“刘若辰”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141个，建议您升级VIP下载更多相关专利

[实用新型]一种手机连接线用防水设备-CN202122367226.3有效
发明人： 刘若辰 -专利权人： 刘若辰
申请日： 2021-09-26 - 公布日： 2022-04-26 - 主分类号： H01R13/52 文献下载
摘要：本实用新型涉及手机连接线领域，具体为一种手机连接线用防水设备，包括适配器本体，所述适配器本体的外壁固定连接有导向块，所述导向块的内壁固定连接有复位弹簧，所述复位弹簧的一端固定连接有活动块，所述活动块的一侧固定连接有第一防护块，所述适配器本体的外壁固定连接有支撑块，所述支撑块的外壁固定连接有连接轴。该手机连接线用防水设备，通过适配器本体、导向块、复位弹簧、活动块、第一防护块和支撑块，实现了对适配器本体插槽处进行防水的工作，避免了内部渗水后导致容易漏电现象，提高了使用时的安全性，同时方便了对手机连接线进行夹紧工作，避免了手机连接线在使用时容易发生脱落的现象，提高了使用时的稳定性。
一种手机连接线防水设备

[实用新型]一种手机连接线用收线防护装置-CN202122341012.9有效
发明人： 刘若辰 -专利权人：深圳市誉源通讯技术有限公司
申请日： 2021-09-26 - 公布日： 2022-04-19 - 主分类号： B65H75/18 文献下载
摘要：本实用新型涉及手机连接线领域，尤指一种手机连接线用收线防护装置，包括收线盒，所述收线盒的一侧开设有进线口，所述收线盒的另一侧开设有出线口，所述收线盒的内侧壁固定连接有第一过线管，所述收线盒的内侧壁固定连接有第二过线管，所述收线盒的内底壁镶嵌有轴承，所述轴承的内圈固定连接有收线柱，所述收线柱的正面开设有收线口。本实用新型通过设置的收线盒、进线口、出线口、收线柱和收线口，可以通过收线柱的转动，使得连接线从中间部位弯折缠绕，进而连接线缠绕在收线柱的外部，不会出现连接线发生缠绕以及折弯而对连接线造成损坏的情况，从而有效的提高了使用者的良好体验感，进而提高了该装置的实用性。
一种手机连接线收线防护装置

[实用新型]一种便于使用的天然气终端-CN202121932598.X有效
发明人： 刘若辰 -专利权人： 刘若辰
申请日： 2021-08-16 - 公布日： 2022-04-12 - 主分类号： F16M13/02 文献下载
摘要：本实用新型公开了一种便于使用的天然气终端，涉及天然气终端技术领域，该便于使用的天然气终端包括固定挂板，固定挂板一侧固定连接有箱体，箱体顶部固定连接进气管，进气管内壁固定连接有发电器，发电器一端转动连接有风叶，进气管内壁固定连接有密封板，密封板中部设置有通气孔。该便于使用的天然气终端通过进气管中燃气的流动带动风叶转动，使发电器对电池组进行充电，对第一电磁铁和第二电磁铁进行供电，当该便于使用的天然气终端的阀门需要进行打开的时候第一电磁铁进行工作，吸附磁铁块移动至第一电磁铁的一端，避免该便于使用的天然气终端在出现故障的时候阀门无法闭合的情况，使该便于使用的天然气终端更加的安全。
一种便于使用天然气终端

[发明专利]基于扩展形态学与主动学习的高光谱分类方法-CN201810698251.X有效
发明人：慕彩红;刘逸;孙梦花;刘敬;田小林;朱虎明;刘若辰;侯彪;焦李成 -专利权人：西安电子科技大学
申请日： 2018-06-29 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。
基于扩展形态学主动学习光谱分类方法

