专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果58个,建议您升级VIP下载更多相关专利
  • [发明专利]一种网页主题相关度判别方法-CN202310049639.8在审
  • 李涛;段翰聪;李林;王书涵;陈铎汝;邹涛;李阳;李浩 - 电子科技大学
  • 2023-02-01 - 2023-08-22 - G06F16/958
  • 一种网页主题相关度判别方法,包括如下步骤;步骤1.训练词向量模型;步骤2.设置主题词,构建用户主题词集合;步骤3.去除待评估网页标签,得到仅包括标题和正文文字的文档;步骤4.提取文档的关键词,构建待评估网页的网页关键词集合;步骤5.生成词向量;步骤6.依次计算待评估网页关键词向量集合与用户主题词向量集合中词向量的余弦距离,选择其中最大值;步骤7.求出待评估网页所有关键词的平均值,作为待评估网页的主题相关度;步骤8.设定主题相关度阈值,判断是否主题相关。本发明通过使用预训练词向量模型对词进行处理,仅需要计算少量的词向量余弦距离即可对网页内容进行判断,提高了单篇网页的主题相关度判别的计算速度。
  • 一种网页主题相关判别方法
  • [发明专利]面向图计算的拓扑查询结构、查询方法、电子设备及介质-CN202210460338.X有效
  • 段翰聪;李林;张建;李世豪;李浩;王书涵;邹涛 - 电子科技大学
  • 2022-04-28 - 2023-04-25 - G06F16/22
  • 本发明涉及计算机软件技术领域,公开了一种面向图计算的拓扑查询结构,包括:存储层,用于进行多圈层路径的遍历,每完成一个圈层的遍历,就返回该圈层需进行计算和过滤的节点集合以及边集合;计算层,至少包括一个计算节点,计算节点基于查询条件计算和过滤所述存储层返回的节点集合以及边集合,通过流水线处理的方式与所述存储层并行工作;图拓扑构建模块,接收经过所述计算层的计算和过滤后符合查询条件的节点集合以及边集合,并将符合查询条件的节点集合以及边集合进行组合构建成符合查询条件的图,本发明还公开了一种面向图计算的拓扑查询方法。本发明避免了存储层与计算层负载不均的状况,提高了资源利用率,减少了查询时延。
  • 面向计算拓扑查询结构方法电子设备介质
  • [发明专利]一种基于时间序列多版本图拓扑数据的存储方法-CN202010009246.0有效
  • 段翰聪;刘长红;张翔宇;闵革勇;李陈扬 - 电子科技大学
  • 2020-01-06 - 2023-03-31 - G06F16/901
  • 本发明公开了一种基于时间序列多版本图拓扑数据的存储方法,包括:图拓扑、增量数据块、时序索引树和图拓扑索引表;图拓扑用于存储指定版本的数据;增量数据块用于保存修改操作中产生的新的增量数据并写到存储介质中;时序索引树用于管理经过修改操作所产生的所有的版本的信息,树中每个结点都包含图拓扑索引表,图拓扑索引表用于记录图拓扑具体存在存储介质的具体位置;存储介质包括:索引树文件用于持久化储存内存中的时序索引树,索引树结点文件用于存储基于前一个版本基础上对图拓扑数据的增量数据的索引,图拓扑数据文件通过基线加增量的方式存储图拓扑数据;本方法能快速将指定版本的图拓扑关系装载到内存中并明显减少磁盘I/O。
  • 一种基于时间序列版本拓扑数据存储方法
  • [发明专利]一种基于分布式图数据库的图遍历算法-CN202210452638.3有效
  • 段翰聪;李林;张建;王书涵;陈铎汝;李世豪;邹涛;李涛 - 电子科技大学
  • 2022-04-27 - 2023-03-28 - G06F16/22
  • 本发明公开了一种基于分布式图数据库的图遍历算法,属于分布式存储索引技术领域,解决了传统技术中需要依赖计算节点来保持图遍历的中间结果,通信开销较高的技术问题,其包括步骤A:计算节点向主节点发送图遍历请求,主节点向其余从节点广播该图遍历请求;步骤B:主节点和从节点收到图遍历请求后,从符合条件的起始节点开始遍历自身存储的所有节点,得到主节点和从节点符合筛选条件的NodeIDs,如果没有符合条件的起始节点,则该存储节点的本地任务完成等步骤,实现了将图遍历请求下推至存储层,降低图遍历过程中存储层与计算层之间的网络通信开销的技术效果。
  • 一种基于分布式数据库遍历算法
  • [发明专利]一种面向HTAP的分布式数据库智能混合存储方法-CN201910424312.8有效
  • 段翰聪;刘长红;姚入榕;闵革勇;梁戈 - 电子科技大学
