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33个,建议您升级VIP下载更多相关专利
  • [发明专利]多源轨迹数据表示方法及装置-CN202310836971.9在审
  • 项阳;闫天一;窦崇铭;司俊俊;羊晋;涂波 - 和智信(山东)大数据科技有限公司
  • 2023-07-10 - 2023-09-19 - G06F16/9537
  • 本发明提供一种多源轨迹数据表示方法及装置,所述方法包括:获取第一时间段内的多源轨迹数据,将所述第一时间段划分为多个时间区间,确定各所述时间区间内的各轨迹数据的轨迹点的Token值,得到各轨迹数据对应的Token值集合;将各所述Token值集合、各所述轨迹数据的源类别以及时间区间索引信息输入至轨迹表示模型,得到轨迹嵌入表示、源类别嵌入表示以及时间区间索引嵌入表示,将所述轨迹嵌入表示、源类别嵌入表示、时间区间索引嵌入表示与位置嵌入表示进行组合得到组合嵌入表示,基于各组合嵌入表示得到各所述轨迹数据的隐状态向量,将各轨迹数据的隐状态向量进行池化得到各轨迹数据的特征表示向量。该多源轨迹数据表示方法可提高轨迹数据表示的准确性。
  • 轨迹数据表示方法装置
  • [发明专利]一种深度轨迹聚类方法、系统及存储介质-CN202310100602.3有效
  • 司俊俊;羊晋;李莉;项阳;陈泽江;刘智超;刘孟奇;涂波 - 和智信(山东)大数据科技有限公司
  • 2023-02-07 - 2023-08-15 - G06F16/906
  • 本发明提供一种深度轨迹聚类方法、系统及存储介质,包括:得到第一增广数据集合和第二增广数据集合;将第一增广数据集合输入到训练好的轨迹编码模型中得到轨迹编码向量,将第二增广数据集合输入到轨迹动量编码模型中得到轨迹动量编码向量;确定聚类中心、第一类别概率分布和第二类别概率分布,并计算第一目标分布和第二目标分布;计算KL散度对比学习损失;确定第一投影向量和第二投影向量,计算轨迹投影向量对比损失;确定第一轨迹预测向量和第二轨迹预测向量,计算轨迹类别对比损失;确定总模型损失,迭代更新轨迹编码模型和聚类中心,基于最后一次迭代过程中获得的轨迹编码向量及聚类中心对待聚类轨迹数据进行聚类。该方法轨迹数据聚类效果好。
  • 一种深度轨迹方法系统存储介质
  • [发明专利]基于移动信令的群体性行为特征预测方法及装置-CN202211477140.9有效
  • 羊晋;司俊俊;涂波;刘孟奇;刘智超 - 北京数业专攻科技有限公司
  • 2022-11-23 - 2023-04-18 - G06V20/52
  • 本发明提供一种基于移动信令的群体性行为特征预测方法及装置,该方法包括:获取观测区域的地理空间信息,将观测区域进行网格划分;获取移动信令轨迹数据集,基于各信令数据的基站经纬度信息确定人群流动热力图;获取异常事件数据集,基于各异常事件数据的事件发生时间信息和事件发生位置信息确定异常事件分布图;将人群流动热力图和异常事件分布图分别输入至二维信息处理模型中,得到人群流动空间特征和异常事件空间特征;将人群流动空间特征输入至人群流动空间信息注意力模型中,得到各时间区间的各网格内的人群流动特征;将异常事件空间特征和各人群流动特征进行时间融合,得到异常事件预测结果。该方法提高了群体性行为预测结果的准确性。
  • 基于移动群体性行为特征预测方法装置
  • [发明专利]基于深度学习的轨迹聚类方法、系统及存储介质-CN202211299206.X有效
  • 司俊俊;秦韬;羊晋;涂波 - 北京数业专攻科技有限公司
  • 2022-10-24 - 2022-12-20 - G06F16/9537
  • 本发明提供一种基于深度学习的轨迹聚类方法、系统及存储介质,包括:获取轨迹数据,对轨迹数据进行预处理;将预处理后的轨迹数据输入第一Transformer编码器模型,得到各轨迹数据的轨迹表征向量,基于多个轨迹表征向量确定各类别的初始聚类中心;构建轨迹关系图;将预处理后的各轨迹数据输入至第二Transformer编码器模型,得到第一表征向量,将轨迹关系图输入图网络模型,基于轨迹关系图以及第二Transformer编码器模型的各层自注意力网络输出的第一隐向量确定图网络模型的各层图卷积网络输出的第二隐向量,将图网络模型的最后一层的图卷积网络的输出作为各轨迹数据的第二表征向量;基于第二表征向量及初始聚类中心得到轨迹数据的最终聚类结果。该方法提高了轨迹聚类的准确度。
