“邻接矩阵”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177440个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自适应邻接矩阵的语音情感识别方法和系统-CN202211159108.6在审
发明人：闫静杰;徐峰峰 -专利权人：南京邮电大学
申请日： 2022-09-22 - 公布日： 2023-01-20 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种基于自适应邻接矩阵的语音情感识别方法和系统。该方法包括：对数据库语音样本提取情感特征，生成特征向量；将得到的情感特征向量分别构建成一个图结构，并预定义其邻接矩阵；使用自适应邻接矩阵优化图结构中节点连接关系；构建图卷积神经网络模型，包括图卷积层、和池化层该方法和系统通过使用图模型处理语音情感识别任务，将情感特征向量转为图结构并且使用自适应邻接矩阵优化图结构中的邻接矩阵，增强图模型的泛化能力以及对语音情感的鉴别能力，提升语音情感识别的准确率和鲁棒性。
一种基于自适应邻接矩阵语音情感识别方法系统

[发明专利]数据提取方法、装置、设备及存储介质-CN202310636435.4在审
发明人：李勉燕;连煜伟;李欢余;黄琼 -专利权人：中国工商银行股份有限公司
申请日： 2023-05-31 - 公布日： 2023-08-29 - 主分类号： G06F8/74 文献下载
摘要：该方法包括：将获取到的代码文件转换为初始语法树，其中，初始语法树包括根节点和叶节点；对初始语法树中的根节点和叶节点进行遍历，得到有向邻接矩阵，其中，有向邻接矩阵用于表征根节点与目标叶节点之间、目标叶节点与目标叶节点之间的层级关系存在情况，有向邻接矩阵包括多个根据层级关系存在情况得到的元素值，目标叶节点为具有预设节点标识符的叶节点；根据有向邻接矩阵中满足预设条件的目标元素值，从数据库中提取与目标叶节点相关联的数据，作为数据提取结果，其中，数据提取结果还包括根据有向邻接矩阵生成的目标语法树。
数据提取方法装置设备存储介质

[发明专利]一种数据处理方法及设备-CN201610933379.0有效
发明人：刘家豪;凌国惠;郑子彬;陈川 -专利权人：腾讯科技（深圳）有限公司
申请日： 2016-10-31 - 公布日： 2021-10-15 - 主分类号： G06Q50/00 文献下载
摘要：本发明公开了一种数据处理方法及设备，所述方法包括：获取表征节点之间具有第一关联关系的第一社交网络模型；将所述第一社交网络模型按预设表示方式表示为第一邻接矩阵；将所述第一社交网络模型中分别与第一节点具有直接关联关系的任意两个节点记为具有直接关联关系而生成第二邻接矩阵；获取所述第二邻接矩阵中具有直接关联关系的任意两个节点的结构相似度和特征属性的相似度；基于所述结构相似度和特征属性的相似度确定融合相似度，对确定的融合相似度进行筛选，基于筛选后的融合相似度生成第三邻接矩阵；基于所述第三邻接矩阵生成表征节点之间第二关联关系的第二社交网络模型。
一种数据处理方法设备

[发明专利]一种多模配电场域网控制类业务高可靠路由优化方法-CN202210734734.7有效
发明人：朱晓荣;魏培瑶 -专利权人：南京邮电大学
申请日： 2022-06-27 - 公布日： 2023-07-25 - 主分类号： H04L45/12 文献下载
摘要：本发明公开了一种多模配电场域网控制类业务高可靠路由优化方法，选定多模通信配电场域网场景中的电力控制类业务作为路由优化对象；筛选出各节点间RF链路和FHPLC链路中不能可靠通信的链路，并计算RF链路和FHPLC链路的可靠邻接矩阵；将RF链路的可靠邻接矩阵乘以系数l进行权值修正，并经过对比可靠邻接矩阵中值的大小获取最优邻接矩阵W；基于最优邻接矩阵W，采用两条最短路径法(KSP)计算得到中心节点到其他子节点之间的最优可靠路由和次优可靠路由作为工作路由和备份路由
一种配电场域网控制业务可靠路由优化方法

[发明专利]基于复杂网络的大气污染传输关键节点的识别方法及系统-CN202010449972.4有效
发明人：王晓浩;王茜;段玉森 -专利权人：上海市环境监测中心（上海长三角区域空气质量预测预报中心）
申请日： 2020-05-25 - 公布日： 2023-03-28 - 主分类号： G06F30/18 文献下载
摘要：本发明提供了一种基于复杂网络的大气污染传输关键节点的识别方法及系统，包括：将预设区域网格化抽象成复杂网络；HYSPLIT模型输出气流轨迹在预设区域内的流动，得到气流轨迹权重的邻接矩阵；将预设区域内大气污染物监测点位的污染物浓度采用污染物浓度插值法得到污染传输权重的邻接矩阵；将污染传输权重的邻接矩阵添加到气流轨迹权重的邻接矩阵，得到气流轨迹权重和污染传输权重的邻接矩阵；利用改进的PageRank算法计算每个节点的入度强度值和出度强度值；根据入度强度值和出度强度值识别出区域污染和治理关键点
基于复杂网络大气污染传输关键节点识别方法系统

