Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 嘉杰科技有限公司葛健获国家专利权

嘉杰科技有限公司葛健获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉嘉杰科技有限公司申请的专利一种物联网电子信息识别方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118779719B

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410814781.1,技术领域涉及:G06F18/241;该发明授权一种物联网电子信息识别方法及系统是由葛健;李泽剑设计研发完成,并于2024-06-24向国家知识产权局提交的专利申请。

一种物联网电子信息识别方法及系统在说明书摘要公布了:本发明公开了一种物联网电子信息识别方法及系统,涉及物联网信息处理技术领域,包括部署多模态传感器通过物联网设备采集电子信息数据并预处理后存储至数据库;提取每种传感器收集的电子信息数据的时间特征和频域特征,并进行特征融合形成融合特征;构建信息识别模型,将训练完毕的信息分类识别模型部署至数据库,并基于融合特征进行数据的分类识别;将数据分类识别结果进行可视化展示。本发明通过收集物联网电子信息数据进行预处理,并提取数据特征进行特征融合,构建信息分类识别模型基于融合特征对物联网电子信息数据进行分类识别,实现了对电子信息数据的综合处理识别,且通过实时更新分类识别模型提高了分类识别准确性和灵活性。

本发明授权一种物联网电子信息识别方法及系统在权利要求书中公布了:1.一种物联网电子信息识别方法,其特征在于:包括,部署多模态传感器通过物联网设备采集电子信息数据并预处理后存储至数据库;提取每种传感器收集的电子信息数据的时间特征和频域特征,并进行特征融合形成融合特征;构建信息识别模型,将训练完毕的信息分类识别模型部署至数据库,并基于融合特征进行数据的分类识别;将数据分类识别结果进行可视化展示;所述部署多模态传感器通过物联网设备采集电子信息数据并预处理后存储至数据库指通过部署多模态传感器对设备产生的数据进行采集,将每种传感器采集的数据设置独立分类,采集数据后基于边缘计算技术直接对采集的数据进行清洗过滤并转换为统一格式,预处理完毕后将数据通过加密网络传输至数据库中按传感器分类进行存储,并设置安全访问控制,数据库对存储数据进行云端备份;所述提取每种传感器收集的电子信息数据的时间特征和频域特征包括,计算采集数据的均值μ和方差σ,将采集的数据进行自相关性分析: 其中xt为第t个数据点,μ为数据的均值,N为总数据点数,k为滞后期数,R为自相关系数;将数据均值、方差以及自相关系数组合形成时间特征T={R,μ,σ};采用快速傅里叶变换提取数据频域表示并计算频谱密度: S=P2,其中i为虚数单位,ω为频率,P为频域表示,S为频谱密度;将频域表示和频谱密度组合形成频域特征F={P,S};所述进行特征融合形成融合特征指将每种传感器收集的电子信息数据提取的时间特征和频域特征进行连接形成初始融合特征C:C={R,μ,σ,P,S};计算初始融合特征C的协方差矩阵G: 其中M为融合特征总数,Cj为第j个初始融合特征,为初始融合特征的均值,T为转置操作;对协方差矩阵G进行特征值分解:G=V∧VT,其中V为特征向量矩阵,∧为特征值矩阵,VT为V的转置;选择前k个最大特征值及对应的特征向量构建降维矩阵W={v1,v2,……,vk},基于降维矩阵对初始融合特征C进行降维处理:C″=CW,其中C”为降维处理后的融合特征;所述构建信息分类识别模型指采用神经网络构建分类识别模型,其包括输入层、隐藏层以及输出层;输入层:根据提取的时间特征和频域特征总数量设定神经元数;隐藏层:具备两层结构,每层包含100个神经元,隐藏层使用ReLU函数作为激活函数,表示为: 其中Φi为第i个特征的权重,xi为输入的第i个特征,b为偏置项,m为输入特征总数,h为神经元的输出;输出层:输出层神经元数量与分类任务中类别数一致,将softmax函数作为输出层激活函数: 其中zj为第j个输出神经元的输入,zl为第l个输出神经元的输入,L为输出神经元数量,即类别总数,σj为第j类的预测概率;定义模型训练损失函数为: 其中Q为模型损失,yo,l为数据o属于类别l的真实标签,σo,l为模型预测数据o属于类别l的概率;采用Adam优化器进行模型优化,计算损失梯度进行模型参数更新优化: 其中θt为第t次更新的模型参数,η为学习率,为损失梯度;使用训练数据集进行模型迭代训练,对训练数据集中数据进行真实标签标注,在每次迭代过程中计算模型损失,直至达到设定损失或预设的迭代次数后停止模型训练得到分类识别模型;每次进行电子信息识别后都将输入的数据保存为训练集进行模型的训练更新。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人嘉杰科技有限公司,其通讯地址为:430074 湖北省武汉市洪山区文化大道555号融科智谷工业项目(三期)C5号楼11层2研发号房;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。