  • 基于深度学习轨迹方法系统存储介质
  • [发明专利]一种基于深度学习的信令轨迹恢复方法、系统及存储介质-CN202210446511.0有效
  • 司俊俊;羊晋;涂波 - 和智信(山东)大数据科技有限公司
  • 2022-04-26 - 2022-12-20 - H04W4/029
  • 本发明提供一种基于深度学习的信令轨迹恢复方法、系统及存储介质,所述方法包括:分别获取当前信令轨迹数据和历史信令轨迹数据;将第一预设时间段和第二预设时间段划分为多个时间区间,确定各时间区间的轨迹保留点;根据历史信令轨迹数据确定基站转移概率矩阵,并获取空间注意力数据;生成基站表征向量,确定各时间区间的位置表征向量和时间表征向量,基于位置表征向量和时间表征向量之和确定历史轨迹注意力数据;将当前信令轨迹数据中的基站表征向量和对应的时间表征向量之和输入至编码器获得轨迹表征向量,获取编码器注意力数据;将轨迹表征向量、空间注意力数据、历史轨迹注意力数据以及编码器注意力数据输入至解码器,得到预测的信令轨迹序列。
  • 一种基于深度学习轨迹恢复方法系统存储介质
  • [发明专利]黑产手机号及黑产用户设备识别方法、系统及存储介质-CN202210426639.0有效
  • 羊晋;司俊俊;涂波;刘智超;陈泽江 - 北京数业专攻科技有限公司
  • 2022-04-22 - 2022-07-26 - H04L9/40
  • 本发明提供一种黑产手机号及黑产用户设备识别方法、系统及存储介质,该方法包括:获取预设时间段内的移动信令数据;基于移动信令数据提取用户行为特征数据和用户设备特征数据;根据各手机号在预设时间段内的关联用户设备的总去重数量以及各时间区间内的关联用户设备的数量确定疑似黑产手机号;基于用户行为特征数据和用户设备特征数据确定真实黑产手机号;基于真实黑产手机号、白名单手机号及对应的各行为特征数据生成训练集;将训练数据输入至网络模型进行训练得到预训练模型;将待识别手机号及相应的行为特征数据输入至预训练模型得到识别结果,基于待识别手机号的移动信令数据确定黑产用户设备。该方法可有效的识别黑产手机号及黑产用户设备。
  • 手机号用户设备识别方法系统存储介质
  • [发明专利]基于频繁模式的轨迹重建方法及装置-CN202111230232.2有效
  • 司俊俊;羊晋;涂波;刘孟奇 - 北京数业专攻科技有限公司
  • 2021-10-22 - 2022-02-15 - G06F16/9537
  • 本发明提供了一种基于频繁模式的轨迹重建方法及装置,其中,该方法包括:对一定时间内的历史轨迹数据进行频繁轨迹模式挖掘,得到通用频繁轨迹模式库;为通用频繁轨迹模式建立指纹索引;对历史轨迹数据中的轨迹序列按用户分组,对每个用户的历史轨迹数据进行频繁轨迹模式挖掘,得到用户频繁轨迹模式库;为各用户频繁轨迹模式建立指纹索引;获取待重建实时用户轨迹数据,提取其轨迹段指纹信息;在用户频繁轨迹模式库中对轨迹段指纹信息进行相应信息匹配查询,若未查询到,则在通用频繁轨迹模式库进行相应信息匹配查询;将匹配出的频繁轨迹模式作为替代轨迹段,替换待重建实时用户轨迹数据中对应的轨迹段。通过上述方案能提高轨迹重建效率和真实性。
  • 基于频繁模式轨迹重建方法装置
  • [发明专利]密钥部署、数据通信、密钥交换、安全加固方法及系统-CN202110957481.5有效
  • 羊晋;司俊俊;涂波;刘孟奇 - 北京数业专攻科技有限公司
  • 2021-08-20 - 2021-11-09 - H04L9/32
  • 本发明提供了一种密钥部署、数据通信、密钥交换、安全加固方法及系统,其中,该密钥部署方法包括:由终端设备生成终端专属公钥和相应的终端专属私钥;由终端设备根据其终端部署公钥加密终端专属公钥和终端设备识别号,得到注册信息密文;由终端设备向其安全服务器网络地址对应的安全服务器发送注册信息密文;由安全服务器接收注册信息密文并利用其终端部署私钥解密注册信息密文;由安全服务器将注册信息明文中和安全服务器中的终端设备识别号进行比对,若一致,则登记终端专属公钥;由安全服务器利用其安全服务器私钥对注册信息签发证书,并将安全服务器公钥和证书返回至终端设备。通过上述方案能够为设备密钥的预置提供可信的密钥保护措施。
  • 密钥部署数据通信交换安全加固方法系统

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