专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果302019个,建议您升级VIP下载更多相关专利
  • [发明专利]骨传导助听器噪声精确定位消除方法及设备-CN202210964701.1有效
  • 朱江涛;向文林;许立;陈可夫;向文明;刘继辉 - 武汉左点科技有限公司
  • 2022-08-12 - 2022-11-04 - H04R25/00
  • 本发明提供了一种骨传导助听器噪声精确定位消除方法及设备。所述方法包括:将噪声声波和反相声波简化为运动点,得到点噪声声波和点反相声波;确定点噪声声波和点反相声波之间的距离模型,并确定距离模型的收敛条件;对距离模型的收敛条件求取时长的导数,得到第一约束条件,根据点噪声声波和点反相声波之间的距离模型得到点噪声声波运动方向与水平方向的夹角的第二约束条件;将第二约束条件代入第一约束条件得到对点反相声波的方向控制器,采用所述方向控制器控制点反相声波与点噪声声波精确吻合,滤除点噪声声波。本发明可以精确吻合噪声相位与反相声波相位,进而将噪声全部滤除干净。
  • 传导助听器噪声精确定位消除方法设备
  • [发明专利]基于三重低秩模型的高光谱图像去噪方法-CN202010727755.7有效
  • 尹海涛;余曦;陈海涛 - 南京邮电大学
  • 2020-07-23 - 2022-09-06 - G06T5/00
  • 本发明提供一种基于三重低秩模型的高光谱图像去噪方法,首先从含噪声的高光谱图像中依次提取图像块,再对提取的所有图像块分别进行三重低秩优化重构模型(即包括低秩部分约束、低秩部分与线性变换域噪声图像之间的约束以及低秩部分自相关性约束),去除稀疏噪声,最后通过对重构图像块的重叠像素进行加权平均得到去噪的高光谱图像。低秩部分与线性变换域噪声图像之间的约束可以提高模型的鲁棒性以及图像去噪的精度,低秩部分自相关性约束可以使得该去噪模型相比较于其他去噪模型对死线噪声的去除效果更佳优越。
  • 基于三重模型光谱图像方法
  • [发明专利]一种基于含噪声图像分布约束的贝叶斯图像去噪方法-CN202010696129.6在审
  • 邢宇翔;张丽;高河伟;邓智 - 清华大学
  • 2020-07-20 - 2020-11-13 - G06T5/00
  • 本发明属于数字图像处理和计算机视觉技术领域,尤其涉及一种基于含噪声图像分布约束的贝叶斯图像去噪方法。本方法根据贝叶斯后验概率理论,从含噪声图像对无噪声图像进行估计依赖于对无噪声图像先验分布的建模。本发明首先提出在加性噪声分布模型已知情况下,从含噪声图像样本中学习得到无噪声图像的分布的方法。本方法将无噪声图像先验分布的约束转化为含噪声图像先验分布的约束进行贝叶斯去噪,通过无监督的方式训练图像去噪神经网络的贝叶斯去噪实现方法。发明方法可以充分利用含噪声图像样本精确学习无噪声图像隐式分布特征,进而实现高效的图像去噪。
  • 一种基于噪声图像分布约束贝叶斯方法
  • [发明专利]一种基于无损约束降噪的自编码方法-CN201710639224.0在审
  • 张毅;张劲松;韩静;柏连发 - 南京理工大学
  • 2017-07-31 - 2018-01-16 - G06T5/00
  • 本发明公开了一种基于无损约束降噪的自编码方法,包括以下步骤1)、将噪声数据在无损约束降噪的自编码器中训练,初始化网络参数;所述自编码器的重构误差函数J中包括无损约束项||Xn‑Xc||2,其中,Xn为输入的带有噪声的训练数据,Xc是无噪声的数据,将噪声数据代入重构误差函数中进行训练,得到网络参数W和b;2)、根据步骤1)得到的网络参数,根据下式更新Xc;3)、重复步骤1)和2),达到训练数据去噪和高信噪比特征学习。本发明的基于无损约束降噪的自编码方法去噪能力强,在学习特征的同时,能够去除原始数据中的噪声,从而获得高信噪比的数据;分类准确率高,提升了自编码器对噪声数据的泛化能力,从而提高自编码器在噪声数据下的分类和识别性能
  • 一种基于无损约束编码方法
  • [发明专利]一种形态成分约束优化的高光谱数据解混方法-CN202110267926.7在审
  • 汪顺清;肖亮 - 南京理工大学
  • 2021-03-11 - 2021-07-09 - G06F17/16
  • 本发明公开了一种形态成分约束优化的高光谱数据解混方法,该方法主要是利用一批高光谱数据和纯物质光谱库,构造光谱样本扩展矩阵;通过估计波段噪声标准差和稀疏性结构噪声分解,使用l1范数来约束稀疏噪声,l2,0范数约束不同纯物质丰度系数的全局行稀疏性;建立形态成分约束优化的高光谱数据解混模型,交替迭代实现混合光谱的线性解混。本发明综合考虑了高斯随机噪声和稀疏性结构噪声对线性解混精度影响,对混合噪声鲁棒,可以有效克服同批光谱数据之间的波形形态结构差异性,通过优化迭代实现快速、高精度解混,解混的均方根误差小于0.0025;本发明方法对于岩石矿物识别和高光谱遥感地物精细识别等具有广泛应用前景
  • 一种形态成分约束优化光谱数据方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top