键盘键帽插拔器
专利号(申请号):202011012788.X
专利类型:发明专利
更新时间:2022-07-07 10:38:40
项目编号:2279508
所属行业:电子信息
交费状态:交费已下证
参考价:面议含 国家官方手续费、平台服务费
关键词: 键盘 键帽插拔器
在线咨询 服务流程
  • 专利详情
  • 交易流程
  • 安全保障

专利详情

【摘要】:

发明公开了基于区块链的安全性高的电子商务系统,利用数据采集模块采集交易的订单信息,该订单信息包含交易的订单数据和支付数据,并将订单信息发送至数据提取模块;利用数据提取模块接收订单信息并进行提取,得到订单提取信息,并将订单提取信息发送至数据处理模块;利用数据处理模块对订单提取信息进行处理,得到订单处理信息,并将订单处理信息分配至数据存储模块;利用数据存储模块对订单处理信息进行存储分配;本发明用于解决不能对订单数据进行拆分处理导致处理效率不佳的问题,以及不能基于区块链根据订单数据占用的内存进行合理化分配提高安全性并消除冗余性的问题。

【主权项】:

1.基于区块链的安全性高的电子商务系统,其特征在于,包括数据采集模块、数据提取模块、数据处理模块和数据存储模块;所述数据采集模块用于采集交易的订单信息,该订单信息包含交易的订单数据和支付数据,并将订单信息发送至数据提取模块;所述数据提取模块用于接收订单信息并进行提取,得到订单提取信息,并将订单提取信息发送至数据处理模块,具体的步骤包括:步骤一:获取订单信息中的订单数据和支付数据;步骤二:将订单数据中的订单编号和订单时间进行提取和组合,得到第一提取数据,将订单数据中不包含订单编号和订单时间的数据组合得到第一剩余数据;将支付数据中的支付账户和支付金额进行提取和组合,得到第二提取数据,将支付数据中不包含支付账户和支付金额的数据组合得到第二剩余数据;步骤三:将订单数据和支付数据根据预设的坐标系进行坐标划分,分别获取第一提取数据、第一剩余数据、第二提取数据和第二剩余数据的坐标值并进行关联,得到第一提取坐标数据、第一剩余坐标数据、第二提取坐标数据和第二剩余坐标数据;步骤四:将第一提取数据和第二提取数据以及关联的第一提取坐标数据和第二提取坐标数据分类组合,得到第一划分数据,将第一剩余数据和第二剩余数据以及关联的第一剩余坐标数据和第二剩余坐标数据分类组合,得到第二划分数据;步骤五:获取第一划分数据占用的内存值并标记为第一划分内存,获取第二划分数据占用的内存值并标记为第二划分内存;步骤六:将第一划分数据和第一划分内存以及第二划分数据和第二划分内存组合,得到订单提取信息;所述数据处理模块用于对订单提取信息进行处理,得到订单处理信息,并将订单处理信息分配至数据存储模块;所述数据存储模块用于对订单处理信息进行存储分配。

本文链接:http://www.vipzhuanli.com/tech/sell/s_2279508.html,转载请声明来源钻瓜专利网。

交易流程

交易流程

  1. 1、买家选定所需专利,与钻瓜专利网签订委托购买合同;
  2. 2、卖家与钻瓜专利网签订代理出售合同;
  3. 3、买家支付50%的交易款项到钻瓜专利网平台;
  4. 4、买卖双方签订《专利转让委托书》、《转让协议》各一式两份,钻瓜专利网负责提交到国家知识产权局;
  5. 5、钻瓜专利网负责办理官方变更手续,国家知识产权局专利局在10个工作日左右下发专利《变更手续合格通知书》;
  6. 6、买家确认收到专利《变更手续合格通知书》,支付剩余尾款给钻瓜专利网;
  7. 7、钻瓜专利网把专利证书原件、专利登记簿副本原件邮寄给买家;
  8. 8、钻瓜专利网负责把交易尾款支付给卖家,至此专利转让合同完成。

