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314007个,建议您升级VIP下载更多相关专利
  • [发明专利]一种广告投放受众群体数据分析系统及装置-CN202011188942.9在审
  • 荣芳;骆焕昌 - 深圳市易阳新媒体科技有限公司
  • 2020-10-30 - 2021-01-26 - G06Q30/02
  • 本发明公开了一种广告投放受众群体数据分析系统及装置,设置注册模块方便消费者进行身份登记,也方便服务器通过接收模块对信息筛选分类,信息录入模块用于方便人员对信息的录入,设置文字输入模块用于方便人员进行文字的输入,设置画像生成模块用于将分类后的人员生成用户群体画像,用户群体画像用于归纳发生交易行为的人群和浏览商品的人群进行定位,通过交易预测模块进一步缩小目标客户群体,定向挖掘目标客户,设置分析结果输出模块,方便对分析结果进行及时查看和进一步分析,方便商家进一步确定营销方案;本发明根据分析结果进行定向广告投放,方便销售人员根据目标群体进行精确营销,减小了营销成本,具有很好的市场应用前景。
  • 一种广告投放受众群体数据分析系统装置
  • [发明专利]基于群体智能的半监督深度网络图片分类方法-CN202010667741.0在审
  • 徐晓华;仁祥;何萍;方威;姜玉麟;葛方毅 - 扬州大学
  • 2020-07-13 - 2020-10-20 - G06K9/62
  • 本发明公开了一种基于群体智能的半监督深度网络图片分类方法,包括以下步骤:1)对数字图片的训练数据集和测试数据集进行预处理,包括归一化和中心化处理;2)使用训练数据集计算网络损失,包括;2‑1)对于有标记数据,计算网络的预测值和真实标签值之间的混合KL散度损失;2‑2)对于无标记数据,计算多个网络模型预测值之间的群体一致性损失;3)使用有标记数据的混合KL散度损失和无标记数据的群体一致性损失通过反向传播算法优化深度网络的权重参数;4)应用训练好的深度网络对测试数据集进行分类,本发明可实现图片高效且准确的分类
  • 基于群体智能监督深度网络图片分类方法
  • [发明专利]群体分类方法及电子设备-CN202111005608.X在审
  • 符修亮;胡创大;钱进 - 深圳前海微众银行股份有限公司
  • 2021-08-30 - 2021-12-03 - G06K9/62
  • 本发明公开了一种群体分类方法及电子设备,群体分类方法包括:分别基于第一凭证对应的至少两个设定因子中每个设定因子的值,对多个第一凭证进行聚类,得到每个设定因子对应的第一聚类结果;对每个第一凭证在每个第一聚类结果中对应的第一风险值进行加权求和得到每个第一凭证对应的第二风险值;第一风险值表征第一凭证在对应的第一聚类结果中所处的簇的簇心对应的随机风险值;基于第一凭证对应的第二风险值对所述多个第一凭证进行聚类,得到第二聚类结果;基于所述第二聚类结果和第一凭证对应的用户,输出群体分类结果
  • 群体分类方法电子设备
  • [发明专利]电商客户的分类方法及装置-CN201510165730.1有效
  • 林熙东;牟川 - 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
  • 2015-04-09 - 2019-05-03 - G06F17/40
  • 本发明公开了一种电商客户的分类方法及装置。该方法包括:根据订单数据建立以客户为顶点、所述客户所购买商品的商品列表为边的带权网络,其中,所述商品列表包括商品的名称及价格;对所述带权网络执行带权标签传播算法,得到多个客户群体,并对每个客户群体定义标签;遍历所述多个客户群体中的每个客户顶点,根据每个客户顶点的所有邻居顶点的标签及权重计算每个客户的多标签分类结果。本发明能够对同一客户产生多个标签,使得对客户的描述更加全面与准确,达到对客户进行准确分类的效果,同时保持了运行时间上的高效,能够应用在更大规模的数据集上。
  • 客户分类方法装置

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