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5430307个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于深度强化学习的云边协同文档分类系统及方法-CN202110222422.3有效
  • 马勇;邵诗韵;李辉;戴梦轩;徐凡;钱辉;赵从俊 - 江西师范大学
  • 2021-03-01 - 2021-06-01 - G06F16/35
  • 本发明公开了一种基于深度强化学习的云边协同文档分类系统及方法,方法包括:文档关键词分析模块、文档摘要分析模块根据所述待分类文档得到文档摘要、文档关键词;机器文档内容分类模块根据文档摘要、文档关键词和待分类文档得到第一分类标签;文档分类人员在人工分类模块上根据所述文档摘要、文档关键词和第一分类标签选择文档分类标签得到第二分类标签;文档分类效率评价模块根据统计的效率参数计算分类效率值,若分类效率值低于设定阈值则直接存储分类结果,否则将专家分类结果作为最终结果。本发明能够结合人工分类、专家分类来提高文本分类的准确率,降低专业性文档分类分类人员的专业能力要求、提高分类人员的工作效率
  • 一种基于深度强化学习协同文档分类系统方法
  • [发明专利]视频分类的方法、构建分类模型的方法、装置和设备-CN202210449718.3在审
  • 阚野 - 北京快乐茄信息技术有限公司
  • 2022-04-26 - 2022-08-09 - G06V20/40
  • 本申请公开了一种视频分类的方法、构建分类模型的方法、装置和设备,可以应用于视频分类领域。该视频分类方法包括:获取待分类视频,将待分类视频输入分类模型进行视频分类;其中,分类模型是由已分类视频对初始化模型训练得到的,初始化模型是由基于未分类视频训练的自监督模型的模型参数得到的。本申请在获得分类模型的过程中,利用未分类视频训练得到应用于分类模型的模型参数,避免了原有的需要大量已分类视频对分类模型进行训练的情况,减少了人工分类的时间,提高了分类模型的训练效率和精度,进而提升视频分类效率和精度
  • 视频分类方法构建模型装置设备
  • [发明专利]用于功率效率分类的经应用控制的粒度-CN201480013410.8有效
  • 里昂纳德·亨利·葛罗科普;爱德华·哈里森·蒂格 - 高通股份有限公司
  • 2014-02-20 - 2018-08-28 - G06F1/32
  • 本文中描述用于提供应用程序控制的功率效率的上下文(状态)分类的系统及方法。如本文中所描述的用于以可调整粒度执行上下文分类的一种设备包含分类器控制器,其经配置以接收对上下文分类的请求及与所述请求相关联的粒度输入;及上下文分类器,其通信地耦合到所述分类器控制器且经配置以从所述分类器控制器接收所述请求及所述粒度输入,基于所述粒度输入选择用于所述上下文分类的资源使用层级,其中指示较高粒度等级的粒度输入与较高资源使用层级相关联,且指示较低粒度等级的粒度输入与较低资源使用层级相关联,且在所述所选择的资源使用层级执行所述上下文分类
  • 用于功率效率分类应用控制粒度
  • [实用新型]汽车维护工具零件分类装置-CN202021327095.5有效
  • 胡兆钦 - 宜昌桥丰工具制造有限公司
  • 2020-07-08 - 2021-03-30 - B07B13/16
  • 一种汽车维护工具零件分类装置,它包括分类架、分类机构和分类收集装置,通过分类机构的分类轴与分类架的侧板连接,分类收集装置的收集通道位于分类机构的下部,每两个分类机构与一个收集通道对应,收集通道上部分类机构的分类间隙从一侧向另一侧逐步增大,不同规格的零件从分类机构上被翻转运动,经过多个分类机构分类落入收集通道。本实用新型克服了原圆形筒状零件采用集中处理后不便于分类,人工分类劳动强度高,效率低的问题,具有结构简单,分类简单快捷,效率高,操作简单方便的特点。
  • 汽车维护工具零件分类装置
  • [发明专利]双核协作SDN大数据网络流量精准分类方法-CN202210727496.7在审
  • 聂博 - 聂博
  • 2022-06-25 - 2022-09-30 - H04L47/2441