[发明专利]一种基于线路权重的电网分区搜索方法和系统-CN202110935510.8有效
发明人：艾小猛;钟润峰;方家琨;姚伟;文劲宇;李昆 -专利权人：华中科技大学
申请日： 2021-08-16 - 公布日： 2023-09-01 - 主分类号： H02J3/38 文献下载
摘要：包括：获取待分区电网的拓扑连接图和分区数量；将每条线路的初始权重赋值为线路阻抗的模，基于电网拓扑连接关系形成邻接矩阵，邻接矩阵元素为线路权重；对邻接矩阵元素进行多次赋零值，每次赋零值后，零值对应的线路断开通过将图抽象为邻接矩阵，对该邻接矩阵进行操作，获得多种仅仅考虑拓扑的分区方案。再进行安全校核，筛选出物理可行的分区方案。
一种基于线路权重电网分区搜索方法系统

[发明专利]一种单细胞的转录因子调控网络预测方法及装置-CN202110392600.7在审
发明人：李昊;陈河兵;孙昱;洪浩;黄昕;陶欢;黄琦雅;伯晓晨 -专利权人：中国人民解放军军事科学院军事医学研究院
申请日： 2021-04-13 - 公布日： 2021-06-18 - 主分类号： G16B20/00 文献下载
摘要：本申请提供了一种单细胞的转录因子调控网络预测方法及装置，其中，所述方法包括：获取scATAC‑seq数据，其中，scATAC‑seq数据包括峰值区域‑细胞矩阵；对峰值区域‑细胞矩阵进行初始化处理，分别得到表征转录因子之间的调控关系的初始邻接矩阵，以及表征每个转录因子的特征信息的初始特征矩阵；将初始邻接矩阵和初始特征矩阵输入至转录因子调控网络预测模型中，得到与初始邻接矩阵相对应的邻接矩阵预测结果。
一种单细胞转录因子调控网络预测方法装置

[发明专利]一种基于增强图学习的协同过滤推荐方法-CN202110312224.6有效
发明人：吴乐;杨永晖;张琨;汪萌;洪日昌 -专利权人：合肥工业大学
申请日： 2021-03-24 - 公布日： 2022-08-19 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于增强图学习的协同过滤推荐方法，包括：1.构造用户对产品的二部图，包括：用户节点集、产品节点集、邻接矩阵；2.通过独热编码得到嵌入矩阵作为节点特征；3.根据当前节点特征计算相似矩阵，并做稀疏化；4.稀疏化的相似矩阵作为残差项和邻接矩阵相加，得到增强后的邻接矩阵；5.根据增强后的邻接矩阵构造图卷积层进行特征传播，得到节点表征；6.根据节点表征到预测层得到评分矩阵，从而实现产品推荐。
一种基于增强学习协同过滤推荐方法

[发明专利]5G切片的故障预测方法、装置及计算设备-CN202010294622.5有效
发明人：何宇;邢彪;张卷卷;陈维新;章淑敏 -专利权人：中国移动通信集团浙江有限公司;中国移动通信集团有限公司
申请日： 2020-04-15 - 公布日： 2023-04-18 - 主分类号： H04L41/14 文献下载
摘要：本发明公开了一种5G切片的故障预测方法、装置及计算设备，该方法包括：采集待预测的网络切片数据，并划分出切片物理连接图和切片资源逻辑关系图；将所述切片物理连接图转化为第一邻接矩阵和第一特征矩阵，以及将所述切片资源逻辑关系图转化为第二邻接矩阵和第二特征矩阵；将所述第一邻接矩阵、第一特征矩阵、第二邻接矩阵以及第二特征矩阵输入至时空多图卷积网络模型，预测得到所述历史网络切片数据的故障信息。
切片故障预测方法装置计算设备

