本发明公开了一种基于零水印的大数据产权辨识方法及系统。基于零水印的大数据产权辨识方法,包括获取用户商标图像;对用户商标图像添加预设的水印图像,得到用户商标水印图像;对用户商标水印图像进行二值化处理,得到二值化用户商标水印图像;对二值化用户商标水印图像进行混沌处理,得到混沌商标图像像素矩阵;获取与用户商标图像对应的待保护数据;根据混沌商标图像像素矩阵提取与用户商标图像对应的待保护数据的特征值,并根据待保护数据的特征值生成特征值矩阵;根据特征值矩阵对待验证数据进行产权辨识。本发明提出的基于零水印的大数据产权保护方法及系统,能够做到数据产权可辨识、可追踪,高效的实现大数据产权的保护。
本发明提供一种适应大数据应用的快速重复数据删除方法，适用于大数据应用下的备份去重系统，解决传统基于内容识别的变长分块算法去重速率低，不能快速识别冗余数据问题;本发明在分块过程中通过调节去重因子和加速因子，在确保去重率的前提下大幅提高去重速率，能够快速进行去重检测，平衡了去重率和去重速率之间的矛盾，降低了备份窗口，节约了网络带宽和存储空间。
本发明公开了一种搜索请求的处理方法及装置。其中，该方法包括：接收搜索用户的搜索请求;通过识别上述搜索请求中是否存在桶名，确认上述搜索请求的类型，其中，上述类型包括：全局搜索和指定桶搜索;基于上述搜索请求的类型，确定上述搜索请求的访问权限，其中，上述访问权限用于确定搜索范围;接收服务器基于上述搜索请求的访问权限，而返回到查询结果。本发明解决了现有技术中存在基于搜索请求来访问数据的过程中，无法灵活控制搜索范围和内容的技术问题。
本发明提供一种基于区间标准差结合频谱分析的振动数据清洗方法，计算原始振动信号样本X的标准差划分区间组成数组，计算数组均值和标准差，依据3σ准则判断原始振动信号样本X是否为异常样本，若为异常样本则进行清洗，若为正常样本则将原始振动信号样本X分为两组，分别转换为频谱;将频谱进行平滑消除噪声影响;对频谱进行相关分析得到相关系数，如果相关系数小于阈值，则原始振动信号样本X为异常样本，清洗;如果相关系数大于或等于阈值，则原始振动信号样本X为正常样本，保留。本发明通过计算比较原始振动信号每个子区域样本标准差，结合相邻两个区间快速傅里叶变换频谱相关性分析对异常信号在线识别，降低异常信号对后续故障诊断的干扰。
本申请公开了一种汽车教学平板电脑和系统，以实现汽车教学的教学实训一体化，以及实现实训和考核一体化，提高学习效率和教学效果的目的。本申请实施例提供一种汽车教学平板电脑，包括第一设备和第二设备，第一设备和第二设备的一端铰接;第一设备配置有第一操作系统和第一网络模块，第二设备配置有第二操作系统和第二网络模块;第一设备响应外部操作生成第一控制指令或第二控制指令，第一控制指令用于考题下载和/或在线答题，第二控制指令用于生成判卷结果;第二设备响应外部操作生成第三控制指令或第四控制指令，第三控制指令用于故障设置、故障分析和/或故障检测，第四控制指令用于对应第一控制指令的结果进行故障分析和/或故障检测。
本发明是一种基于链路代价转换的卫星负载平衡方法，该方法是在卫星虚拟拓扑策略的基础上，对拓扑快照进行LEO(低轨)层链路代价转换和分层分流。因此，利用卫星星座运行的可预测性和周期性，将系统运行时间划分为若干个相同的时间段，并在每个时间段个分n个间隙tp，每个时隙内对星间链路进行链路过载判断。对全球覆盖区域进行拥塞等级划分，配合LEO卫星链路实时流量，在链路拥塞时进行代价调整和路径优化，平衡整个网络的流量。并在此基础上配合MEO层卫星网络，对不同服务质量(QoS)的传输业务进行合理的路径选择，在满足高优先级业务时延的同时，提高整网的吞吐量。
本发明实施例提供的一种基于城市智慧体育的并行融合网络的姿态识别方法和装置，该方法采用全新的奥斯瓦德网络对输入的预处理图像进行特征提取，对从高到低不同分辨率的图像进行特征提取，在整个过程中都保持高分辨率和低分辨率特征相融合后进行预测。本发明进行了多次多尺度融合，使得每一个高分辨率到低分辨率的表征都从其他并行表示中反复接收信息，从而得到丰富的高分辨率表征。因此，预测的关键点更准确，在空间上也更精确。
本发明公开了一种电子标签以及电缆，所述电子标签包括：介质层，所述介质层具有相反的第一表面和第二表面;位于所述第二表面的金属反射层;位于所述第一表面的天线组件，所述天线组件包括：辐射振子以及与所述辐射振子连接的芯片。应用本发明提供的技术方案，通过将电子标签作为植入式标签，植入到电缆的内部，可以无需外围电路和电源，就能实现对电缆的全生命周期管理，并且可以实时监测电缆的温度变化，提早报警，大大提高了管理效率和管理水平，减少了维护成本。
