“刘子巍”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络的邻区关系预测方法-CN202010194728.8有效
发明人：骆曦;李克;刘子巍 -专利权人：北京联合大学
申请日： 2020-03-19 - 公布日： 2023-10-03 - 主分类号： H04W16/22 文献下载
摘要：本发明公开了一种基于卷积神经网络的邻区关系预测方法，属于基站信息管理技术领域。该方法包括数据预处理、构建CNN网络、CNN模型训练、邻区关系预测、后处理；本发明涉及的无线知识图谱属于非欧氏域数据，将图谱中的图结构信息，即各实体的属性及关系转化为CNN能够处理的特征，并采用多种高度的卷积核提取多个采样点对与小区间的隐含关系特征。本发明方法可以作为现有人工路测和ANR技术的补充甚至替代，指导运营商网络运维部门更高效、及时、方便地对无线网络中的基站邻区关系的配置和管理，为提高用户在网内小区间的切换成功率、提高业务连续性和保障良好的业务体验提供有力支撑。
一种基于卷积神经网络关系预测方法

[发明专利]一种基于三维激光点云的地下建筑物特征提取方法-CN202211090803.1在审
发明人：廖丽霞;周建达;欧念坤;刘烜;刘云波;达多双;顾勤华;俞凯辉;刘子巍 -专利权人：浙江省测绘科学技术研究院
申请日： 2022-09-07 - 公布日： 2023-01-17 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于三维激光点云的地下建筑物特征提取方法，属于三维激光点云处理领域，本发明首先采用地面三维激光扫描系统采集地下空间点云数据，并对三维激光点云数据进行预处理，然后通过构建KD‑Tree实现散乱三维激光点云的高效管理；之后采用基于体素栅格的三维激光点云数据抽稀方法，在保留点云基本特征的前提下减少三维激光点云数据冗余，以提升三维激光点云数据处理效率；同时对扫描过程中由遮挡造成空洞的建筑物点云进行自适应空洞修补；最后通过基于局部拟合法向量的三维激光点云地下建筑物特征提取方法，提取出完整的地下建筑物三维激光特征点云，实现对地下建筑物特征点云的高效、精确提取，有利于推进地下市政基础设施普查工作。
一种基于三维激光地下建筑物特征提取方法

[发明专利]一种基于多尺度圆形卷积神经网络的业务质量预测方法-CN202110126309.5在审
发明人：李克;苏利敏;肖明明;刘子巍 -专利权人：北京联合大学
申请日： 2021-01-29 - 公布日： 2021-06-01 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于多尺度圆形卷积神经网络的业务质量预测方法，包括生成业务感知样本训练集D0，还包括以下步骤：初始化数据参数；构造输入层的输入样本D；计算卷积层输出H1；计算全连接层输出H2；计算输出层输出；计算输出层损失、窗参W3和b3的梯度；计算L2全连接层损失窗参数W2和b2的梯度；计算L1卷积层损失窗参数W1和b1的梯度；更新窗参数；构造未知样本输入矩阵D'；进行业务质量标记结果的预测。本发明提出的基于多尺度圆形卷积神经网络的业务质量预测方法，根据海量的用户业务感知历史数据，对用户在特定场景下的业务体验好坏做出预测和预警。
一种基于尺度圆形卷积神经网络业务质量预测方法