“涂德志”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5个，建议您升级VIP下载更多相关专利

[发明专利]基于Fisher特征分析的CNN机场室内场景识别方法-CN201910350193.6有效
发明人：李芃;曹聪;张兰勇;刘胜;刘洪丹;孙希威;涂德志;张鑫 -专利权人：哈尔滨工程大学
申请日： 2019-04-28 - 公布日： 2022-07-12 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了基于Fisher特征分析的CNN机场室内场景识别方法，属于机场室内场景识别领域。本发明包括：收集机场内部不同场景区域图像样本；对采集的图像进行筛选，制作网络训练所需的数据集，数据集里包括机场内部场景图片和场景所属的类别；搭建基于Fisher特征分析的CNN算法的深度神经网络，并设置相应参数；基于数据集对该神经网络进行训练，得出Fisher特征分析的CNN训练模型；输入当前场景图像，利用基于Fisher特征分析的CNN训练模型进行识别。本发明引用基于Fisher特征分析的CNN算法对机场室内场景进行快速识别，相比传统导航机器人使用的室内场景识别方法，提高了识别的正确率。辅助服务机器人自动导航，有效节约人力资源。
基于 fisher 特征分析 cnn 机场室内场景识别方法

[发明专利]一种语言对联信息处理系统、方法及构建方法-CN202111517180.7在审
发明人：赵川;尹中;贺鹏;吴畏;黄静雯;周宣志;涂德志;王圆圆;郑雪;唐健;岳鹏;朱洪波;陈永俊;李晓喆;杜玲;卢尧;李晓;彭敦峰;李晟;马源 -专利权人：成都理工大学
申请日： 2021-12-08 - 公布日： 2022-04-29 - 主分类号： G06F40/49 文献下载
摘要：本发明属于自然语言处理技术领域，公开了一种语言对联信息处理系统、方法及构建方法，所述语言对联信息处理系统具体包括：输入模块用于通过输入框输入上联；语料库：用于存储对联相关数据；对联生成模块用于根据输入模块输入的上联触发相应算法逻辑生成下联；输出模块用于在输出框中显示生成的下联。本发明的对联系统的实现是对“陈寅恪难题”和陈寅恪的“对对子”的完美回应；本发明通过对语言的拓扑性的探索，可以更加整体、综合地理解中文的句法结构。本发明从语义空间到语法空间，再从平面空间到三维拓扑空间，在语义、句法和语用三个维度上以认知的角度研究它的规律，从而打破了这三者之间的界限。
一种语言对联信息处理系统方法构建

[发明专利]基于语言对称性和拓扑性的对联生成方法及系统-CN202111491276.0在审
发明人：赵川;贺鹏;吴畏;黄静雯;尹中;周宣志;涂德志;王圆圆;郑雪;唐健;岳鹏;朱洪波;陈永俊;李晓喆;杜玲;卢尧;李晓;彭敦峰;马源;李晟 -专利权人：成都理工大学
申请日： 2021-12-08 - 公布日： 2022-04-08 - 主分类号： G06F40/289 文献下载
摘要：本发明涉及一种基于语言对称性和拓扑性的对联生成方法及系统，所述方法首先获取上联，通过ICTCLAS算法对上联进行分词，将分词后的词语代入语料库搜索其编码，若语料库中无该词语，则输出对应字数的*符号，若语料库中有该词语，则选出所有前四位，即前三层编码相同的词语，将其中的与上联词汇字数不符以及有重复字的所有词语去除，将剩下的所有词语与原词进行相似度匹配计算，选取相似度值在0.6～0.8中间的词语作为选定词语输出，若备选词语数量不足1时，则更改部分条件限制，最后将所有匹配出的词语进行组合成为下联输出。
基于语言对称性拓扑对联生成方法系统

[发明专利]基于网络的机场跑道检测机器人预测控制方法-CN201810589307.8有效
发明人：李芃;涂德志;张兰勇;张鑫;曹聪 -专利权人：哈尔滨工程大学
申请日： 2018-06-08 - 公布日： 2021-10-01 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于网络的机场跑道检测机器人预测控制方法，本发明针对一种机场跑道检测机器人网络控制系统建立了机场跑道检测机器人运动学模型，并将其转化最小方差控制中所用的受控自回归积分滑动模型，然后将此模型转化为机器人在全局坐标系下x方向和y方向两个独立的单输入单输出线性模型，并通过改进的GPC算法对机场跑道检测机器人进行预测控制。本发明能够有效减少机场跑道检测机器人运动过程中受到的远程网络控制造成的网络延时及噪声干扰影响，提高了机场跑道检测机器人在网络环境下运动控制器的解算速度及其鲁棒性。
基于网络机场跑道检测机器人预测控制方法

[发明专利]一种基于Faster-RCNN的机场跑道异物检测方法-CN201811602067.7在审
发明人：李芃;涂德志;张兰勇;刘胜;张鑫;曹聪;李华健 -专利权人：哈尔滨工程大学
申请日： 2018-12-26 - 公布日： 2019-05-17 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种基于Faster‑RCNN的机场跑道异物检测方法，属于检测领域。本发明包括：包括以下步骤：步骤S1：收集机场异物图像样本；步骤S2：制作Faster‑RCNN神经网络训练所需的数据集；步骤S3：搭建基于Faster‑RCNN算法的深度神经网络，并设置相应参数；步骤S4：基于数据集对该神经网络进行训练，得出Faster‑RCNN的训练模型；步骤S5：输入待检测图像，利用Faster‑RCNN训练模型进行检测识别。本发明引用Faster‑RCNN算法对机场跑道异物进行快速检测识别，相比传统机场跑道异物检测方法，提高了检测识别的正确率，节约了人力资源，提高了机场跑道异物检测效率。
机场跑道异物检测神经网络训练模型数据集算法神经网络训练待检测图像检测领域快速检测人力资源异物图像正确率检测异物样本引用节约机场制作