“组合特征”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

钻瓜专利网为您找到相关结果3720564个，建议您升级VIP下载更多相关专利

[发明专利]训练方法、图像处理方法及相关装置、设备和存储介质-CN202210179661.X在审
发明人：胡志强;刘子豪;李卓威 -专利权人：上海商汤智能科技有限公司
申请日： 2022-02-25 - 公布日： 2022-06-21 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种训练方法、图像处理方法及相关装置、设备和存储介质，训练方法包括：利用特征提取网络对样本图像进行特征提取，得到样本图像的样本特征图；利用样本特征图，确定若干组区域组合的特征相似度，其中，样本图像包括若干局部区域，以及每组区域组合的特征相似度表示所述区域组合包括的至少两个局部区域得到的；以及，基于各组区域组合的标注信息，确定各组区域组合对应的参考关系参数，其中，各参考关系参数表示区域组合中的局部区域之间的实际差异情况；利用各组区域组合的特征相似度以及参考关系参数，调整特征提取网络的网络参数。通过该方法，提高了特征提取网络对相同的图像信息的提取准确度。
训练方法图像处理相关装置设备存储介质

[发明专利]一种信源可信度评价组合定位方法-CN202211370895.9有效
发明人：李清泉;张德津;张伟;陈建帆;张星 -专利权人：深圳大学
申请日： 2022-11-03 - 公布日： 2023-08-29 - 主分类号： G01C21/20 文献下载
摘要：本申请公开了一种信源可信度评价组合定位方法，属于智能机器人领域。所述信源可信度评价组合定位方法包括：获取目标对象所处环境的场景特征；获取针对所述目标对象的多个信源的信号特征；基于所述场景特征和所述信号特征，构建目标特征向量，所述目标特征向量用于反映所述场景特征和所述信号特征；将所述目标特征向量输入目标机器学习模型，得到所述多个信源中各个信源可信度；基于所述多个信源中各个信源的可信度，确定用于定位的目标信源组合，所述目标信源组合包括所述多个信源中的至少一个信源；基于所述目标信源组合，确定组合定位模型；利用所述组合定位模型，对所述目标对象进行定位。
一种信源可信度评价组合定位方法

[发明专利]图像比对设备-CN201880082883.1在审
发明人：高桥彻;石山垒 -专利权人：日本电气株式会社
申请日： 2018-11-15 - 公布日： 2020-09-11 - 主分类号： G06T7/00 文献下载
摘要：提供了将第一图像相对第二图像进行比较的图像比较装置，该图像比较装置被提供有频率特征获取单元、频率特征组合单元和确定单元。频率特征获取单元获取第一图像的频率特征和第二图像的频率特征。频率特征组合单元通过将第一图像的频率特征和第二图像的频率特征进行组合，来生成经组合的频率特征。确定单元计算指示经组合的频率特征与具有单一周期的波的一致的程度的得分，并且基于该得分将第一图像相对第二图像进行比较。
图像设备

[发明专利]车联网大数据风控组合特征提取方法、装置及存储介质-CN201810296845.8在审
发明人：潘洋;游志强 -专利权人：深圳广联赛讯有限公司
申请日： 2018-03-30 - 公布日： 2018-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种车联网大数据风控组合特征提取方法，包括以下步骤：通过获取车联网用户的基础数据，并根据所述基础数据生成初始特征集，计算所述初始特征集与自身的笛卡尔积，并生成二阶组合特征集，然后提取所述二阶组合特征集中符合预设条件的二阶组合特征，组成二阶候选特征集，并计算所述二阶候选特征集与所述初始特征集的笛卡尔积，以生成三阶组合特征集，进一步地，根据上述迭代过程，输出符合预设阶数的高阶组合特征。本发明还公开了一种车联网大数据风控组合特征提取装置及存储介质。本发明通过获取笛卡尔乘积的方法构造线性和非线性特征，以提高风控结果的准确性。
特征集组合特征二阶车联网风控大数据存储介质基础数据非线性特征迭代过程构造线性提取装置预设条件高阶阶数三阶预设输出

[发明专利]业务数据处理方法、装置、计算机设备和存储介质-CN202110441885.9在审
发明人：路遥 -专利权人：索信达（北京）数据技术有限公司
申请日： 2021-04-23 - 公布日： 2022-10-21 - 主分类号： G06Q10/06 文献下载
摘要：所述方法包括：从数据库中获取业务数据的特征变量；根据特征变量得到离散特征变量；再对信息增益率进行排序、主成分分析处理和信息量计算得到一维特征变量；将一维特征变量作为待处理特征变量进行信息增益率排序、主成分分析处理和信息量计算，得到筛选特征变量；然后进行交叉组合获得特征组合变量；若信息增益率不满足预设条件，则将特征组合变量和一维特征变量作为新的待处理特征变量，经过信息增益率排序、主成分分析处理、信息量计算和交叉组合得到特征组合变量；若满足预设条件，则将特征组合变量作为业务数据的目标组合变量。
业务数据处理方法装置计算机设备存储介质

