“分类学”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

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

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

专利权人

国家电网公司

华为技术有限公司

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

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

钻瓜专利网为您找到相关结果381354个，建议您升级VIP下载更多相关专利

[发明专利]一株具有安眠和健脑益智功能的植物乳杆菌及其应用-CN202211081617.1有效
发明人：陶纯长;李宝坤;金庭飞;樊哲新;苏文辉;朱泽娜;黎旭;叶长明 -专利权人：广东益可维生物技术有限公司
申请日： 2022-09-06 - 公布日： 2022-12-13 - 主分类号： C12N1/20 文献下载
摘要：本发明公开了一株具有安眠和健脑益智功能的植物乳杆菌及其应用，植物乳杆菌为植物乳杆菌LP‑100，分类学命名为Lactobacillus
具有安眠益智功能植物杆菌及其应用

[发明专利]一种干酪乳杆菌及其应用-CN202110829075.0有效
发明人：汪家琦;周辉;潘丽娜;刘成国;戴智勇;雷文平;康文丽;吴忠坤;李辉宇 -专利权人：澳优乳业（中国）有限公司;湖南农业大学
申请日： 2021-07-22 - 公布日： 2023-07-18 - 主分类号： C12N1/20 文献下载
摘要：本发明公开了一种干酪乳杆菌及其应用，所述干酪乳杆菌分类学命名为干酪乳杆菌(Lactobacillus casei)AU9077，该菌株保藏编号为CGMCC No.21663。
一种干酪杆菌及其应用

[发明专利]一株产布雷菲德菌素A的毛黄堇内生真菌及其应用-CN202210079844.4有效
发明人：明乾良;高宁;李雨浓;李鹏;黄秀凝 -专利权人：中国人民解放军陆军军医大学
申请日： 2022-01-24 - 公布日： 2023-06-23 - 主分类号： C12N1/14 文献下载
摘要：本发明公开了一株产布雷菲德菌素A(brefeldin A，BFA)的毛黄堇内生真菌，它是从罂粟科紫堇属植物毛黄堇(Corydalis tomentellaFranch.)植物活体中采用内生真菌分离纯化技术分离获得的，经微生物分类学鉴定为
一株产布雷菌素毛黄堇内生真菌及其应用

[发明专利]基于贝叶斯分类学习的搜索引擎检索排序方法-CN201310083151.3在审
发明人：贾德星;徐正礼;魏金雷 -专利权人：山东浪潮齐鲁软件产业股份有限公司
申请日： 2013-03-15 - 公布日： 2013-05-29 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于贝叶斯分类学习的搜索引擎检索排序方法，属于计算机应用领域。该方法将查询语句做为n维特征向量B={b1，b2，…，bn}，将索引文档做为分类A，使用贝叶斯分类算法对用户搜索行为数据进行训练，从而建立查询词-点击文档的分类模型;在对检索结果进行评分时，根据查询语句与索引文档特征向量的相似度评分值与所属分类的概率值进行组合计算与现有技术相比，本发明的基于贝叶斯分类学习的搜索引擎检索排序方法可以改进、优化搜索引擎中检索结果的排序，从而提高搜索引擎的检索精度，具有很好的推广应用价值。
基于贝叶斯分类学习搜索引擎检索排序方法

[发明专利]基于多源特征提取的设备故障诊断模型的构建方法及装置-CN202311168065.2在审
发明人：尹旭;马兵;续敏;王玉石;包明明;朱运恒;苏子康 -专利权人：山东能源数智云科技有限公司
申请日： 2023-09-12 - 公布日： 2023-10-20 - 主分类号： G06F18/20 文献下载
摘要：样本集中包括初始样本和初始样本对应的生成样本；初始样本包括样本标签，样本标签用于表征设备的故障类型；对样本集进行特征提取，得到基于时序特征的目标特征；将基于时序特征的目标特征和目标特征对应的样本标签输入至预先设置的分类器中，通过分类器对样本标签进行分类学习，并将分类学习的结果满足预设条件时的分类器确定为故障诊断模型；故障诊断模型用于对设备的待测数据进行故障诊断。本发明在解决样本不平衡，并提高特征质量的前提下，可以使分类器精准训练，保证设备故障诊断的诊断效果。
基于特征提取设备故障诊断模型构建方法装置

