|
搜索
搜 索
高等教育领域数字化综合服务平台
基于物联网技术的分布式设备智能运维云服务平台
“基于物联网及云计算技术的设备故障诊断及预测平台”利用云计算、物联网、大数据、移动互联网等现代信息通信技术，实现人与设备、人与人、设备与设备的实时互动，实现信息和数据的共享。软件产品以服务的方式向用户提供。减少企业的平台搭建费用、数据安全维护成本、服务器投资和维护成本、专业技术人员投入成本、软件升级维护成本等。所有云服务产品实现全移动化，支持IOS和Andriod系统的多个版本，并且与PC端数据实时同步。云平台配置了冗余容灾、异
南京工业大学
2021-01-12
基于Dijkstra算法的高精度物联网小区无人智能运输车的设计
项目旨在设计出一款基于Dijkstra算法的高精度物联网小区无人智能运输车。该项目主要可分为两个部分:实车与模型车的同步开发和基于eclipse平台的APP开发。在实车和模型车的开发过程中，通过常规车载传感器实现小车的“智能化”，利用Dijkstra算法解决最短路径选择问题。利用计算机语言完成在eclipse平台上的APP开发，实现APP同时与实车和模型车的互联，实现智能运输小车运输末端的配送。
同济大学
2021-02-24
一种基于视觉感知特征的光谱降维方法及系统
本发明公开了一种基于视觉感知特征的光谱降维方法及系统，包括构造综合人眼视觉色度特性和光 谱特性的权函数 w(λ)，利用构造的权函数 w(λ)计算任意光谱样本集 S 的权函数 Siw(λ)，对样本集的权函 数 Siw(λ)进行均值化处理，得到样本集均值权函数矩阵 Wfv，构造用于均值权函数 Wfv 平滑优化模型及 约束目标函数，利用优化目标函数 ObjFunc 对平滑优化模型进行约束，确定权函数矩阵 Wfv 最佳平滑优 化函数参数 n 值，利用确
武汉大学
2021-04-14
一种铜@磁性金属@聚合物同轴三层纳米电缆及其制备方法
本发明涉及一种Cu@磁性金属@聚合物同轴三层纳米电缆，包括铜纳米线，包覆在所述铜纳米线外侧的磁性金属纳米管以及包覆在所述磁性金属纳米管外侧的聚合物纳米管,Cu@磁性金属@聚合物同轴三层纳米电缆的外径为100 300nm；所述磁性金属纳米管的内径为60 160nm，磁性金属纳米管的厚度为10 20nm。本发明的Cu@磁性金属@聚合物同轴三层纳米电缆具有较好的磁学性能，工艺简单，长度容易控制。通过新的制备技术组装了三层同轴纳米电缆阵列结构，具有较好的磁性能，可望用于高密度垂直磁记录介质领域。可以组装在微电子器件上。
青岛大学
2021-04-13
基于表情分析的抑郁程度自动评估系统、夜间车辆检测识别系统
CN105279380B 一种基于表情分析的抑郁程度自动评估系统CN201310089195 一种基于车灯识别的夜间车辆检测方法及系统。
东南大学
2021-04-11
三层实地木板
产品详细介绍
北京泰步装饰材料有限公司
2021-08-23
仪器柜（活动层板）
柜身结构：采用铝合金框架壁厚1.4㎜，表面采用环氧树脂粉末喷涂，及16mm厚双饰面三聚氰胺中密度板结构，上柜内有活动层板，上柜身为对开木框玻璃门，下柜有两扇木质对开门。截面用封边机械高温热压封边。采用ABS工程塑料，模具注塑成形高度25㎜。
宁波华茂文教股份有限公司
2021-08-23
互联网文本内容主题概念漂移检测系统
成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。
电子科技大学
2021-04-10
CDMA2000移动互联网内容监管系统
本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。
东南大学
2021-04-10
基于大数据的能源互联网能量管理系统
随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11