安全保障

  1. 1、买家交易款项将暂保管于钻瓜专利网担保账户,钻瓜专利网全程资金代管,保障买卖双方资金安全。
  2. 2、选择委托经纪人服务,均由交易经纪人验证交易品和买卖双方身份信息真实有效性。
  3. 3、钻瓜专利网专属律师事务所将对委托交易全程监督,确保所有交易合同及相关文件合法有效。
  4. 4、选择委托经纪人服务,并由钻瓜专利网向卖家代付定金;待国家知识产权局下发手续合格通知书、并经钻瓜专利网核实后,支付卖家尾款。
  5. 5、选择委托经纪人服务,将由交易经纪人代办国家手续,客户随时可查进度。
  6. 6、对于买卖双方自主进行的交易,钻瓜专利网无法确保所有交易合同及相关文件合法有效。
  7. 7、自主交易的交易品将由卖家直接为买家提供售后服务,如有异议,钻瓜专利网鼓励买卖双方协商解决。
您可能关注的其他在售专利信息
更多>>
  • 【摘要】:本发明公开了一种混合动力汽车能量回收及辅助制动装置,通过与车轮相连的啮合齿轮及运动转换机构,将汽车行驶过程中的车轮旋转运动转换为旋转电机与直线电机的运动,当旋转电机与直线电机用作发电机时,可实现汽车行驶能量的回收。当旋转电机与直线电机用作电动机时,可以对汽车进行辅助制动,同时可根据工作需要实现不同模式的能量回收与辅助制动作用,该装置实现了油电二... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种结合降噪自动编码机和卷积神经网络的脑电信号特征提取与分类方法,该方法包括步骤:通过脑电信号采集仪采集脑电数据;对采集到的数据进行去除异样样本、去均值、信号滤波等预处理;使用加入噪声系数的自动编码机对脑电信号进行训练;将降噪自动编码机的隐含层作为特征数据输出;再将所得特征数据转化为类似图像格式;利用卷积神经网络进行分类;最后利用... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种基于轻量级全卷积神经网络的医学图像分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡(CLAHE)、伽马校正等预处理;然后,对训练集进行随机的提取patch和测试集顺序提取patch图以完成数据增强;接着,搭建由收缩路径(左侧)和扩张路径(右侧)组成的全卷积神经网络架构,针对图像数量较少的数据集设计留一法(l... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明涉及一种主动喂入的绿叶菜收获机及速度控制方法,其特征在于:包括机架、传动装置、行走装置、主动喂入装置、切割装置、夹持输送装置。机架用于固定及支撑其他装置;传动装置用于动力传输;行走装置用于行走及采收角度的调整;主动喂入装置用于绿叶菜喂入、收拢及传送;切割装置用于绿叶菜根系切割;夹持输送装置用于夹持切割后的绿叶菜并将其输送至菜篮中。本发明较... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种融合深层特征和浅层特征的情感分类方法,选用融合Doc2vec的深层特征和TF‑IDF的浅层特征来表示文本的特征,该融合方法不仅解决了Doc2vec中固定词特征表述不清楚的问题,而且也解决了TF‑IDF方法没有考虑到词语之间语义的问题,使得文本向量对于文本的表示更加清楚。选用SVM分类方法,分类器的分类性能较好。结合上述方法处理... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种基于卷积‑堆叠降噪编码网络的半监督学习图像识别方法,结合有监督训练的卷积神经网络和无监督学习的堆叠降噪自动编码机提出一种半监督学习网络,以在样本量不足的情况下提取更具表达性的高维特征,训练出更好的网络参数。利用卷积神经网络对样本数据进行有监督训练,提取图像特征同时避免空间特征的破坏。再把训练得到的特征向量输入到堆叠降噪自动编码... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种基于无池化卷积嵌入和注意分布神经网络的新闻分类方法,它利用特征和权重作为分类过程中的关键因素。其机制是使用一种在嵌入层中进行卷积以提取局部特征,删除池化层以减少信息丢失,然后添加注意力机制以重新分配权重以从而获得文本的全局特征。该模型不仅捕获了文本的深刻特征,还捕获了新闻各部分的重要性。卷积神经网络(CNN)由于具有提取局部特... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种基于混沌粒子群优化CNN网络的中文垃圾邮件识别方法,首先使用分词器对中文垃圾邮件数据集进行分词、去停用词等预处理;其次采用Word2vec模型获取词向量,通过对词向量求和取平均值获得中文垃圾邮件的文本向量;然后在粒子群算法中引入混沌思想来训练卷积神经网络的网络参数;基于混沌粒子群优化卷积神经网络建立中文垃圾邮件分类模型;最后采... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法,选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值,并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题,同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文... 
面议 更新时间 2024-05-16
  • 【摘要】:本发明请求保护一种基于类激活图的半监督遥感影像目标检测和分割方法。首先利用给定的遥感影像标注数据生成分类标注数据集,训练一个全局平均池化GAP(GlobalAveragePooling)的分类卷积神经网络模型,并利用特征图的权重叠加的原理,构造出能生成类激活图CAM(ClassActivationMapping)的卷积神经网络模型;然后,经过数... 
面议 更新时间 2024-05-16
×

联系方式

序号
手机
QQ
微信
自主联系卖家线下成单,平台不承担相关风险,或者您可以委托平台购买, 规避风险

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top