  • 2019-05-21 - 2022-12-23 - G06F16/22
  • 本发明公开了一种面向HTAP的分布式数据库智能混合存储方法,该包括:通过数据导入系统获取数据源中的数据,并存储于HTAP数据库的存储引擎中,其中,存储引擎由多个存储节点组成,每个存储节点的数据以列族的数据组织格式进行存储;中心节点根据历史OLAP、OLTP的工作负载情况,采用基于密度的聚类分区算法对存储引擎中的数据布局进行优化重组分析,进而获得最优数据布局。本发明以列族的方式对HTAP数据库中的数据进行组织,并根据中心节点计算出的最优存储布局动态地调整列族中的数据,而最优的存储布局是通过基于密度的聚类算法通过聚类结果得出使得具有相当访问频率的列属于同一列族,即经常被访问的列属于同一列族。
  • 一种面向htap分布式数据库智能混合存储方法
  • [发明专利]基于时间序列的视觉目标分布式聚类方法-CN201811319309.1有效
  • 段翰聪;刘长红;孙月;闵革勇 - 电子科技大学
  • 2018-11-07 - 2022-04-08 - G06V10/762
  • 本发明公开了基于时间序列的视觉目标分布式聚类方法,包括数据获取步骤:使用摄像头采集大量视觉目标的图片;特征提取步骤:对采集到的图片进行特征提取并进行时间排序;分布式聚类计算:利用摄像头采集视觉目标的时间序列特性,以及对数据进行切分,由多个节点共同完成类别的计算。本发明针对摄像头采集场景下视觉目标图片的时间连续性,快速完成算法的第一次迭代,大大减少了聚类所需花费的时间,大大提高了聚类效率;本发明结合分布式多机实现,进一步加快聚类过程,能够实现百万级别或者千万级别的数据处理,算法简单且效率高。
  • 基于时间序列视觉目标分布式方法
  • [发明专利]基于深度哈希和GPU加速的大规模图像检索方法-CN201810852700.1有效
  • 段翰聪;付美蓉;黄子镭;闵革勇;谭春强 - 电子科技大学
  • 2018-07-30 - 2021-09-07 - G06F16/583
  • 本发明公开了基于深度哈希和GPU加速的大规模图像检索方法,该方法基于图片对的哈希方法,采用多任务深度学习机制,将分类损失函数与对比损失函数相结合,量化过程中,在保留图片对之间的相似性的同时,尽可能地保留图片本身的语义信息,分类任务与量化任务互相指导学习;同时,采用局部连接模块取代量化网络的全连接层,减少特征之间的冗余信息。设计并实现了更深层次的网络,深层次网络通常能够得到良好的特征表达。在汉明排序的基础上,实现了基于GPU的多层次并行检索方法。本发明不仅提高了检索精度,且能够在百万规模的图像库中完成单张检索延时0.8ms的效果。
  • 基于深度gpu加速大规模图像检索方法
  • [发明专利]卷积神经网络压缩方法及人脸检测方法-CN201810812355.9有效
  • 段翰聪;付美蓉;邹涵江;闵革勇;朱越 - 电子科技大学
  • 2018-07-23 - 2021-08-31 - G06K9/62
  • 本发明公开了卷积神经网络压缩方法,包括以下步骤:S1:对卷积神经网络结构中各卷积层的权值集中度进行统计;S2:将权值集中度超过阈值的网络进行二值化;S3:重新训练神经网络至收敛。本发明还公开了人脸检测方法。本发明卷积神经网络压缩方法及人脸检测方法,在网络中使用混合精度推理,即一个完整的网络结构中,浮点卷积和异或卷积同时存在,选择权值集中度更高的层次进行二值压缩,保留权值较为分散的层次,从而使得网络的精度能够更大程度地保留,通过引入基于IOU的置信度惩罚来实现软化的非极大值抑制,对于密集目标的检测场景有一定正面影响。
  • 卷积神经网络压缩方法检测
  • [发明专利]一种面向数据库的GPU和CPU异构加速方法-CN201910323990.5有效
  • 段翰聪;闵革勇;赖立;敖齐平;冯杰 - 电子科技大学
  • 2019-04-22 - 2021-05-14 - G06F16/2453
  • 本发明公开了一种面向数据库的GPU和CPU异构加速方法,所述方法包括:当数据库需要对预设数据进行处理时,对预设数据进行位域切割处理,将预设数据切割为第一部分数据和第二部分数据,将第一部分数据传输给数据库中的GPU处理器进行处理,将第二部分数据传输给数据库中的CPU处理器进行处理;对于数据库中的同一个数据库算子,将该数据库算子分成GPU近似计算算子和CPU精确计算算子两种;将数据库需要处理的预设数据首先通过GPU近似计算算子进行筛选,对于筛选后的数据,使用CPU精确计算算子进行计算得到计算结果,本方法充分利用GPU对数据库执行器进行加速,并克服由于总线传输带宽和GPU显存有限导而致对GPU性能限制问题。
