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135个,建议您升级VIP下载更多相关专利
  • [发明专利]一种学习资源推送方法及系统-CN202310689149.4在审
  • 程义林;祝博;何志峰 - 中国船舶集团有限公司第七〇九研究所
  • 2023-06-09 - 2023-10-10 - G06F16/9535
  • 本发明提供了一种学习资源推送方法及系统,包括:向待推送人员推送待推送人员的基本信息相关的学习资源;基于与待推送人员同等学习时长的所有人员在浏览学习过程中的学习记录、行为日志和表情记录,分别确定各个人员学习过程的特征向量;基于特征向量之间的相似度,从所有人员中确定待推送人员的相似人员;基于各个相似人员的学习记录,确定各个相似人员对各个学习资源的偏好程度,并结合待推送人员与各个相似人员的相似度,确定待推送人员对各个学习资源的偏好程度;确定待推送人员的偏好学习资源,以对推送的学习资源进行调整。本发明实现了智能化地针对每个人员生成个性化且可灵活调整的学习计划来进行资源推送,提升了学习人员的学习成效。
  • 一种学习资源推送方法系统
  • [发明专利]一种海上小尺度目标检测方法和装置-CN202310855620.2在审
  • 赵玉普;周轲瑞;时惠莉 - 中国船舶集团有限公司第七〇九研究所
  • 2023-07-13 - 2023-10-03 - G06V10/82
  • 本发明属于海上目标实时检测领域,涉及一种海上小尺度目标检测方法和装置,包括:对原始图像进行预处理得到第一图像和第二图像,对原始yolov3‑tiny网络模型进行训练后得到第一级yolov3‑tiny网络模型和第二级yolov3‑tiny网络模型,将所述第一图像输入所述第一级yolov3‑tiny网络模型得到第一级特征图,构建fdnet模块,所述fdnet模块用于预测所述第二图像上需要裁剪的感兴趣区域图像,将所述感兴趣区域图像输入所述第二级yolov3‑tiny网络模型得到第二级特征图,所述第一级特征图和所述第二级特征图组成最终的特征图,本发明将yolov3‑tiny网络模型扩充为两级,并在第一级yolov3‑tiny网络模型的第五层卷积池化后增加一个fdnet模块,提高了yolov3‑tiny网络模型在海上小尺度目标检测时的准确率。
  • 一种海上尺度目标检测方法装置
  • [发明专利]一种基于自画像的心理状态分析方法及系统-CN202310673782.4在审
  • 史来祥;张妍;程义林;陈龙 - 中国船舶集团有限公司第七〇九研究所;华中科技大学
  • 2023-06-07 - 2023-09-29 - G16H50/30
  • 本发明提供一种基于自画像的心理状态分析方法及系统,包括:确定待分析人员的自画像;确定自画像的多条信息;多条信息包括:构图情况对应的多条信息、个人形象对应的多条信息以及面部细节特征对应的多条信息;根据预设的自画像每条信息与多种心理状态指标值之间的映射关系,确定每条信息对应的多种心理状态指标值,以获取自画像反映的每种心理状态对应的多个指标值;将每种心理状态对应的多个指标值求均值和均方差,确定多种心理状态和每种心理状态的可信度;当均值在预设阈值区间内,则对应的心理状态高,否则对应的心理状态适中;当均方差小于阈值时,可信度高,否则可信度低。本发明根据待分析人员的自画像中得出其心理状态和可能心理问题。
  • 一种基于自画像心理状态分析方法系统
  • [发明专利]基于特征学习与协同表示网络的高光谱图像异常检测方法-CN202310002992.0在审
  • 欧阳彤彬 - 中国船舶集团有限公司第七〇九研究所
  • 2023-01-03 - 2023-09-22 - G06V10/82
  • 本发明公开了一种基于特征学习与协同表示网络的高光谱图像异常检测方法,包括S1选择待处理的高光谱图像数据,并随机抽取70%作为训练数据,30%作为测试数据;S2构建网络结构;S3根据训练数据对网络结构进行训练后获得异常检测网络;S4将测试数据输入至异常检测网络中,提取高光谱图像数据的隐层特征图像,并根据协同表示网络对隐层特征图像进行重建获得重建图像,通过计算重建图像与隐层特征图像中各个对应像素的欧氏距离获得异常检测图。本发明将自编码器与自注意力模块相结合,更好地提取图像的全局特征,利用训练好的协同表示网络生成全局背景字典以及权重矩阵,对特征进行表示,通过表示结果与原特征图的误差图来检测异常目标,耗时短,精度高。
