|
搜索
搜 索
高等教育领域数字化综合服务平台
北京邮电大学副校长彭木根：“本研贯通”，分层分类培养拔尖创新人才
教师是立教之本、兴教之源。为进一步推进教育强国建设与高等教育高质量发展，落实立德树人根本任务，大力弘扬教育家精神，提升高校教师教书育人能力和高校人才自主培养质量，打造高校教学改革的风向标，中国高等教育学会联合中国教育在线推出《强国师说》系列访谈栏目。
中国高等教育博览会
2024-09-24
一种基于混沌动力理论的单向哈希函数构造方法
本发明涉及一种基于混沌动力理论的单向哈希函数构造方法,将一维分段线性映射的混沌映射与过饱和的Hopfield神经网络,通过分组Hash算法进行结合;所述的分组Hash算法,是将过饱和的Hopfield神经网络的收敛域中的吸引子元素
华侨大学
2021-04-29
基于机床不同结构状态的数控机床频响函数获取方法
一种基于机床不同结构状态的数控机床频响函数获取方法，该方法包括，步骤(1)将整个机床划分为两部件，包括固定部件和可动部件；步骤(2)获得可动部件在第一位置时机床结构状态的模态参数；步骤(3)获得可动部件在第二位置时机床结构状态的模态参数；步骤(4)利用不同结构状态的模态参数先计算得出模态标定因子，后结合频响函数的模态表达式合成机床在该结构状态的频响函数，本发明方法不需要测量输入力即可获得频响函数，应用本发明方法可实时监控机床的动态特性。
华中科技大学
2021-04-14
基于机床不同结构状态的数控机床频响函数获取方法
一种基于机床不同结构状态的数控机床频响函数获取方法，该 方法包括，步骤(1)将整个机床划分为两部件，包括固定部件和可动部 件；步骤(2)获得可动部件在第一位置时机床结构状态的模态参数；步 骤(3)获得可动部件在第二位置时机床结构状态的模态参数；步骤(4)利 用不同结构状态的模态参数先计算得出模态标定因子，后结合频响函数的模态表达式合成机床在该结构状态的频响函数，本发明方法不需 要测量输入力即可获得频响函数，应用本发明方法可实时监控机床的 动态特性。
华中科技大学
2021-04-14
天雁计算器学生用TY-82CNX科学函数
深圳市天雁电子有限公司
2021-08-23
天雁科学计算器考试专用学生函数计算器
深圳市天雁电子有限公司
2021-08-23
天雁科学计算器考试专用学生函数计算器
TY-84MS-4E
主要功能：双行显示，具有修改、插入、删除功能
重现功能
快速上下翻转
快速左右翻转
240种计算功能
10位数+2位指数显示
错误提示
9个变量
分数计算
百分数计算
答案存储
六十进制与十进制的换算
双曲/反双曲函数
常用及自然对数、指数、倒数、阶乘
随机数、π、小数位数、有效位数、舍入
平方根、立方根、根、平方、立方
极坐标/直角坐标变换/双曲/反双曲函数
分数计算、百分数计算、度分秒计算
排列、组合
统计、回归计算
规格尺寸：
重量：135g(含电池)
机身尺寸：160mm*84mm*16mm
耗电：0.0002W
电源：一节AAA（7号/SUM-4）
电池寿命：约有2年（每天使用一小时）
操作温度：0℃-40℃
包装尺寸：163mm*88mm*24mm
此款计算器为10+2显示函数计算器，符合国标、行标JY/T0382-2007,适合中学生使用，塑料按键，有保护盖
深圳市天雁电子有限公司
2021-08-23
通用目标细分类检测方法研究与对抗样本攻防
利用图像处理和机器学习技术，在多分类，样本不均匀条件下，对类型接近的目标进行识别与检测；在弱监督，无监督条件下对大数据集的目标自动分类识别技术；对目标识别算法的通用攻击和通用防御算法。
东南大学
2021-04-11
静止悬浮式激光散射法 血细胞分类计数系统
快速、准确的自动血细胞分类计数仪对减轻医生的劳动强度、提高测量准确度有着积极的意义。现有的各种自动血细胞分类仪各有优缺点，较先进的激光流式细胞仪价格昂贵，结构复杂，而且容易发生堵塞等现象，维护麻烦。本系统是基于静止悬浮式的原理，从原理上克服了流式细胞仪的缺陷。利用这种方法对血细胞进行分类计数，不需要固定和染色，不需要导电介质，更不需要昂贵的流式装置，可以方
西安交通大学
2021-01-12
基于形态稀疏协同表示的高光谱遥感图像分类
本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。
主要技术指标
University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。
请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。
表 1 PaviaU 数据集上对比实验结果
表 2 不同数据集上时间运行对比实验结果
西安电子科技大学
2023-03-14