简介:摘要:知识产权是权利人对所创作的智力劳动成果所享有的财产权利,其本质核心就是为了证明是谁在什么时 间创作了什么样的劳动成果。但由于传统登记方式的局限性,一直存在存证难、取证 难、确权难、维权难、交易难、成本高及周期长等诸多问题。为了解决上述知识产权存在的诸多难题,提出利用人工智能+区块链构建知 识产权溯源平台。该平台一方面对人工智能纹理识别技术进行研究,用于对数据资产提取高维特征向量,将高维特征向量作为证据上传到平台,解决自动化存证和取证的问题;另一方面将通过纹理技术取 证的信息以NFT智能合约的方式放到区块链上,以期解决知识产权维权难、交易难及周期长的问题,利用NFT智能合约也可 以将证据在多个涉及到产权的部门间可信自动化流转。
简介:[摘要]语音识别率的高低,取决于语音信号特征提取的准确性和鲁棒性。,现实生活中是存在噪音干扰以及传播失真的,当语音识别技术走出实验室,流入市场的时候,其实特定设备接收到的语音信号就已经开始失真了。针对这一问题,笔者提出了特征提取的过程应该向前推进到发音系统的观点。结合不同人的发音生理特征来分析和提取语音信号的特征,这样的特征必将大大提高语音识别过程中提取到的信号特征的真实性,从而提高语音识别技术的识别率。
简介:摘要院对风电机组齿轮传动系统的加速度振动信号(称为实验信号)进行测试,计算获得其功率谱。并用细化谱与解调谱分析相结合的方法对其功率谱进行分析,得到实验信号的故障特征,初步判断齿轮传动系统发生故障的大概位置及故障类型。为进一步准确验证故障,建立其相应故障的齿轮传动系统的动力学模型,进行动力学模拟分析,对所模拟的振动响应信号采用实验信号相同的处理方法对其处理分析,得到模拟振动信号的故障特征。通过模拟信号的故障特征分析验证了对实验信号故障诊断的正确性。并用分形方法分析了齿轮传动系统不同状态信号功率谱的分形特征。结果表明,关联维数能反映出其振动信号成分的复杂程度,区别出故障的位置和程度。所以,可作为齿轮传动系统的故障特征量及故障诊断的依据。
简介:摘要隧道区域是高速公路管理的重点区域,行人和非机动车辆违规进入高速公路隧道内会严重影响高速公路的正常运行,造成巨大的安全隐患。因此,针对隧道环境下视频监控中的行人检测技术是高速公路正常运营的重要保障。隧道环境内,环境光照条件差,在图像中产生大量噪声,行人在隧道内目标小,像素低,给隧道环境下行人检测带来很大挑战。本文主要研宄了视频检测中的前景目标与背景目标的分割方法,使用了基于数学特征提取方法与卷积神经网络的行人目标检测方法。并且针对提取特征训练的分类器遍历搜索慢,在隧道场景下采用运动信息缩小搜索范围,节省了搜索时间。另外针对隧道环境下噪声大行人特征提取困难的问题,利用卷积神经网络对特征提取的优势特点,训练了端到端的隧道场景下行人检测网络。
简介:传统的遥感图像机场跑道自动目标检测由于仅提取灰度特征常产生过分割现象,本文采用灰度特征和纹理特征相结合的方法进一步提高跑道的检测精度。利用阈值对遥感图像进行初始分割,以定位感兴趣区域(ROI),再利用EM算法估计ROI区域训练样本,引入马尔可夫随机场(MRF)模型,分割机场跑道。实验表明MRF可以很好地描述空间连续性,可以达到精确检测机场跑道的目的。
简介:摘要目的通过观察研究B超图像中的特征及有用信息来判断脂肪肝的严重程度,给予较为准确的分级诊断。方法采用图像纹理分析方法和模式识别技术对48例脂肪肝患者的B超图像进行研究分析,以临床诊断不同程度脂肪肝B超图像纹理的变化和标准来研究的出发点,选择每一幅图像上感兴趣的区域,计算远场灰度比、多重谱面积、奇异标度差和基于小波变换的角二阶距等特征量。根据每一幅图像的特征矢量进行分类识别,识别方法有无监督识别—C-均值聚类和有监督识别—基于反向神经传播方向两种。结果正常肝脏识别率为96.0%,重度脂肪肝识别率为92.0%,中度脂肪肝识别率为88.0%,轻度脂肪肝识别率为80.0%。结论根据B超图像的特征能够有效的区分出正常肝脏与轻中重度脂肪肝,应用于脂肪肝的常规检查,能减少医生的工作量,避免造成误诊漏诊。