  • 基于特征学习协同表示网络光谱图像异常检测方法
  • [实用新型]一种用于加固型键盘试验检测的工装-CN202320359072.X有效
  • 李乾辉 - 中国船舶集团有限公司第七〇九研究所
  • 2023-02-28 - 2023-09-12 - G01M7/02
  • 本实用新型提供了一种用于加固型键盘试验检测的工装,属于环境试验技术领域,其为整块铝合金板加工而成,其正面间隔设置有多个平行的槽位,每个槽位呈台阶状,包括围框卡槽和底托,槽位的最大槽深小于铝合金板的厚度,整块铝合金板的背面间隔设置有多个减重孔,每个减重孔位于底托的下方。工装背面的两侧部设置有隐形提手。隐形提手为整块铝合金板背面两侧部开设的矩形槽口或者是收纳在槽口中的合页式提手,每个槽位的底面均粘贴有一层绒布,每两个槽位之间的间隔为加固型键盘厚度的1.5倍~3倍。本实用新型装置用于对加固型键盘进行试验检测时候的安装,其安装方便快捷、牢固可靠、安全性高,尤其适用作为加固型键盘振动试验的工装。
  • 一种用于加固键盘试验检测工装
  • [发明专利]一种SQL注入攻击检测方法及系统-CN202310578342.0在审
  • 徐明迪;谢波;靳朝阳;崔峰;王瑜 - 中国船舶集团有限公司第七〇九研究所
  • 2023-05-22 - 2023-08-22 - G06F21/56
  • 本发明提供了一种SQL注入攻击检测方法及系统,包括:对SQL语句样本进行预处理,得到预处理后的SQL语句样本;对预处理后的SQL语句样本进行分词处理和词向量化,得到SQL语句样本对应的词向量表示;对SQL语句样本对应的词向量表示进行SQL注入攻击分类,获得各个攻击类别的词向量表示;基于各个攻击类别的词向量表示,对初始模型进行训练,获得SQL注入攻击检测模型;初始模型基于Tree‑CNN构建;基于SQL注入攻击检测模型,对待检测SQL语句的词向量表示进行SQL注入攻击分类,获得待检测SQL语句的攻击类别。本发明解决了传统深度学习的灾难性遗忘问题,提高了训练效率,并且提升了检测效率和检测准确率。
  • 一种sql注入攻击检测方法系统
  • [发明专利]一种分段式数据检测方法及相应的装置-CN202310370206.2在审
  • 李鼎;高子文;田华臣;饶子昀 - 中国船舶集团有限公司第七〇九研究所
  • 2023-04-03 - 2023-08-18 - H04L9/40
  • 本发明涉及网络安全技术领域,提供了一种分段式数据检测方法及相应的装置。首先获取待检测数据,并对待检测数据进行向量化,以得到相应的目标编码向量;再对目标编码向量进行处理,以获取待检测数据的异常评分值;再将异常评分值与分割阈值进行比较,根据比较结果确定待检测数据为正常数据或可疑数据;若待检测数据为可疑数据,则将编码向量输入分类模型,通过分类模型判断待检测数据为正常数据或恶意数据。本发明使用两段式检测方案对数据进行检测,先快速筛选掉正常数据,再通过分类模型对剩下的少量可疑数据进行后续准确率较高的检测,该方法在能够快速判断出待检测数据是否为恶意数据,也能保证检测准确率。
  • 一种段式数据检测方法相应装置
  • [实用新型]一种用于探头的保护支撑装置-CN202320346190.7有效
  • 汤智文 - 中国船舶集团有限公司第七〇九研究所
  • 2023-02-24 - 2023-08-18 - G01D11/30
  • 本实用新型提供了一种用于探头的保护支撑装置,属于计量测试技术领域,其包括底座、螺柱、粗调螺母、升降台、细调手轮和托盘,螺柱固定在底座上以受底座支撑,螺柱垂直于底座,粗调螺母螺接于螺柱上,升降台被穿插在螺柱上并受粗调螺母承托,升降台包括水平板和垂直固定在水平板侧部的垂直板,水平板侧部处设置有通孔以供螺柱穿插通过,垂直板上顶面处设置有细调手轮,细调手轮呈螺栓状,其包括手轮本体和与手轮本体固定连接为一体的螺纹杆,螺纹杆贯穿托盘上设置的通孔并和托盘连接固定,从而能带动托盘跟随螺杆的转动而上下移动。本实用新型装置能解决实际工作中探头接触处缺乏有效支撑带来的探头疲劳损坏以及使用不方便的问题。
  • 一种用于探头保护支撑装置

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