  • 本申请在软件定义网络中构建双核协作数据流量分类模型,将识别效率高并且可基于大量数据分析的机器学习双核模型与流量分类识别算法相结合,创造性构建的双核分别为逆误差反馈核和条件拟合特征核,在获取网络流量信息后,利用双核所构造的分类器建立对于多属性的分类效率与准确率较高的方法,适用于大数据流量识别环境,并且通过大量网络数据的训练,进一步提高流量分类精确性,基于逆误差反馈核提高网络流量分类准确度,基于条件拟合特征核提高网络流量分类速度,二者发挥各自优势协同提高网络整体分类效率和质量,最终流量分类准确率达到99.76%,分类效率较单独使用逆误差反馈核提高17.35%,是高效的SDN网络环境流量精准分类方法。
  • 协作sdn数据网络流量精准分类方法
  • [发明专利]数据保护方法、装置及服务器-CN202110679069.1在审
  • 宋晓峰 - 宝湾资本管理有限公司
  • 2021-06-18 - 2021-10-01 - G06F21/60
  • 本申请实施例涉及一种数据保护方法、装置及服务器,该数据保护方法,包括:获取待分类数据;确定待分类数据中的每一资料列的风险值;根据风险值,对待分类数据进行风险分类,确定分类结果;根据分类结果,对待分类数据进行选择性资料保护一方面,通过风险值对待分类数据进行风险分类,确定分类结果,本申请能够确定不同数据的分类结果,另一方面,通过分类结果,对所述待分类数据进行选择性资料保护,本申请能够提高数据加密的效率以及信息检索效率
  • 数据保护方法装置服务器
  • [发明专利]专利分类展示系统及方法-CN03147002.5无效
  • 何洋;叶建发;李忠一 - 鸿富锦精密工业(深圳)有限公司;鸿海精密工业股份有限公司
  • 2003-09-25 - 2005-03-30 - G06F17/30
  • 一种专利分类展示系统及方法,其通过数据库服务器存储的专利资料将专利进行分类,并以图形方式展示专利分类资料。该方法包括以下步骤:(a)选择专利的分类方式;(b)读取专利及专利分类模式;(c)以专利分类模式为依据添加专利至该专利所属的分类中并生成专利分类资料;(d)若所有专利分类完毕,则读取该专利分类资料;(e)判断该专利分类资料中是否存在符合分类模式的专利;(f)若该专利分类资料中存在符合分类模式的专利,对专利分类资料解析;(g)以层级矩形方块图形展示该专利分类资料。利用本发明,可以提高专利分析效率,从而可提高对专利信息的使用效率
  • 专利分类展示系统方法
  • [实用新型]一种微藻硒蛋白破壁提取用分类装置-CN202121159636.2有效
  • 吴胜武;张宝龙 - 恩施藻缘硒肽生物科技有限公司
  • 2021-05-27 - 2021-11-26 - C07K1/14
  • 本实用新型公开了一种微藻硒蛋白破壁提取用分类装置,涉及微藻硒蛋白破壁提取用分类技术领域,为解决现有的微藻硒蛋白破壁提取用分类装置处理效率较慢,严重影响生产效率的问题。所述分类支架内部的下端安装有下部转轴,所述下部转轴的上端安装有精细分类轴,所述精细分类轴的外部安装有精细分类网,所述精细分类网的内侧设置有精细过滤膜,所述精细分类轴的上端安装有二次分类轴,所述二次分类轴的外部安装有二次分类网,所述二次分类网的内侧设置有二次分类膜,所述二次分类轴的上端安装有初级分类轴,所述初级分类轴的外部安装有初级分类网,所述初级分类网的内侧设置有初级分类膜。
  • 一种微藻硒蛋白提取分类装置
  • [发明专利]对象分类方法、装置以及计算机可读存储介质-CN202210293360.X在审
  • 花远肖;蹇易 - 云从科技集团股份有限公司
  • 2022-03-23 - 2022-06-28 - G06V10/764
  • 本发明涉及图像分类技术领域,具体提供一种对象分类方法、装置以及计算机可读存储介质,旨在解决如何准确且高效率地进行对象分类的问题。为此目的,本发明的方法包括采用目标对象的图像样本并通过下列步骤训练对象分类模型:获取特征分类网络针对有标签样本输出的第一输出结果并根据第一输出结果分别更新特征提取网络与特征分类网络的网络参数,以及获取特征提取网络针对无标签样本输出的第二输出结果并根据第二输出结果更新特征提取网络的网络参数;采用训练好的对象分类模型对目标对象的图像进行对象分类。通过上述方法,能够同时提高对象分类的准确性与效率,克服了现有技术中采用人工分类的方式导致分类效率较低的缺陷。
  • 对象分类方法装置以及计算机可读存储介质

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