[发明专利]基于聚类及多臂赌博机的信息核构建方法-CN201910224593.2有效
发明人：慕彩红;刘逸;朱贤武;刘若辰;刘敬;吴建设;朱虎明;侯彪 -专利权人：西安电子科技大学
申请日： 2019-03-23 - 公布日： 2022-04-08 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开一种基于聚类及多臂赌博机的信息核构建方法，主要解决现有技术推荐精度偏低和信息核提取时间过长的问题，其实现方案为：1)构建用户物品评分矩阵；2)对用户物品评分矩阵进行降维，得到低维矩阵；3)对低维矩阵中的用户进行重复聚类；4)根据聚类结果，构建虚拟用户物品评分矩阵；5)利用多臂赌博机从虚拟用户物品评分矩阵中提取信息核；6)利用提取出的信息核为用户物品评分矩阵中的每一个用户推荐所需要的物品。本发明具有推荐精度高、提取信息核的速度快的优点，可用于为用户推荐所需要的物品。
基于赌博机信息构建方法

[实用新型]一种便于使用的内科医疗诊断桌-CN202121932599.4有效
发明人：蒋莹玲;张洁;刘若辰 -专利权人：株洲市中心医院
申请日： 2021-08-16 - 公布日： 2022-03-29 - 主分类号： A47B37/00 文献下载
摘要：本实用新型公开了一种便于使用的内科医疗诊断桌，涉及内科医疗诊断桌技术领域，该便于使用的内科医疗诊断桌包括垫片，垫片顶部固定连接有支撑腿，支撑腿内壁滑动连接有升降腿，升降腿顶部固定连接有桌面，桌面顶部固定连接有第一滑槽，第一滑槽与显示器滑动连接，显示器顶部固定连接有升降托。该便于使用的内科医疗诊断桌通过第二升降开关使第二电动机转动，螺旋齿轮带动直齿轮转动，使转轴带动升降杆转动，在升降杆转动的时候，通过升降柱的作用下，使升降腿的高度得到调整，从而使桌面的高度调整到合适的位置，有效的提高了病人看病时的是适度，避免了因桌面高度不合适导致身体出现不适，干扰医生诊断结果的情况出现。
一种便于使用内科医疗诊断

[发明专利]基于注意力机制和多模态表征学习的滑坡识别方法及系统-CN202111496192.6在审
发明人：王蓉芳;魏浩江;李卫斌;刘若辰;刘波;尚荣华;郝红侠 -专利权人：西安电子科技大学
申请日： 2021-12-08 - 公布日： 2022-03-11 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种基于注意力机制和多模态表征学习的滑坡识别方法及系统，将包含滑坡的正样本和包含非滑坡的负样本划分为训练集、验证集和测试集；对训练集进行数据增强，再将验证集、测试集和数据增强后的训练集的图像大小进行调整，将图像各通道像素值归一化；构建基于注意力机制和多模态表征学习的多路卷积神经网络；使用交叉熵损失函数对基于注意力机制和多模态表征学习的多路卷积神经网络进行训练；使用归一化后的训练集对训练后的注意力机制和多模态表征学习的多路卷积神经网络进行训练，并使用归一化后的验证集进行验证，保存验证集上表现最好的网络模型；使用归一化后的测试集在保存的网络模型上测试得到滑坡识别结果，减小计算资源消耗。
基于注意力机制多模态表征学习滑坡识别方法系统

[发明专利]基于融合多尺度多维空谱特征的高光谱图像分类方法-CN201910616371.5有效
发明人：慕彩红;刘逸;郭震;李阳阳;刘若辰;刘静;田小林 -专利权人：西安电子科技大学
申请日： 2019-07-09 - 公布日： 2022-03-04 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于融合多尺度多维空谱特征的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)对待分类的高光谱图像进行预处理；(3)邻域取块；(4)生成训练集与测试集；(5)构建多尺度空谱特征和多维特征融合网络；(6)训练多尺度空谱特征和多维特征融合网络；(7)对测试样本进行分类。本发明提出的方法能有效解决卷积神经网络在训练时特征太过单一和尺度太过单一的问题，并且能够解决进行高光谱分类时平均分类精度AA低的问题，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能良好。
基于融合尺度多维特征光谱图像分类方法

