高翔

中国人民解放军国防科技大学

0专利总数
0许可专利
0转让专利
0第一发明人
0合作企业

高翔来自中国人民解放军国防科技大学,专利34件。擅长计算机辅助设计、分析优化类型、申请详情、三维建模、生物模型计算。最擅长计算机辅助设计。排名在TOP2。基于支持向量机的虚拟牙龈变形处理制作矫治器的方法是存续时间最长的专利。与张翔合作27次。

特定数据处理 图像增强复原 程序控制装置 分析优化类型 视频编解码 计算机辅助设计 申请详情 G06K9 生物模型计算 软件工程设计 三维建模 视觉识别 知识系统 安全通信 CAD技术细节 模式识别

  1. 01
    申请详情top 2%
    领域专利数量14/ 56028
    专家排名1078/ 57829
  2. 02
    分析优化类型top 2%
    领域专利数量19/ 117949
    专家排名1293/ 118404
  3. 03
    计算机辅助设计top 2%
    领域专利数量25/ 274392
    专家排名2616/ 259743
  4. 04
    电子数据处理top 2%
    领域专利数量29/ 2014657
    专家排名20093/ 1188091
  5. 05
    计算技术top 2%
    领域专利数量34/ 3182954
    专家排名32691/ 1812266

显示 1-5 条,共 31 条

与 张翔 的合作详情

共 27 项合作记录

基于国产科学计算软件和超算系统的网格判优方法及装置

20250605

CN202510743542.6

基于国产通用科学计算软件的智能网格优化方法及系统

20250605

CN202510743540.7

面向复杂任务的无人机集群智能决策不确定评估方法

20250506

CN202510574777.7

基于自适应线搜索网格光顺的装备仿真设计方法和系统

20250417

CN202510486102.7

基于空间填充曲线的大规模电路分区方法及装置

20250324

CN202510350121.7

基于填充曲线的网格加密方法及装置

20250324

CN202510348682.3

基于四面体网格二次边界层生成的飞行器仿真设计方法

20241209

CN202411802082.1

一种多材料自适应笛卡尔网格生成方法、装置和设备

20240926

CN202411353158.7

基于边坍缩网格优化的飞行器仿真驱动设计方法和装置

20231227

CN202311822286.7

一种汽车造型几何模型自动修复方法、装置及设备

20231007

CN202311287748.X

一种汽车造型设计方法及设备

20231007

CN202311282160.5

基于自动生成边界层网格的喷管气动外形设计方法及设备

20230725

CN202310917531.6

基于超算系统并行加密网格的飞行器仿真设计方法和装置

20230710

CN202310840362.0

非结构网格CFD共享存储并行处理方法和系统

20230628

CN202310777952.3

基于递归剖分和重排序的非结构网格并行处理方法和装置

20230628

CN202310775119.5

基于八叉树细化四面体网格的飞行器仿真驱动设计方法

20230322

CN202310283034.5

基于递归分解的曲面网格生成方法及系统、计算机设备

20221208

CN202211571070.3

基于递归分解的曲面网格生成方法及系统、计算机设备

20220406

CN202210355733.1

一种基于事件驱动的流-固耦合模块集成方法和装置

20210621

CN202110682467.9

一种基于RBF动网格的仿生机器鱼驱动优化方法

20201228

CN202011577152.X

一种全局通信优化加速方法、装置和计算机设备

20200929

CN202011046320.2

基于径向基函数插值与自适应重连的混合动网格方法

20200731

CN202010757586.1

一种基于背景减除的静态背景视频自适应压缩方法

20190924

CN201910905961.X

基于改进径向基函数变形算法的翼型气动减阻方法

20190918

CN201910883564.7

均衡非结构网格单元计算量的并行负载均衡方法

20190910

CN201910853409.0

基于阵面推进的非结构网格结构化处理方法

20190910

CN201910853374.0

基于支持向量机的虚拟牙龈变形处理制作矫治器的方法

20190702

CN201910589940.1