  • 一种面向数据库gpucpu加速方法
  • [发明专利]分布式内存列式数据库的生成代码复用匹配管理方法-CN201910394841.8有效
  • 段翰聪;刘长红;冯杰;闵革勇;敖齐平 - 电子科技大学
  • 2019-05-13 - 2021-04-02 - G06F8/36
  • 本发明公开了分布式内存列式数据库的生成代码复用匹配管理方法,解决了现有的代码生成和复用方法无法适应表达式的各种复杂情况,对一复杂的等价表达式的匹配和复用,其无法满足情况;并且,未提出关于Pipeline代码的匹配方法的问题。本发明包括创建映射关系,包括:对数据库中每个生成的代码请求,在缓存复用管理器中创建KV映射关系,KV映射关系表示为属性,代码标识;匹配等价性,包括:从缓存复用管理器中的KV映射关系读取属性,对待生成计划代码进行功能等价性匹配,若匹配成功则实现代码缓存复用;若匹配失败则执行创建映射关系。本发明通过两种类型的代码复用匹配方法,减少了重复生成代码导致的代码生成和编译成可执行代码时间过长问题。
  • 分布式内存数据库生成代码匹配管理方法
  • [发明专利]一种分布式内存列式数据库编译执行器架构-CN201910394174.3有效
  • 段翰聪;刘长红;冯杰;闵革勇;敖齐平 - 电子科技大学
  • 2019-05-13 - 2021-04-02 - G06F8/41
  • 本发明公开了一种分布式内存列式数据库编译执行器架构,解决了分布式内存列式数据库中DAG算子执行方式上的执行速度缺陷问题。本发明在单机上的编译执行器系统包括匹配与调度器、IR/Bitcode生成器、本地IR代码缓存管理器、编译器、可执行代码缓存管理器和执行器,本地IR代码缓存管理器包括本地IR代码缓存单元,可执行代码缓存管理器包括可执行代码缓存单元;匹配与调度器,用于协调本地IR代码缓存管理器和可执行代码缓存管理器,管理映射信息,并对外部请求的DAG任务进行匹配代码执行或生成代码,以及对外部请求进行响应;IR/Bitcode生成器,用于对未匹配到可执行代码的DAG任务生成IR代码;本地IR代码缓存单元,用于对经过IR/Bitcode生成器生成的IR代码进行缓存管理。
  • 一种分布式内存数据库编译执行架构
  • [发明专利]一种基于人脸对齐的人脸跟踪和人脸图像捕获方法-CN201710307670.1有效
  • 段翰聪;文慧;贾洁;赵子天;闵革勇;黄卓越;孙振兴 - 电子科技大学
  • 2017-05-03 - 2020-12-29 - G06K9/00
  • 本发明公开了一种基于人脸对齐的人脸跟踪和人脸图像捕获方法,所述方法包括:步骤1:计算t时刻每一个人脸的质心;步骤2:计算出t时刻中检测出的人脸的质心最可能出现的预测位置;步骤3:对于每一个t时刻的人脸质心,计算与所有人脸质心预测结果之间的欧氏距离,将距离小于阈值的人脸质心与该质心初步匹配;计算对应的人脸68点关键点数据与所有初步匹配的人脸对应的之间每个点的平均欧氏距离;若最小欧式距离小于阈值,则认为人脸与初步匹配人脸匹配成功,将此人脸图像入库,实现了能高效地对视频流中的人脸图像进行提取,为在线实时人脸识别提供冗余较少的人脸图像数据和跟踪结果的技术效果。
  • 一种基于对齐跟踪图像捕获方法
  • [发明专利]一种图像特征点匹配方法-CN201710258205.3有效
  • 段翰聪;赵子天;谭春强;文慧;闵革勇;陈超;李博洋 - 电子科技大学
  • 2017-04-19 - 2020-06-30 - G06F16/583
  • 本发明公开了一种图像特征点匹配方法,包括以下步骤,入库图片特征点提取:提取入库图像的特征并构成入库特征向量,对其维度进行降维;向量入库:分割降维后的入库特征向量,并对分割后的每部分先做乘积量化再做向量量化,构成乘积量化器、向量量化器,并建立检索树和哈希表;待匹配图片特征点提取:提取待匹配图像的特征并构成待匹配特征向量,对其维度进行降维;向量匹配:分割降维后的待匹配特征向量,找出待匹配特征向量与乘积量化器、向量量化器的聚类中心距离靠前的多个聚类中心,根据检索树和哈希表找到多个聚类中心所对应的图片并构成候选集,采用浮点向量计算候选集中与待匹配特征向量的距离最近的图片;其速度快且精度高。
  • 一种图像特征匹配方法

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