[发明专利]基于CPU+FPGA的快速SAR图像变化检测方法-CN201810338560.6有效
发明人：王爽;焦李成;杨孟然;秦海轮;侯彪;刘若辰;马文萍;孙莉 -专利权人：西安电子科技大学
申请日： 2018-04-16 - 公布日： 2021-12-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CPU+FPGA的快速SAR图像变化检测方法，本发明采用CPU+FPGA异构并行加速实现SAR图像的变化检测，与现有技术中SAR图像变化检测的方法在CPU下计算相比，FPGA的并行计算能力要远远高于CPU数据串行计算能力。并且采用FPGA与CPU结合工作的方式，FPGA负责将整个算法中数据的处理并行化，CPU负责在主机端控制任务的调度以及参数的大小。本发明采用OpenCL的并行编程标准对SAR图像变化检测的算法进行并行化编写，代码的可移植性比较高，在不同的异构平台都可以运行。
基于 cpu fpga 快速 sar 图像变化检测方法

[发明专利]基于联合多级空谱信息CNN的高光谱图像分类方法-CN201910300993.7有效
发明人：冯婕;吴贤德;李迪;焦李成;张向荣;王蓉芳;张小华;尚荣华;刘若辰;刘红英 -专利权人：西安电子科技大学
申请日： 2019-04-15 - 公布日： 2021-11-02 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于联合多级空谱信息CNN的高光谱图像分类方法，主要解决高光谱图像分类性能不佳、分类区域一致性不好的问题。实现步骤为：输入高光谱数据集；构建卷积神经网络和多级空谱信息提取网络；生成联合多级空谱信息卷积神经网络CNN；输入训练样本集，利用损失函数对网络进行训练；输入测试数据集，利用训练好的联合多级空谱信息卷积神经网络CNN对高光谱图像进行分类。本发明利用搭建的联合多级空谱信息卷积神经网络CNN，能够提取、融合高光谱图像的多级空间信息和全局谱间信息，解决了现有技术方法中存在的空间特征信息利用不充分、卷积核不能提取光谱全局信息，导致分类区域一致性不好、精度不高的问题，提高了高光谱图像分类的准确性。
基于联合多级信息 cnn 光谱图像分类方法

[发明专利]基于OpenCL并行的极化SAR地物分类方法-CN201810977933.4有效
发明人：李阳阳;刘光远;焦李成;彭程;刘若辰;尚荣华;马文萍;马晶晶 -专利权人：西安电子科技大学
申请日： 2018-08-27 - 公布日： 2021-09-28 - 主分类号： G06K9/00 文献下载
摘要：一种基于OpenCL并行的极化SAR地物分类方法，实现步骤为：(1)输入待分类的极化SAR图像和与其对应的极化SAR真实地物类标；(2)去除相干斑噪声；(3)提取特征；(4)生成训练样本集和测试样本集；(5)预处理；(6)训练支持向量机模型；(7)配置开放运算语言OpenCL设备端；(8)并行预测测试样本集地物类标；(9)对测试样本集地物类标上色；(10)输出上色后的分类结果图。本发明利用OpenCL设备的多线程并行处理待预测数据，将支持向量机预测阶段原有的串行处理方式改为并行处理方式，实现在不影响测试样本集分类精度的情况下减少预测阶段所用时间。
基于 opencl 并行极化 sar 地物分类方法

