山东大学所持两项发明专利转让
收藏
点击量:2次
项目名称 | 山东大学所持两项发明专利转让 | 项目编号 | TANS2243666 |
转让底价 | 10 万元 | 转让方 | 山东大学 |
保证金 | 0万元 | 保证金支付方式 | 银行转账 |
挂牌时间 | 2022-12-27 至 2023-01-03 |
一、项目介绍
技术项目信息登记表(供给方)
技术项目名称 | 山东大学所持两项发明专利转让 | ||
行业分类 | 新能源及节能技术|其他 | ||
战略性新兴产业分类 | 新能源产业|其它新能源产业 | ||
权属人所属地域 | 山东省济南市市辖区 | ||
十强产业领域 | 其他 | ||
项目权属(个人或单位名称) | 山东大学 | ||
专利情况 | 有 | ||
转让底价 | 10 万元 | ||
合作方式 | 成果转让 |
项目简介 | 1、转让标的整体受让,不可拆分。 2、基于MHBA的电力系统环境经济调度方法和装置: 专利申请日:2017.09.15 授权公告日:2019.02.26 专利权期限:20 年 介绍:本发明公开了一种基于多目标混杂蝙蝠算法的电力系统环境经济调度方法和装置,所述方法包括确定优化目标和约束条件,构建电力系统环境经济调度多目标优化模型;在满足当前时段负荷要求的情况下,采用多目标混杂蝙蝠算法求解所述多目标优化模型,得到一组非支配解,形成环境和经济调度两个优化目标的帕累托最优前沿;对于所述非支配解,使用隶属度函数获取全局最优解作为当前时段电力系统优化调度的依据。本发明在满足用电负荷的前提下,最小化发电机组的发电成本,同时最小化污染气体的排放,最大限度的减少了化石燃料的使用,能为电力企业节能增效提供智能决策。 基于分层卷积特征的长时间目标跟踪方法及系统: 专利申请日:2018.11.07 授权公告日:2020.07.14 专利权期限:20 年 介绍:本发明公开了基于分层卷积特征的长时间目标跟踪方法及系统,采用预训练好的深度卷积神经网络,对每一帧视频数据提取各层的卷积特征;按照基于相关滤波器模型求取卷积层的响应,并进行加权计算,将最终响应的最大值作为当前帧的目标中心;在逐帧更新的过程中设定阈值,只有当跟踪响应值大于阈值时进行更新相关滤波器模型,否则采用上一帧的相关滤波器模型,同时,跟踪响应值低于设定的阈值时,采用随机蕨算法进行目标的重检测。本公开采用深度学习进行特征提取,提高了目标跟踪的精度;改变的模型更新方式降低了整个跟踪过程中的计算冗余,提高了跟踪速度;在目标遮挡等恶劣情况下使用随机蕨算法进行目标重检测,保证了实际跟踪结果的可靠性。 3、截至挂牌日,专利已取得专利证书。 4、其他重要事项详见评估报告。 | ||||||||||||||||||||||
市场前景分析 | |||||||||||||||||||||||
与同类成果相比优势分析 | |||||||||||||||||||||||
专利明细 | |||||||||||||||||||||||
序号 | 名称 | 申请号 | 类别 | 申请日 | 授权日 |
1 | 基于分层卷积特征的长时间目标跟踪方法及系统 | 201811318709.0 | 发明 | 2018-11-07 | 2020-07-14 |
2 | 基于MHBA的电力系统环境经济调度方法和装置 | 201710833468.2 | 发明 | 2017-09-15 | 2019-02-26 |
专利是否合并转让 | 是 |
获得资助情况(国家计划课题等) | -- | ||
项目开发阶段 | -- | ||
样品情况 | 无 | 样品类型 | -- |
信息有效期 | -- 至 -- |
三、披露信息
价款支付方式 | 银行转账 | ||
受让方资格条件 | 1、意向受让方须为依法设立的企业法人、其他经济组织或具有完全民事行为能力的自然人。 2、意向受让方须具有良好财务状况、支付能力。 3、本项目不接受联合体受让。 |
||
重大事项及其他披露内容 | 1、转让标的整体受让,不可拆分。 2、基于MHBA的电力系统环境经济调度方法和装置: 专利申请日:2017.09.15 授权公告日:2019.02.26 专利权期限:20 年 介绍:本发明公开了一种基于多目标混杂蝙蝠算法的电力系统环境经济调度方法和装置,所述方法包括确定优化目标和约束条件,构建电力系统环境经济调度多目标优化模型;在满足当前时段负荷要求的情况下,采用多目标混杂蝙蝠算法求解所述多目标优化模型,得到一组非支配解,形成环境和经济调度两个优化目标的帕累托最优前沿;对于所述非支配解,使用隶属度函数获取全局最优解作为当前时段电力系统优化调度的依据。本发明在满足用电负荷的前提下,最小化发电机组的发电成本,同时最小化污染气体的排放,最大限度的减少了化石燃料的使用,能为电力企业节能增效提供智能决策。 基于分层卷积特征的长时间目标跟踪方法及系统: 专利申请日:2018.11.07 授权公告日:2020.07.14 专利权期限:20 年 介绍:本发明公开了基于分层卷积特征的长时间目标跟踪方法及系统,采用预训练好的深度卷积神经网络,对每一帧视频数据提取各层的卷积特征;按照基于相关滤波器模型求取卷积层的响应,并进行加权计算,将最终响应的最大值作为当前帧的目标中心;在逐帧更新的过程中设定阈值,只有当跟踪响应值大于阈值时进行更新相关滤波器模型,否则采用上一帧的相关滤波器模型,同时,跟踪响应值低于设定的阈值时,采用随机蕨算法进行目标的重检测。本公开采用深度学习进行特征提取,提高了目标跟踪的精度;改变的模型更新方式降低了整个跟踪过程中的计算冗余,提高了跟踪速度;在目标遮挡等恶劣情况下使用随机蕨算法进行目标重检测,保证了实际跟踪结果的可靠性。 3、截至挂牌日,专利已取得专利证书。 4、其他重要事项详见评估报告。 |
||
与转让相关的其他条件 | 1、意向受让方须承诺,在递交受让申请并交纳交易保证金后,即表明理解并接受本次资产转让的所有内容及程序,完全了解与认可转让标的状况以及存在的瑕疵等一切内容,并自行承担受让转让标的所带来的一切风险和后果;成为最终受让方后不得以不了解转让标的为由退还转让标的,否则将视为违约;非因转让方原因所引发的风险因素,由受让方自行承担。 2、意向受让方须承诺,在收到《挂牌结果通知单》之日起5个工作日内与转让方签署《技术转让合同》,并于签订《技术转让合同》之日起5个工作日内支付应付交易价款至转让方指定账户(交易价款无息结算),交易费用支付至中心指定账户(如本项目公告对以上办理时间有不同约定的,从其约定。)协议成交不收费交易费用,若产生竞价,收取竞价佣金。 |