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330754个,建议您升级VIP下载更多相关专利
  • [发明专利]分类模型的训练方法、图像分类方法、装置及电子设备-CN202210922125.4在审
  • 申世伟 - 北京达佳互联信息技术有限公司
  • 2022-08-02 - 2022-10-21 - G06V10/764
  • 本公开关于一种分类模型的训练方法、图像分类方法、装置、电子设备、计算机可读存储介质及计算机程序产品。所述分类模型的训练方法,包括:获取训练图像,训练图像携带有第一级类别标签;对训练图像进行聚类处理,得到多个聚类簇;根据训练图像所属的聚类簇,确定训练图像的第二级类别标签;采用携带有第一级类别标签和第二级类别标签的训练图像对基础分类模型进行训练,得到分类模型,基础分类模型是采用携带有第一级类别标签的训练图像训练后得到的模型。根据本公开的方案,使训练得到的分类模型具有同时识别不同级别的类别标签的能力,从而可以满足后续不同业务场景可能会存在的由粗到细的不同级别的类别识别需求。
  • 分类模型训练方法图像装置电子设备
  • [发明专利]基于多粒度建模的半监督文本分类方法和系统-CN202011004053.2有效
  • 余本功;汲浩敏;朱梦迪;王胡燕;王惠灵;张子薇;朱晓洁 - 合肥工业大学
  • 2020-09-22 - 2022-09-06 - G06F16/35
  • 本发明提供一种基于多粒度建模的半监督文本分类方法和系统,涉及数据处理技术和机器学习技术领域。本发明使用多粒度的文本建模方式形成三通道的文本向量模型层,分别从字符级、词语级、句子级三个级别对同一文本进行文本建模,再将三个级别的建模分别作为三个通道,并将三个通道的输出输入给三个基分类器组,在不损失样本或者特征的情况下获得样本之间的分歧,取代了传统的重采样与随机子空间方法;同时,九个基分类器集成为三个基分类器组的设计,集成了不同基分类器的优点,使用不同的基分类器获取相同样本的不同特征,获得基分类器之间的分歧,从而有效提高了半监督文本分类方法的分类结果准确度
  • 基于粒度建模监督文本分类方法系统
  • [发明专利]疫情监测方法、装置、疫情防控平台及可读存储介质-CN202010944002.1有效
  • 李惠玲 - 平安国际智慧城市科技股份有限公司
  • 2020-09-10 - 2021-06-04 - G16H50/80
  • 本发明涉及大数据处理,应用于智慧城市的智慧监管领域中,提供一种疫情监测方法、装置、疫情防控平台及可读存储介质,该方法包括:基于公众端获取多项疫情数据,并根据预设疫情特征分级,得到多项疫情级别信息;获取对多项疫情级别信息复核生成的复核级别信息,并根据各复核级别信息,确定待监测数据和待预警数据,以及预警级别;对各待监测数据持续监测,并根据各预警级别,对与各待预警数据对应的人员预警。此外,本发明还涉及区块链技术,疫情数据、疫情级别数据、复核级别数据、待监测数据、待预警数据和待预警级别均可存储于区块链中。本发明实现各居民健康信息的快速安全收集,并准确分类预警,有利于疫情的准确监测和有效防控。
  • 疫情监测方法装置平台可读存储介质
  • [发明专利]用于对文本进行分类的方法-CN201380024544.5有效
  • J·R·赫尔歇;J·勒鲁克斯 - 三菱电机株式会社
  • 2013-05-15 - 2018-11-16 - G06F17/30
  • 通过根据文本确定文本特征并将文本特征变换为主题特征来对该文本进行分类。使用判别主题模型针对每一个主题特征来确定分数。该模型包括对主题特征进行操作的分类器,其中,通过变换根据文本特征来确定主题特征,并且变换被优化以最大化相对于不正确的类的分数的正确的类的分数。接着,选择针对文本具有最高分数的类标签。在按层次结构组织类的情况下,判别主题模型适用于根据前面的级别调节的每一个级别的类,并且跨级别组合分数以评估最高得分的类标签。
  • 用于文本进行分类方法

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