
一种含煤地层异常构造识别分类方法
收藏
点击量:73次
网上报名请点击我要购买 。
我要购买
| 项目名称 | 一种含煤地层异常构造识别分类方法 | 项目编号 | TAQT269515902 |
| 转让底价 | 2 万元 | 转让方 | 山东科技大学 |
| 保证金 | 0万元 | 保证金支付方式 | 银行转账 |
| 挂牌时间 | 2026-03-09 至 2026-03-13 | ||
一、项目介绍
技术项目信息登记表(供给方)
| 技术项目名称 | 一种含煤地层异常构造识别分类方法 | ||
| 行业分类 | 其他|其他 | ||
| 战略性新兴产业分类 | 其他 | ||
| 权属人所属地域 | 山东省青岛市黄岛区 | ||
| 十强产业领域 | 其他 | ||
| 项目权属(个人或单位名称) | 山东科技大学 | ||
| 转让底价 | 2 万元 | ||
| 合作方式 | 成果转让 | ||
| 项目简介 | 1.转让标的可拆分受让。 2.专利介绍:基于静息态功能磁共振数据的性格识别装置及方法 专利申请日:2021-07-01 授权公告日:2024-05-31 专利权期限:20年 介绍:本发明公开一种性格识别方法及系统,该方法包括:获取待识别者的静息态功能磁共振数据;对所述静息态功能磁共振数据进行预处理;对所述预处理后的磁共振数据利用组独立成分分析法确定大脑区域,并提取各个大脑区域的血氧水平依赖信号;对每一待识别者的所述各个大脑区域的血氧水平依赖信号进行皮尔森相关分析得到每个待识别者的脑网络;将所述每个待识别者的脑网络作为特征输入多因素识别模型,输出性格识别结果;所述多因素识别模型包括多因素相似矩阵;所述多因素为不同种类的性格标签。本发明提高了现有计算机程序中关于线性回归模型对五因素得分进行识别的准确性,进而提高了性格识别的准确性。 专利介绍:一种含煤地层异常构造识别分类方法 专利申请日:2023-04-25 授权公告日:2024-02-02 专利权期限:20年 介绍:本发明涉及一种含煤地层异常构造识别分类方法,涉及地质勘探技术领域,该方法包括:建立包含目标地质构造在内的地质构造仿真模型,并采集地质构造的仿真槽波数据;对采集的仿真槽波数据和待识别的真实槽波数据进行预处理,将预处理后的仿真槽波数据划分为训练集和测试集,并导入构建的POA‑ELM分类模型进行训练,得到训练好的POA‑ELM分类模型;将预处理后的待识别真实槽波数据作为测试集导入训练好的POA‑ELM分类模型,对真实槽波数据进行分类识别,得到分类识别结果。本发明利用鹈鹕优化算法对极限学习机进行优化,以提高分类模型的准确率和稳定性,适用于含煤地层异常构造识别分类。 3.截至挂牌日,已取得专利证书。 | ||
| 市场前景分析 | |||
| 与同类成果相比优势分析 | |||
| 专利号 | 2023104555889 | 专利类别 | 发明 |
| 申请日期 | 2023-04-25 | 授权日 | 2024-02-02 |
| 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.转让标的可拆分受让。 2.专利介绍:基于静息态功能磁共振数据的性格识别装置及方法 专利申请日:2021-07-01 授权公告日:2024-05-31 专利权期限:20年 介绍:本发明公开一种性格识别方法及系统,该方法包括:获取待识别者的静息态功能磁共振数据;对所述静息态功能磁共振数据进行预处理;对所述预处理后的磁共振数据利用组独立成分分析法确定大脑区域,并提取各个大脑区域的血氧水平依赖信号;对每一待识别者的所述各个大脑区域的血氧水平依赖信号进行皮尔森相关分析得到每个待识别者的脑网络;将所述每个待识别者的脑网络作为特征输入多因素识别模型,输出性格识别结果;所述多因素识别模型包括多因素相似矩阵;所述多因素为不同种类的性格标签。本发明提高了现有计算机程序中关于线性回归模型对五因素得分进行识别的准确性,进而提高了性格识别的准确性。 专利介绍:一种含煤地层异常构造识别分类方法 专利申请日:2023-04-25 授权公告日:2024-02-02 专利权期限:20年 介绍:本发明涉及一种含煤地层异常构造识别分类方法,涉及地质勘探技术领域,该方法包括:建立包含目标地质构造在内的地质构造仿真模型,并采集地质构造的仿真槽波数据;对采集的仿真槽波数据和待识别的真实槽波数据进行预处理,将预处理后的仿真槽波数据划分为训练集和测试集,并导入构建的POA‑ELM分类模型进行训练,得到训练好的POA‑ELM分类模型;将预处理后的待识别真实槽波数据作为测试集导入训练好的POA‑ELM分类模型,对真实槽波数据进行分类识别,得到分类识别结果。本发明利用鹈鹕优化算法对极限学习机进行优化,以提高分类模型的准确率和稳定性,适用于含煤地层异常构造识别分类。 3.截至挂牌日,已取得专利证书。 |
||
| 与转让相关的其他条件 | 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。 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《技术转让合同书》,并于签订《技术转让合同书》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)。协议成交不收取交易费用,若产生竞价,收取竞价佣金。 |
||