[发明专利]基于二值权重的图像哈希码训练模型算法及分类学习方法-CN201810396504.8有效
发明人：沈复民 -专利权人：成都考拉悠然科技有限公司
申请日： 2018-04-27 - 公布日： 2021-06-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于二值权重的图像哈希码训练模型算法及分类学习方法，模型算法步骤包括：选择损失函数，确定目标方程，并对分类器和训练图像特征进行二值编码；对二值编码进行统一学习，更新二值码，优化损失函数；推导哈希码训练模型还公开了一种应用基于二值权重的哈希码图像训练模型的分类学习方法，步骤包括：待搜索图像通过基于二值权重的哈希码训练模型得到哈希码，求出哈希码与分类器二值码之间的汉明距离；在汉明距离中查找最小汉明距离，并得到其对应的分类器本发明能够在多种图像类别和高纬度场景下进行图像分类，提高算法在大规模数据集上的性能，精确、高效、快捷且低内存消耗。
基于权重图像哈希码训练模型算法分类学习方法

[发明专利]一种保持图像分类稀疏结构的迁移分类学习方法-CN201711143495.3有效
发明人：赵丹;汪云云 -专利权人：南京邮电大学
申请日： 2017-11-17 - 公布日： 2021-08-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种保持图像分类稀疏结构的迁移分类学习方法，找到两个分布相近但不同的源域和目标域，源域包含有标签数据，首先在源域上利用监督分类方法训练分类器，并利用该分类器预测目标域数据的伪标签；其次，利用最大均值差异分别构造源域和目标域数据的边缘分布和条件分布项利用有效投影的稀疏学习工具包构造所有数据上的稀疏表示矩阵S以构造稀疏结构保持项；接着，利用结构风险最小化原则构造结构风险最小化项；最后，将结构风险最小化项、联合分布项以及稀疏结构保持项结合起来构造统一的迁移分类学习框架，并利用包含核函数的分类函数表示定理代入框架求解获得最终可用于预测目标域类别的分类器。
一种保持图像分类稀疏结构迁移学习方法

[发明专利]缓慢下跌型数据的检测方法及装置、电子设备、存储介质-CN201811116213.5有效
发明人：陈伟源 -专利权人：平安科技（深圳）有限公司
申请日： 2018-09-25 - 公布日： 2023-04-18 - 主分类号： G06F16/245 文献下载
摘要：该方法包括：获取样本数据及其分类标签，分类标签包括上涨型样本数据、下跌型样本数据、缓慢下跌型样本数据及其他型样本数据；计算样本数据的趋势数据；根据上涨型样本数据、下跌型样本数据、缓慢下跌型样本数据及其他型样本数据的趋势数据分别确定上涨型分类条件与下跌型分类条件；通过缓慢下跌型样本数据及其他型样本数据的趋势数据训练并得到一分类学习模型；利用上涨型分类条件、下跌型分类条件以及分类学习模型对目标数据的趋势数据进行处理，以检测目标数据是否为缓慢下跌型数据。
缓慢下跌数据检测方法装置电子设备存储介质

[发明专利]一种同时实现聚类、分类和度量学习的模式识别方法-CN201210178760.2无效
发明人：蔡维玲;杨明 -专利权人：南京师范大学
申请日： 2012-06-01 - 公布日： 2012-10-24 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种能同时实现聚类、分类和度量学习的模式识别方法。该方法利用贝叶斯理论构造聚类和类别之间的概率关系矩阵P，并通过该矩阵使最终的聚类和分类结果都只依赖于聚类中心，因此，通过优化嵌在目标函数中的聚类中心，就可以在一个框架下同时实现聚类学习和分类学习。由于矩阵P可反映出聚类和分类之间的统计关系，因此可从P中挖掘出有意义的信息，使得分类器的设计趋于透明。本发明从聚类的观点看，提供了有监督聚类学习的结果，能够可靠地揭示数据的潜在结构；从分类的观点看，构造了有效的分类学习机制，可获得较好的分类结果；从度量学习的观点看，提供了有效的特征权值，可反映特征的重要程度
一种同时实现分类度量学习模式识别方法

[发明专利]一种基于SRAP分子标记鉴定柿属种的方法-CN201410217496.8在审
发明人：杨勇;井赵斌;阮小凤;夏乐晗;杨婷婷;张永芳;王仁梓 -专利权人：西北农林科技大学
申请日： 2014-05-18 - 公布日： 2014-09-24 - 主分类号： C12Q1/68 文献下载
摘要：大量筛选获得，具有较高的稳定性和重复性，仅通过1对引物，1次PCR就可轻松将柿属5个种(变种)区分开来，操作方便，快速准确；本发明的方法可实现将柿属5个种在任何情况下进行快速、准确的区分，该方法可以结合形态学特征实现柿属野生资源的分类学鉴定
一种基于 srap 分子标记鉴定柿属种方法

