专利交易市场

一种基于网络图的员工多样性排序方法，包括以下步骤：S1通过员工任务地点数据，建立任务地点间的加权无向网络；S2将任务地点网络变换为以任务类型为节点的加权无向任务网络；S3根据每个员工所属任务类型在任务网络中的覆盖程度得到员工多样性的初步排名；S4对于网络覆盖程度相近的员工计算其任务类型的差异性；S5综合员工任务类型的网络覆盖程度和任务差异性获得员工多样性最终排名。本发明将加权无向的任务地点网络变换为任务网络，根据员工任务类型在任务网络中的覆盖程度，结合员工任务集合的差异性，获得员工多样性的排序。

本发明公开一种基于改进平滑周期图算法的信号检测方法，包括以下步骤：步骤1：首先将待检测的回波信号分段，每段M个数据；步骤2：对步骤1中分段后的第i组(1≤i≤L)数据进行加窗处理，进而对每一段加窗处理后的数据做DFT计算并取模的平方，求出其周期图值；步骤3：对步骤2中k组的周期图值(k＝1，2，3…，i‑1)乘相应的权重αk‑1求取第k组数据的功率谱；步骤4：重复步骤3，直至将所分的L组数据全部计算完毕，并进行归一化处理，计算结束。本发明解决了现有技术中存在的频率估计计算量大、抗噪性较差的问题。

一种基于积分图算法的织物瑕疵检测方法，利用积分图算法快速提取梯度能量统计特征用于瑕疵检测，首先通过对无瑕疵模板进行图像学习，统计其梯度能量特征分布，提取分布峰值，再自适应求取阈值参数用于后续瑕疵的区分；然后，对待检测图像通过积分图算法求取每个像素点所在窗口的梯度能量，结合所述阈值参数，判定当前像素点是否疵点，通过统计整幅图像的疵点总数来判定当前图像是否为瑕疵织物。本发明一方面基于积分图加速运算的原理，快速提取织物图像的梯度能量特征分布，实现织物瑕疵的实时检测，另一方面求解分布峰值获得自适应的瑕疵判定阈值参数，实现织物瑕疵的准确分割。本发明方法既能保证实时性又具有较高正确率。