 主分类号： D01D5/06 文献下载
摘要：本发明提供了一种适用于化学交联成型的微流控生物纺丝技术，包括：将生物基溶液经导管和注射器通入到同轴双通道微流控芯片的第一微管；将交联剂溶液经导管和注射器通入到同轴双通道微流控芯片的第二微管；第一微管的生物基溶液和第二微管的交联剂溶液混合交联，得到纺丝液；将纺丝液经第一微管出口挤出进入凝固浴中，通过转筒收集器收集得到纤维。本发明提供了选取生物基材料作为纺丝原料，同时结合特定的新型微流控芯片，通过调节上述微流控芯片的参数及纺丝参数，可制备具有需要尺寸和优异力学性能参数的生物纤维材料。本发明所制备的化学交联生物纤维材料的力学性能明显优于纯生物纤维。
一种适用于化学交联成型微流控生物纺丝技术

[发明专利]一种蛋白纤维测试装置-CN201910977519.8有效
发明人：刘凯;何浩男;张磊;张洪杰 -专利权人：中国科学院长春应用化学研究所
申请日： 2019-10-15 - 公布日： 2021-03-02 - 主分类号： G01N3/08 文献下载
摘要：本发明提供了一种蛋白纤维测试装置，包括：荷载传感连接装置；在所述连接杆两侧、用于对连接杆进行限位的铅垂调整装置和铅垂维持装置；设置于所述铅垂调整装置下部，位于连接杆一侧的连接稳定装置；设置于所述铅垂维持装置下部、位于所述连接杆另一侧、用于气动撑开上夹片的上夹头气动压力装置；套接于所述连接杆上的上夹持装置；控制所述上夹持装置的上夹持装置夹力控制装置；与所述上夹持装置相对的下夹持装置；用于控制所述下夹持装置的下夹持装置夹力控制装置；设置于所述下夹持装置夹力控制装置下部，用于气动撑开下夹片的下夹头气动压力装置。本发明可根据蛋白纤维的性能选取合适的夹持力，确保蛋白纤维不会被夹伤夹坏，保证测试的成功率。
一种蛋白纤维测试装置

[发明专利]一种适用于超强生物纤维的测试装置-CN201911243181.X有效
发明人：刘凯;何浩男;王帆;张洪杰 -专利权人：中国科学院长春应用化学研究所
申请日： 2019-12-06 - 公布日： 2021-01-08 - 主分类号： G01N3/08 文献下载
摘要：本发明公开了一种适用于超强生物纤维的测试装置，包括荷载传感连接块、上夹持块、上绕丝轮、下绕丝轮、下夹持块、下夹持装置固定块；载荷传感连接块与拉力传感器连接；上夹持块和上绕丝轮分别固定在载荷传感连接块上，上绕丝轮位于上夹持块的下方，且上绕丝轮能够卷绕待测试纤维；下夹持装置固定块能够固定在测试装置托载块上；下夹持块和下绕丝轮分别固定在下夹持装置固定块上，下绕丝轮位于下夹持块的上方，且下绕丝轮能够卷绕待测试纤维。将待测试纤维分别绕设上绕丝轮和下绕丝轮一定的圈数，然后，将待测试纤维的两端分别通过上夹持块和下夹持块夹紧固定；最后，进行拉力测试。由于增加了上绕丝轮和下绕丝轮，降低了待测试纤维打滑的可能性。
一种适用于超强生物纤维测试装置

1
共 9 条