[发明专利]一种植物酸洗缓蚀剂的制备方法及应用-CN201910891229.1在审
发明人：陈文;黄德兴 -专利权人：楚雄师范学院
申请日： 2019-09-20 - 公布日： 2019-11-19 - 主分类号： C23G1/06 文献下载
摘要：本发明首次从5种蕨类植物中均提取到植物酸洗缓蚀剂，5种蕨类植物中提取的植物酸洗缓蚀剂在实验条件下对碳钢的最高缓蚀效率均在85％以上，说明蕨类植物作为制备植物酸洗缓蚀剂的工业价值极高，挖掘了蕨类植物除了植物分类学和药理生物学方面以外的工业价值
蕨类植物酸洗缓蚀剂缓蚀剂缓蚀效率植物酸制备生产成本低植物分类学超声提取浓缩干燥实验条件水溶解性碳钢酸洗制备工艺制备植物萃取分离有机型种植物醇沉降解去杂碳钢生物学无毒合成挖掘应用

[发明专利]一株金黄篮状菌及利用其光照刺激发酵生产红色素的方法-CN202111566730.4在审
发明人：龚晓贝;刘浩;孙成武 -专利权人：安徽粤智徽源生物科技有限公司
申请日： 2021-12-20 - 公布日： 2022-03-18 - 主分类号： C12N1/14 文献下载
摘要：一株金黄篮状菌及利用其光照刺激发酵生产红色素的方法，涉及微生物学、生物工程发酵技术领域，菌种分类学命名为金黄篮状菌，拉丁名为Talaromyces aurantiacus，编号为YZHY21.B01，保藏号为
金黄篮状菌利用光照刺激发酵生产红色素方法

[发明专利]一株具有广谱抗菌活性的海洋放线菌S-19-3-CN201610865217.8有效
发明人：贾晓强;刘畅;齐麟 -专利权人：天津大学
申请日： 2016-09-29 - 公布日： 2020-02-18 - 主分类号： C12N1/20 文献下载
摘要：通过对海洋放线菌S‑19‑3进行形态学特征和生理生化特征观察、16S rDNA序列测定和系统进化分析等多相分类学鉴定，初步鉴定海洋放线菌S‑19‑3为小单胞杆菌(Micromonospora lupini
具有广谱抗菌活性海洋放线菌 19

[发明专利]从红葡萄酒生产原料或窖泥中分离纯化鉴定季也蒙有孢汗逊酵母菌的方法-CN201210381157.4无效
发明人：冯涛;游雪燕;庄海宁;荣志伟;周彬耀 -专利权人：上海应用技术学院
申请日： 2012-10-10 - 公布日： 2013-01-30 - 主分类号： C12N1/16 文献下载
摘要：即包括红葡萄生产原料及窖泥进行纯化分离，及按照WL营养琼脂培养基形态学鉴定法结合《微生物分类学》的方法进行菌种鉴定2个步骤，最终得到纯化的季也蒙有孢汗逊酵母菌株。
红葡萄酒生产原料窖泥中分离纯化鉴定季也蒙有孢汗逊酵母菌方法

[发明专利]基于自适应图的半监督核宽度分类学习方法及设备-CN202110920070.9在审
发明人：郭宇;熊钰;王一诺;张秋光;王飞 -专利权人：西安交通大学
申请日： 2021-08-11 - 公布日： 2021-11-26 - 主分类号： G06K9/62 文献下载
摘要：一种基于自适应图的半监督核宽度分类学习方法及设备，方法包括以下步骤：先将输入数据进行随机权值映射，将映射后的特征存储在特征节点中，然后通过相似的非线性特征映射将特征节点扩展到增强节点，最后将特征节点和增强节点结合形成输入数据的特征映射矩阵；利用输入数据和输入数据的特征映射矩阵学习相似性矩阵，同时推断未知标签，再根据核函数得到损失函数；对损失函数的每个变量求出局部最优解，进行迭代优化，完成半监督核宽度分类。本发明联合了优化基于稀疏自编码器的特征提取过程、自适应图结构学习过程以及引入核函数学习进行分类，提升了分类学习方法的稳定性和性能。
基于自适应监督宽度分类学习方法设备

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top