专利标题 公开号/公告号 公开日期 摘要 专利状态
一种基于在线问卷考试排名实时排序的方法 CN202110177469.2 - 本发明属于在线问卷成绩排名技术领域，具体涉及一种基于在线问卷考试排名实时排序的方法，包括以下步骤：S1:排行榜去重处理；S2：排行名次处理；S3：数据的时效性处理；本发明能够实现了实时存储百万级用户考试的排行功能，满足了互联网在线展示考试成绩排行的应用场景。 专利申请的驳回
一种问卷报告数据在屏幕上智能呈现的方法 CN202110177782.6 2022-08-09 本发明属于在线问卷数字化呈现技术领域，具体涉及一种问卷报告数据在屏幕上智能呈现的方法，包括以下步骤：步骤一：从数据库中存储的问卷答卷信息数据中提取需要呈现到问卷报告中的数据；步骤二：将步骤一的数据归类；步骤三：计算数据项的最佳尺寸；步骤四：计算数据项的可容忍尺寸；步骤五：根据制定的尺寸规则，划分屏幕；步骤六：固定位置分配：固定位置给予最高优先级；步骤七：浮动位置分配；步骤八：分配图形；步骤九：根据得到的数据进行前端渲染；本发明能够实现一种多样化，不单调不死板的呈现方式，同时操作简单成本低的问卷数据在屏幕上呈现的方式。 专利权的授权
一种基于问卷的多维度评估方法及其方法 CN202110183404.9 - 本发明属于在线问卷调查技术领域，具体涉及一种基于问卷的多维度评估方法，包括以下步骤：S1:评价关系的导入和存储，S2:问卷填写与内容呈现，S3：评估报告计算；本发明能够囊括被评者、评价者，以及他们之间的评价关系，能够将评价者和被评者的关系体现在评估报告之中，形成多维度的评价梯体系。 专利申请的驳回
一种基于word文档录入用户考试问卷的方法 CN202011381075.0 - 本发明问卷录入技术领域，具体涉及一种基于word文档录入用户考试问卷的方法，包括包括以下步骤：S1、分离文档中的考试标题，S2、识别题目类型，S3、识别题目中的选项，答案，答案解析，以及分数；S4、识别并储存文档中的图片，公式；S5、将文档储存问系统可读的XML格式文件；本发明极大减少了用户重复输入题目的工作量，降低设置题目内容的复杂度，能够更更高效，更准确，更全面的识别录入考试问卷；识别的格式包容性强，覆盖面光，用户体验度高。   专利申请的驳回
一种在线问卷调查系统中多级下拉题型的数据处理方法 CN202010919327.4 2023-11-17 本发明提出了一种在线问卷调查系统中多级下拉题型的数据处理方法，S1：问卷数据输入；S2：问卷数据处理；S3：读取S2步骤中储存的格式数据，转换为用户界面，作为问卷的方式，可进行多级下拉选择；S4：答卷数据输入；S5：问卷数据处理；S6：读取S5中所有答卷数据，使用group by进行分组操作，按照多级下拉答案进行分组，并统计每个答案的频次；S7：使用split拆分多级下拉答案，并携带频次，转换为列表数组；S8：输出；本方案存储更简单，查询更快捷，而且随着数据源个数增加，以及答卷数增加，还有层级的增加，此方案的性能更能彰显出来。 专利权的授权
一种多类别目标识别方法及系统 CN202310291556.X - 本发明公开了一种多类别目标识别方法及系统，该方法包括：步骤S1：预处理：对获取的原始数据进行预处理；步骤S2：分帧：对原始数据进行分帧，分为长时间周期帧和短时间周期帧；步骤S3：目标识别：分别对步骤S2中的两种帧进行特征提取，输入到对应的神经网络进行目标识别；步骤S4：融合：根据信号特点，对两个神经网络结果进行融合，把融合结果作为传感器识别结果输出。该系统用来实施上述方法。本发明具有原理简单、适用范围广、识别精度高、能够大大降低硬件开销等优点。 专利申请的驳回
用于无人值守传感器系统的多类别目标识别方法及系统 CN202210191601.X 2024-04-02 本发明公开了一种用于无人值守传感器系统的多类别目标识别方法及系统，所述方法包括步骤：S1、预处理:对无人值守传感器系统获取的原始数据进行分帧；S2、特征提取:同时提取分帧后数据的多个时域特征；S3、模型训练:将步骤S2得到的多个时域特征作为训练样本，分别对高斯混合模型和xgboost模型进行训练,得到训练好的高斯混合模型和xgboost模型；S4、信号识别:通过训练好的高斯混合模型对信号进行识别，得到第一识别结果；通过训练好的xgboost模型对信号进行识别，得到第二识别结果；S5、综合判定：综合第一识别结果和第二识别结果，输出最终识别结果。本发明具有计算量小、识别精度高等优点。 专利申请的更正
一种智能无人值守传感器系统及目标识别方法 CN202210191616.6 2024-05-31 本发明公开了一种智能无人值守传感器系统，包括电源转换单元和依次相连的地震检波单元、信号处理单元、数据处理单元和通讯单元；地震检波单元用于将震动信号转换为电信号，信号处理单元用于将电信号转换为数字信号，数据处理单元用于对数字信号进行分析处理得到目标识别结果。本发明还公开了一种基于如上所述系统的目标识别方法，包括：S1、地震检波单元用于将震动信号转换为电信号；S2、信号处理单元用于将电信号转换为数字信号；S3、数据处理单元用于对数字信号进行处理得到识别结果；S4、通讯单元用于输出目标识别结果。本发明具有布设灵活、隐蔽性好、识别率高、识别类型多、抗干扰强、集成性好、全天候工作等优点。 专利申请的更正
用于无人值守传感器系统的多类别目标识别方法及系统 CN202110551344.1 2023-11-14 本发明公开了一种用于无人值守传感器系统的多类别目标识别方法及系统，此方法包括步骤：S1、数据预处理：对无人值守传感器设备获取的原始数据进行分帧；S2、信号特征提取：同时提取分帧后的数据的多段独立时域特征；S3、卷积神经网络模型训练：将步骤S2得到的多段独立时域特征作为训练样本，输入到卷积神经网络中训练，建立卷积神经网络模型；S4、信号识别：通过步骤S3建立的卷积神经网络模型对信号进行识别，得到识别结果。本发明具有操作简便、计算量小、识别率高、可以在嵌入式系统中应用等优点。 专利权的授权
一种基于改进步态能量图的步态识别方法及系统 CN201911306472.9 - 本发明公开一种基于改进步态能量图的步态识别方法及系统，包括从步态序列图像中提取单帧图像进行灰度变换，采用动态背景建模的背景减除法提取人体目标轮廓；对人体轮廓图像进行形态学去噪处理，然后等比例缩放到指定高度，建立一个标准模板，计算缩放后人体轮廓图像静态区域的重心，将其与标准模板的重心对齐，得到尺寸归一化后的人体目标轮廓图像；提取每个步态序列的步态周期并由此计算生成改进步态能量图；对改进步态能量图进行降维处理，进一步提取步态特征；将步态特征输入到最近邻分类器进行距离度量和身份判别。应用本发明，可以提取到图像中更加清晰、丰富的行人轮廓静态特征，从而提高识别率。 专利申请的驳回