本技術(shù)公開(kāi)一體式磁混凝磁種分離回收裝置，屬于環(huán)境保護(hù)中水處理技術(shù)領(lǐng)域，包括主池體，主池體具體由上部的棱柱形池體和下部的直角棱臺(tái)形池體構(gòu)成，主池體內(nèi)上方設(shè)有水位傳感器，中間位置設(shè)有豎向?qū)Я靼澹鞒伢w內(nèi)位于導(dǎo)流板的一側(cè)設(shè)有空氣主管，空氣主管...

本發(fā)明公開(kāi)了常規(guī)天氣圖上槽線或切變線的自動(dòng)識(shí)別方法、系統(tǒng)及設(shè)備，涉及氣象預(yù)報(bào)技術(shù)領(lǐng)域，包括以下步驟：接收風(fēng)向相關(guān)數(shù)據(jù)，對(duì)風(fēng)向相關(guān)數(shù)據(jù)進(jìn)行處理，得到風(fēng)向相關(guān)處理數(shù)據(jù)集，對(duì)風(fēng)向相關(guān)處理數(shù)據(jù)集從上而下、自西向東尋找異常點(diǎn)；根據(jù)異常點(diǎn)的風(fēng)向，以...

本發(fā)明公開(kāi)了一種基于知識(shí)圖譜檢索的虛假新聞檢測(cè)方法及系統(tǒng)，方法包括：將事實(shí)驗(yàn)證數(shù)據(jù)中的原始聲明分為若干子聲明，然后將第一證據(jù)答案與聲明答案通過(guò)注意力機(jī)制進(jìn)行相似度分析以獲得標(biāo)簽預(yù)測(cè)概率；根據(jù)標(biāo)簽預(yù)測(cè)概率對(duì)子聲明進(jìn)行分類(lèi)獲得可信預(yù)測(cè)答案和...

本發(fā)明公開(kāi)了一種基于風(fēng)云4A衛(wèi)星的地表入射太陽(yáng)輻射智能化預(yù)報(bào)方法，包括以下步驟：獲取預(yù)測(cè)時(shí)刻之前的風(fēng)云4A衛(wèi)星地表入射太陽(yáng)輻射數(shù)據(jù)集，將其輸入預(yù)先訓(xùn)練的地表入射太陽(yáng)輻射短臨預(yù)報(bào)模型，輸出地表入射太陽(yáng)輻射預(yù)測(cè)結(jié)果；所述地表入射太陽(yáng)輻射短臨...

本發(fā)明公開(kāi)了一種基于傅里葉變換Transformer網(wǎng)絡(luò)的低光圖像增強(qiáng)方法及裝置，本發(fā)明首先獲取若干低光圖像及對(duì)應(yīng)的參考標(biāo)準(zhǔn)圖像，并對(duì)低光圖像進(jìn)行預(yù)處理，之后構(gòu)建傅里葉變換Transformer網(wǎng)絡(luò)，再將預(yù)處理后的低光圖像和對(duì)應(yīng)的正常光...

本發(fā)明公開(kāi)了一種基于自注入鎖定和環(huán)內(nèi)混頻的低相噪頻率源裝置及實(shí)現(xiàn)方法，所述裝置包括：主控處理器電路、自注入鎖定電路及環(huán)內(nèi)混頻鎖相環(huán)電路；所述自注入電路包括注入鎖定振蕩器、環(huán)形器、移相器、濾波器、功分器；移相器的輸出信號(hào)注入環(huán)形器，構(gòu)成自...

本發(fā)明公開(kāi)了一種基于Transform?Flownet和R?FPN的降水預(yù)測(cè)方法，獲取氣象雷達(dá)圖像數(shù)據(jù)，并對(duì)氣象雷達(dá)圖像數(shù)據(jù)進(jìn)行預(yù)處理；構(gòu)建初始降水預(yù)測(cè)模型，利用自適應(yīng)權(quán)重粒子群優(yōu)化算法改進(jìn)的麻雀算法優(yōu)化初始降水預(yù)測(cè)模型的超參數(shù)；利用預(yù)...

本發(fā)明公開(kāi)了一種基于異質(zhì)框架搜索的蚜蟲(chóng)計(jì)數(shù)方法及裝置，本發(fā)明首先構(gòu)建蚜蟲(chóng)訓(xùn)練數(shù)據(jù)集，包括蚜蟲(chóng)圖像收集和標(biāo)簽制作，所述標(biāo)簽制作用于對(duì)每張圖片的蚜蟲(chóng)目標(biāo)進(jìn)行點(diǎn)標(biāo)注，利用高斯核對(duì)點(diǎn)標(biāo)注進(jìn)行卷積運(yùn)算生成高斯密度圖。然后，對(duì)蚜蟲(chóng)圖像進(jìn)行數(shù)據(jù)預(yù)處理...

本發(fā)明提供基于區(qū)塊鏈的零水印醫(yī)療圖像交易方法、系統(tǒng)及平臺(tái)，涉及信息安全領(lǐng)域。該基于區(qū)塊鏈的零水印醫(yī)療圖像交易方法，包括：接收醫(yī)療圖片所有者上傳的待交易醫(yī)療圖片數(shù)據(jù)，對(duì)待交易醫(yī)療圖片數(shù)據(jù)進(jìn)行預(yù)處理，生成并存儲(chǔ)具有唯一CID的零水印醫(yī)療圖片...

本發(fā)明公開(kāi)了一種基于計(jì)算機(jī)控制的陰極快速啟動(dòng)電源，包括通信控制電路，通信控制電路包括主控芯片D1，控制燈絲電源的加電和關(guān)電；穩(wěn)壓控保模塊，包括慢啟動(dòng)濾波單元和驅(qū)動(dòng)斬波信號(hào)產(chǎn)生電路，慢啟動(dòng)濾波單元包括慢啟動(dòng)電路和濾波電路，慢啟動(dòng)電路接收由...