[发明专利]图标位置识别方法、装置及终端设备-CN201710091790.2有效
发明人：吴坤 -专利权人：阿里巴巴（中国）有限公司
申请日： 2017-02-20 - 公布日： 2021-02-26 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：选取样本图标；提取图片和样本图标各自的图像特征点；将图片与样本图标各自的图像特征点进行匹配，得到相互匹配的特征点组合；计算每一个特征点组合中两个图像特征点的距离值，得到参考距离值；当特征点组合中两个图像特征点之间的距离值小于参考距离值时，将图像特征点组合作为最佳特征点组合；当最佳特征点组合的个数超过阈值时，计算所有最佳特征点组合中图片中的图像特征点的平均坐标值；将平均坐标值对应于所述图片中的坐标作为图片中图标的坐标。本发明在获取图标位置时不需要初始化和训练特征点，且对图片的像素清晰度要求不高，识别速度快，准确率高，可复用性强。
图标位置识别方法装置终端设备

[发明专利]信息处理程序、信息处理方法以及信息处理装置-CN202080107932.X在审
发明人：上村健人;小柳佑介;大堀耕太郎 -专利权人：富士通株式会社
申请日： 2020-12-16 - 公布日： 2023-08-08 - 主分类号： G06F16/215 文献下载
摘要：对于分别是包含表示对象的特征的不变特征量以及可变特征量的多个特征量的组合的多个组合数据，根据各组合数据间的关系性，基于多个组合数据提取处理对象的组合数据。使用处理对象的组合数据，根据不变特征量执行针对可变特征量的因果搜索处理。基于因果搜索处理的结果，选择并提示与指定的不变特征量对应的特定的可变特征量。
信息处理程序方法以及装置

[发明专利]一种中小企业信用数据挖掘方法-CN202010958951.5在审
发明人：崔光裕;边松华;崔乐乐 -专利权人：天元大数据信用管理有限公司
申请日： 2020-09-14 - 公布日： 2020-12-15 - 主分类号： G06Q40/02 文献下载
摘要：本发明公开了一种中小企业信用数据挖掘方法，涉及大数据与信用评价技术领域，基于自动特征工程实现中小企业信用数据挖掘，通过对中小企业训练样本特征数据集中的原始信用特征数据进行预处理，然后经过特征距离计算形成特征子集，并针对所述特征子集进行特征线性组合和特征非线性组合；使用仅经过数据预处理加工的原始信用特征、经过特征线性组合加工的线性组合特征及经过特征非线性组合加工的非线性组合特征作为训练特征集，经过训练形成基线模型，并根据训练结果进行特征重要性排序，选择具有预测价值的特征。本发明能够提升中小企业信用特征挖掘效率，减少人工干预，提升中小企业信用特征挖掘结果的有效性，进而提升中小企业信用评价的准确性。
一种中小企业信用数据挖掘方法

[发明专利]基于特征组合与CNN的大坝缺陷识别与分类方法-CN201810598156.2有效
发明人：毛莺池;易魁;卢吉;刘凡;王静;陈豪;葛恒;简树明;高国芝;迟福东;赵盛杰;曹学兴 -专利权人：河海大学;华能澜沧江水电股份有限公司;华能集团技术创新中心有限公司
申请日： 2018-06-12 - 公布日： 2019-06-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于特征组合与CNN的大坝缺陷识别与分类方法，包括以下步骤：1)分别提取图像的LBP特征和GABOR特征图，然后基于特征向量余弦特征组合两种特征得到LG组合特征；2)将LG组合特征作为深度学习模型CNN的输入，通过逐层训练神经网络，提取更高层次的特征，根据此特征训练出CNN分类器；3)将测试样本提取LG特征后输入到训练好的CNN分类器中，分类识别出最后的缺陷类别。
特征组合缺陷识别组合特征分类器大坝训练神经网络测试样本分类识别缺陷类别特征向量特征训练提取图像分类余弦学习

[发明专利]一种滚动预测的方法、及装置-CN201610266574.2有效
发明人：陈新杰;赵志洪;胡楠;张观侣 -专利权人：华为技术有限公司
申请日： 2016-04-26 - 公布日： 2021-01-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例公开了一种滚动预测的方法、及装置，其中方法的实现包括：确定参考序列中各序列的滞后性特征的滞后期；所述参考序列中包含至少两个序列，所述参考序列中包含外部序列和/或自身序列；依据所述参考序列中各序列的滞后性特征的滞后期，对所述参考序列中各序列的滞后性特征进行重排序，将重新排序后属于同期的滞后性特征进行组合得到待选特征组合；从所述待选特征组合中选择特征组合对已知结果的验证集进行滚动预测，选取滚动预测结果符合预定条件的特征组合作为目标特征组合；使用所述目标特征组合对所述自身序列进行滚动预测。
一种滚动预测方法装置