[发明专利]一种数据与因果知识混合驱动的加工变形控制工艺决策方法-CN202211479475.4在审
发明人：李迎光;赵智伟;刘长青;王宁坤;郝小忠;刘旭 -专利权人：南京航空航天大学
申请日： 2022-11-24 - 公布日： 2023-04-18 - 主分类号： G06N5/04 文献下载
摘要：一种数据与因果知识混合驱动的加工变形控制工艺决策方法，其特征是，该方法包括：建立工艺变量、加工状态变量和加工变形变量之间的因果关系，并通过邻接矩阵表达；基于掩码操作改变邻接矩阵变量关系，在数据驱动模型中实现因果干预；将邻接矩阵作为数据驱动模型矩阵模块，将决策的工艺变量作为干预措施，通过数据学习决策结构因果模型。本发明通过将工艺决策问题中的决策变量视为因果模型中的干预措施，并引入邻接矩阵与掩码操作，实现了数据驱动模型与因果知识的融合，建立了稳定可靠的加工变形控制工艺决策模型。
一种数据因果知识混合驱动加工变形控制工艺决策方法

[发明专利]基于自适应动态图的交通流预测模型构建方法及预测方法-CN202310124440.7在审
发明人：曾伟;唐晨嘉;赵振兴 -专利权人：华中科技大学
申请日： 2023-02-16 - 公布日： 2023-05-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于智能交通领域，具体涉及基于自适应动态图的交通流预测模型构建方法及预测方法，包括：计算路网上节点时间序列相似度，构建路网静态邻接矩阵；为路网节点分配可学习嵌入向量，与时间编码结合为时空编码，构建动态邻接图，表示节点关系的时间演化；将静态邻接矩阵与动态邻接矩阵融合得到自适应动态邻接矩阵；构建图卷积编码器‑解码器网络结构，将交通流数据与动态邻接矩阵输入编码器，通过自适应动态图卷积循环网络进行特征提取；通过编码器和解码器之间的交互注意力
基于自适应动态通流预测模型构建方法

[发明专利]图数据分类模型训练方法、装置、设备及存储介质-CN202110655776.7在审
发明人：荣钰;韩家琦;徐挺洋;黄文炳 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-06-11 - 公布日： 2021-12-21 - 主分类号： G06K9/46 文献下载
摘要：本申请提供了一种图数据分类模型训练方法、装置、电子设备及计算机可读存储介质；方法包括：获取图数据样本中多个边对应的初始邻接矩阵；对多个边对应的初始邻接矩阵进行关联性采样处理，得到采样邻接矩阵；基于采样邻接矩阵对图数据样本进行特征提取处理
数据分类模型训练方法装置设备存储介质

[发明专利]图数据分类模型训练方法、装置、设备及存储介质-CN202111616419.6在审
发明人：荣钰;韩家琦;徐挺洋;黄文炳 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-12-27 - 公布日： 2022-04-12 - 主分类号： G06V10/40 文献下载
摘要：本申请提供了一种图数据分类模型训练方法、装置、电子设备及计算机可读存储介质；方法包括：获取图数据样本中多个边对应的初始邻接矩阵；对多个边对应的初始邻接矩阵进行关联性采样处理，得到采样邻接矩阵；基于采样邻接矩阵对图数据样本进行特征提取处理
数据分类模型训练方法装置设备存储介质

[发明专利]基于图注意力网络的微生物-疾病关联性预测方法及系统-CN202110592269.3在审
发明人：王红;滑美芳;庄鲁贺;杨杰;王正军;杨雪;张慧;韩书;李威 -专利权人：山东师范大学
申请日： 2021-05-28 - 公布日： 2021-09-03 - 主分类号： G16B40/00 文献下载
摘要：本发明公开了一种基于图注意力网络的微生物‑疾病关联性预测方法及系统，所述方法包括以下步骤：获取微生物和疾病的对应关系数据，构建邻接矩阵；根据邻接矩阵，分别计算微生物相似性矩阵和疾病相似性矩阵；根据微生物和疾病相似性矩阵，对微生物和疾病之间的关系进行补充，得到新的邻接矩阵；根据新的邻接矩阵，基于图注意网络，对微生物和疾病之间的关联进行重构。
基于注意力网络微生物疾病关联性预测方法系统

[发明专利]基于改进状态空间模型的交通速度预测方法-CN202310040591.4在审
发明人：黄元培;肖南峰 -专利权人：华南理工大学
申请日： 2023-01-11 - 公布日： 2023-07-04 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于改进状态空间模型的交通速度预测方法，包括：1)将邻接矩阵和历史交通速度数据输入自适应图结构+时空融合特征层，自适应图结构+时空融合特征层会在原先邻接矩阵的基础上学习一个更贴切真实的邻接矩阵，该邻接矩阵和历史交通速度数据进行融合，获得融合时间空间特征的嵌入层Embedding；2)将Embedding输入进Backbone，Backbone根据状态矩阵、输入矩阵、输出矩阵以及离散化的状态空间方程获得未来交通速度特征
基于改进状态空间模型交通速度预测方法

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