本發(fā)明公開(kāi)了一種雙粒度提示下基于回放的持續(xù)學(xué)習(xí)模型建立方法及裝置，本發(fā)明首先對(duì)訓(xùn)練數(shù)據(jù)集中的圖像進(jìn)行預(yù)處理；然后構(gòu)建雙粒度提示下基于回放的持續(xù)學(xué)習(xí)模型，包括特征提取器、分類(lèi)器、輸入感知提示模塊和代理特征提示模塊；所述特征提取器用于從輸入...

本發(fā)明公開(kāi)了一種S波段雷達(dá)數(shù)據(jù)與X波段雷達(dá)數(shù)據(jù)轉(zhuǎn)換方法，屬于天氣雷達(dá)領(lǐng)域。該方法包括如下步驟：S1、從天氣雷達(dá)中獲取S波段和X波段觀測(cè)數(shù)據(jù)；S2、對(duì)獲取的數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗和增強(qiáng)；S3、對(duì)清洗和增強(qiáng)后的數(shù)據(jù)集進(jìn)行時(shí)間和空間對(duì)齊；S4、構(gòu)...

本發(fā)明公開(kāi)了一種基于STBformer模型的網(wǎng)絡(luò)入侵檢測(cè)方法及系統(tǒng)，在網(wǎng)絡(luò)流量高峰期和實(shí)時(shí)數(shù)據(jù)傳輸中迅速而精準(zhǔn)地識(shí)別潛在的入侵行為。本發(fā)明STBformer混合模型中，通過(guò)組合全連接層搭建流級(jí)投影模塊；通過(guò)多頭注意力機(jī)制和快速傅里葉變換...

本發(fā)明公開(kāi)了一種基于DTformer的短期多能源負(fù)荷預(yù)測(cè)方法，包括以下步驟：（1）獲取與日歷特征相關(guān)的數(shù)據(jù)及氣象數(shù)據(jù)；（2）分別對(duì)獲取到的電、熱、冷負(fù)荷歷史數(shù)據(jù)、各氣象特征數(shù)據(jù)和日歷數(shù)據(jù)進(jìn)行缺失值填充和異常值處理得到經(jīng)過(guò)清洗的時(shí)間序列數(shù)...

本發(fā)明公開(kāi)了一種基于腦圖的低遺忘熱點(diǎn)事件預(yù)測(cè)方法及裝置，方法包括：將待預(yù)測(cè)的社交網(wǎng)絡(luò)熱點(diǎn)事件流輸入構(gòu)建好的BNN模型，利用構(gòu)建好的BNN模型預(yù)測(cè)事件后續(xù)發(fā)展；構(gòu)建BNN模型包括：提取推理預(yù)測(cè)的腦區(qū)fMRI成像；將腦區(qū)fMRI成像轉(zhuǎn)化為腦...

本發(fā)明公開(kāi)了一種基于Conv2Former和對(duì)比學(xué)習(xí)的視頻質(zhì)量評(píng)價(jià)方法及裝置，該方法利用Conv2Former作為空間特征提取模塊并結(jié)合特征金字塔技術(shù)，對(duì)視頻幀進(jìn)行空間特征提取。再利用Attention?LSTM模型，處理視頻的時(shí)序信息...

本發(fā)明公開(kāi)了一種雙階段圖像的異常檢測(cè)與重構(gòu)方法及系統(tǒng)，方法包括：將輸入圖像輸入至預(yù)設(shè)的圖像分割模型獲得異常掩碼圖；將所述異常掩碼圖中的偽異常區(qū)域所對(duì)應(yīng)在輸入圖像的區(qū)域記為可疑異常區(qū)域；將輸入圖像的可疑異常區(qū)域替換為相似圖像對(duì)應(yīng)的區(qū)域獲得...

本發(fā)明公開(kāi)了一種多任務(wù)持續(xù)學(xué)習(xí)的跨海域熱帶氣旋強(qiáng)度估計(jì)方法，包括：構(gòu)建熱帶氣旋強(qiáng)度估計(jì)模型，熱帶氣旋強(qiáng)度估計(jì)模型包括相互連接的海域聚合殘差模塊和風(fēng)?壓任務(wù)模塊，將紅外通道和水汽通道拼接后的單幀熱帶氣旋圖像作為熱帶氣旋強(qiáng)度估計(jì)模型的輸入，...

本發(fā)明涉及一種面向群體交互的協(xié)作問(wèn)題解決能力評(píng)估系統(tǒng)及方法，其系統(tǒng)包括：用戶(hù)端模塊：用戶(hù)通過(guò)終端設(shè)備以教師角色或?qū)W生角色進(jìn)行登錄；實(shí)施協(xié)作問(wèn)題解決能力評(píng)估模塊：由教師創(chuàng)建協(xié)作任務(wù)及對(duì)學(xué)生分組，在學(xué)生解決所述協(xié)作任務(wù)時(shí)進(jìn)行多模態(tài)數(shù)據(jù)的采集...

本發(fā)明公開(kāi)了一種基于條件最大平均差異的特征提取方法，包括：采樣腦電圖信號(hào)；根據(jù)預(yù)設(shè)的窗口增量和全連接因子，對(duì)待檢測(cè)的腦電圖信號(hào)進(jìn)行全連接窗口的劃分；分別提取第一腦電圖信號(hào)片段向量X和第二腦電圖信號(hào)片段向量Y中的其中一個(gè)窗口信號(hào)，將之分別...