[发明专利]生成机器学习样本的组合特征的方法及系统-CN201710595326.7在审
发明人：陈雨强;戴文渊;杨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-07-20 - 公布日： 2017-11-24 - 主分类号： G06N99/00 文献下载
摘要：提供了一种生成机器学习样本的组合特征的方法及系统。所述方法包括(A)获取数据记录，其中，所述数据记录包括多个属性信息；(B)针对基于所述多个属性信息产生的每一个连续特征，执行至少一种分箱运算，以得到由至少一个分箱特征组成的分箱组特征，其中，每种分箱运算对应一个分箱特征；以及(C)通过在分箱组特征和/或基于所述多个属性信息产生的其他离散特征之间进行特征组合来生成机器学习样本的组合特征。根据所述方法和系统，将获得的分箱组特征与其他特征进行组合，使得组成机器学习样本的组合特征更为有效，从而提升了机器学习模型的效果。
生成机器学习样本组合特征方法系统

[发明专利]生成机器学习样本的组合特征的方法及系统-CN202110446590.0在审
发明人：陈雨强;戴文渊;杨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-07-20 - 公布日： 2021-06-18 - 主分类号： G06N20/00 文献下载
摘要：提供了一种生成机器学习样本的组合特征的方法及系统。所述方法包括：(A)获取数据记录，其中，所述数据记录包括多个属性信息；(B)针对基于所述多个属性信息产生的每一个连续特征，执行至少一种分箱运算，以得到由至少一个分箱特征组成的分箱组特征，其中，每种分箱运算对应一个分箱特征；以及(C)通过在分箱组特征和/或基于所述多个属性信息产生的其他离散特征之间进行特征组合来生成机器学习样本的组合特征。根据所述方法和系统，将获得的分箱组特征与其他特征进行组合，使得组成机器学习样本的组合特征更为有效，从而提升了机器学习模型的效果。
生成机器学习样本组合特征方法系统

[发明专利]建立视频分类模型以及视频分类的方法、装置-CN201910461500.8有效
发明人：牛国成;何伯磊;肖欣延 -专利权人：北京百度网讯科技有限公司
申请日： 2019-05-30 - 公布日： 2021-01-22 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种建立视频分类模型与视频分类的方法、装置，方法包括：获取各视频及其对应的类别标注结果；分别从各视频中提取预设类型的特征，并基于各特征构建各视频对应的组合特征；将从视频中提取的各特征与该视频对应的组合特征分别作为分类模型的输入，获取分类模型针对该视频的各特征与组合特征的输出结果；根据分类模型针对视频的各特征与组合特征的输出结果与该视频对应的类别标注结果，分别获取同一个视频的各特征与组合特征对应的损失函数；根据同一个视频的各特征以及组合特征对应的损失函数确定分类模型的损失函数
建立视频分类模型以及方法装置

[发明专利]对丢失的输入信息具有鲁棒性的用于处理任务的方法和系统-CN201780029595.5在审
发明人：尼古拉斯·沙帕多斯;尼古拉斯·吉扎德;穆罕默德·哈瓦艾;约舒亚·本希奥 -专利权人：映佳控制公司
申请日： 2017-03-17 - 公布日： 2019-02-05 - 主分类号： G06F15/00 文献下载
摘要：公开了根据要执行的处理任务生成组合特征图的单元，该单元包括特征图生成单元，该特征图生成单元用于接收多于一个的模态并且使用多于一个的对应变换生成多于一个的对应特征图；其中，通过将给定的对应变换应用在给定的对应模态上执行多于一个的对应特征图中的每一个的生成，其中，在根据要执行的处理任务执行初始训练后生成多于一个的对应变换并且组合单元用于根据至少一个组合运算选择和组合通过特征图生成单元生成的对应的多于一个的特征图并且用于提供至少一个对应的组合特征图；其中，组合单元根据要执行的处理任务进行运算并且组合运算将通过特征图生成单元生成的多于一个的特征图中的每一个的每个对应数值减少到至少一个对应的组合特征图中的一个数值。
特征图生成单元组合特征组合单元组合运算模态变换应用任务生成任务执行输入信息数值减少鲁棒性运算

[发明专利]一种用于机器学习的特征处理方法和系统-CN201911065763.3在审
发明人：马健;钟文亮 -专利权人：支付宝(杭州)信息技术有限公司
申请日： 2019-11-04 - 公布日： 2020-02-11 - 主分类号： G06K9/62 文献下载
摘要：本实施例之一涉及一种用于机器学习的特征处理方法和系统。所述方法包括：从基础特征集中获取多个候选特征以及从基础算子集中获取多个候选算子，将所述多个候选特征和多个候选算子组成多个初始特征组合；将所述多个初始特征组合作为遗传规划算法的初始种群，采用遗传规划算法对所述初始种群进行遗传操作，得到优化后的目标种群；基于所述优化后的目标种群得到目标特征组合，所述目标特征组合用基础特征和基础算子的计算结果来表示；其中基础特征属于基础特征集，基础算子属于基础算子集；将所述目标特征组合作为机器学习的一个特征参与机器学习的运算
算子基础特征机器学习目标特征遗传规划算法初始种群候选特征特征组合种群特征处理遗传操作特征集运算优化