[发明专利]基于主成分分析网络和空间坐标的高光谱图像分类方法-CN201811366518.1有效
发明人：慕彩红;刘逸;刁许玲;刘若辰;熊涛;李阳阳;刘敬 -专利权人：西安电子科技大学
申请日： 2018-11-16 - 公布日： 2021-09-10 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于主成分分析网络与空间坐标的高光谱图像分类方法，主要解决了现有技术空间与光谱信息融合复杂或不充分以及利用主成分分析网络进行高光谱分类时计算复杂度大等问题。其实现的方案为：先读取高光谱图像的数据集；再将数据集按空间分块随机选取训练集与测试集；然后对光谱信息进行降维、归一化及边缘保留滤波处理；接着将空间坐标扩充并与光谱特征融合；然后训练主成分分析网络，得训练好的主成分分析网络；将测试集数据输入训练好的主成分分析网络，得到测试集中每个像素点的特征向量；最后利用支持向量机SVM得到分类结果。本发明降低了计算复杂度，提高了分类效果，可应用于资源勘探、森林覆盖、灾害监测中的目标识别。
基于成分分析网络空间标的光谱图像分类方法

[发明专利]基于多类生成对抗网络的高光谱图像分类方法-CN201810548520.4有效
发明人：冯婕;于海鹏;焦李成;张向荣;王蓉芳;尚荣华;刘若辰;刘红英 -专利权人：西安电子科技大学
申请日： 2018-05-31 - 公布日： 2021-09-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多类生成对抗网络的高光谱图像分类方法，其步骤如下：(1)输入高光谱图像；(2)获取样本集；(3)产生训练样本与测试样本；(4)搭建多类生成对抗网络；(5)利用生成器生成样本；(6)用判别器对训练样本和生成的样本进行分类；(7)构建生成器和判别器的损失函数；(8)交替训练生成器与判别器；(9)对高光谱图像进行分类。本发明利用搭建的多类生成对抗网络，提取像元邻域的空间特征，同时生成样本来增加样本数量，增强了网络的特征提取能力，缓解了网络过拟合的问题，提高了高光谱图像分类的准确性。
基于生成对抗网络光谱图像分类方法

[发明专利]基于可分离卷积和硬阈值函数的高光谱波段选择方法-CN201810943367.5有效
发明人：冯婕;陈建通;冯雪亮;焦李成;张向荣;王蓉芳;刘若辰 -专利权人：西安电子科技大学
申请日： 2018-08-17 - 公布日： 2021-09-03 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于可分离卷积和硬阈值函数的高光谱波段选择方法，解决了高光谱图像波段选择性能不佳、分类精度差及耗时长的问题。实现步骤为：输入高光谱图像；产生训练与测试样本；构建包含波段选择层、空谱联合信息和分类器的卷积神经网络；通过训练得到优化后的卷积神经网络；利用训练后的基于波段选择的卷积神经网络对高光谱图像进行分类。本发明通过构建基于波段选择的卷积神经网络，在网络结构中搭建基于可分离卷积和硬阈值函数的波段选择层，实现了波段选择及分类一体化，克服了因二者分离导致的分类精度低、速度慢的问题。利用网络特征学习能力，提高了波段选择性能和分类精度。在军事、民用、农业、生态等领域有着广泛的应用。
基于可分离卷积阈值函数光谱波段选择方法

[发明专利]基于三元权值卷积神经网络的高光谱图像波段选择方法-CN201910369127.3有效
发明人：冯婕;李迪;吴贤德;焦李成;张向荣;王蓉芳;尚荣华;刘若辰;刘红英 -专利权人：西安电子科技大学
申请日： 2019-05-05 - 公布日： 2021-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于三元权值卷积神经网络的高光谱图像波段选择方法，解决了高光谱图像波段选择分类精度差及波段选择效率低的问题。实现步骤为：获取高光谱图像的训练样本集和测试样本集；构建三元权值卷积神经网络；计算三元权值卷积神经网络的损失；通过对三元权值卷积神经网络进行训练获取高光谱图像的波段选择结果。本发明在波段选择过程中保留了原始波段信息，构建了波段数目约束损失函数，使用离散梯度传播方法优化波段选择层，将波段选择过程与分类过程共同优化，有效提升了高光谱图像分类精度，提高了波段选择效率。
基于三元卷积神经网络光谱图像波段选择方法