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460892个,建议您升级VIP下载更多相关专利
  • [发明专利]一种动态更新视频标签的方法、装置及电子设备-CN202010329061.8有效
  • 张志伟;王希爱;李焱;郑仲奇 - 北京达佳互联信息技术有限公司
  • 2020-04-23 - 2023-10-10 - G06F16/73
  • 本发明提供一种动态更新视频标签的方法、装置及电子设备,该方法包括:接收平台账户上传的待标注视频数据,从平台账户之前上传的视频数据中,获取标签视频数据集合外的缓冲视频数据,标签视频数据集合包括至少一个标注视频标签标签视频数据;采用分类算法对待标注视频数据及缓冲视频数据进行分类,根据分类结果确定触发视频标签更新时,确定各分类相对标签视频数据集合的变化率;确定变化率大于设定阈值的分类对应的新视频标签,利用新视频标签更新标注的视频标签,利用该分类中的视频数据更新标签视频数据。本发明提供的动态更新视频标签的方法、装置及电子设备,解决了现有确定视频标签的方法对平台账户的代表性数据感知和更新不及时的问题。
  • 一种动态更新视频标签方法装置电子设备
  • [发明专利]一种基于层次随机森林的多标签分类方法-CN201610171082.5在审
  • 吴庆耀;谭明奎;陈健;林世杭;黄翰 - 华南理工大学
  • 2016-03-23 - 2016-08-17 - G06K9/62
  • 本发明公开了一种基于层次随机森林的多标签分类方法,所述方法包括:从训练数据集中随机抽取一部分数据,使用这部分随机抽取的数据训练一棵层次树,层次树中节点的分列基于节点中所有数据的标签的聚类结果,重复建立多棵层次树,进而建立层次随机森林作为多标签分类器,并使用建立的层次随机森林多标签分类器对无标签的对象进行分类。该方法利用数据的多个标签之间总有一定的关联性的基本思想,基于标签的聚类结果建立层次树,并为树的每个节点都建立一个分类器;使用随机森林的思想,建立层次随机森林,充分考虑标签之间关联的各种可能性,泛化层次树的分类误差,提高多标签分类问题的速度和准确度。
  • 一种基于层次随机森林标签分类方法
  • [发明专利]基于多标签二视角支持向量机的分类方法-CN201210396612.8有效
  • 祁仲昂;杨名;张仲非;张正友 - 浙江大学
  • 2012-10-18 - 2013-02-27 - G06K9/62
  • 本发明实施例公开了一种基于多标签二视角支持向量机的分类方法,包括以下步骤:首先,在多标签空间中定义一种新型的距离度量方法,用来衡量在特定的分类目标下多标签空间中点与点之间的距离;然后,在两个相互条件独立的视角上提取训练集的两组特征,结合利用二视角所包含的两组特征的互补信息;最后,结合多标签空间和二视角空间中的信息,利用定义的一种新的多标签二视角支持向量机分类器进行多标签分类训练。本发明用于采用鉴别型分类器结合利用标签空间中所包含的信息和多视角中的信息处理多标签分类问题,对训练集标签进行降噪的同时,得到一种更准确的分类方法。
  • 基于标签视角支持向量分类方法
  • [发明专利]图像分类和标记-CN201780020533.8有效
  • 桑德拉·莫;萨贝桑·希瓦帕兰 - 西-奥特私人有限公司
  • 2017-02-01 - 2022-05-10 - G06V10/764
  • 训练图像分类模型的方法包括获得与标签相关联的训练图像,其中标签中的两个或更多个标签与每个训练图像相关联,并且其中两个或更多个标签中的每个标签对应于图像分类类。该方法还包括使用深度卷积神经网络将训练图像分类为一个或多个类,以及将训练图像的分类与关联于训练图像的标签进行比较。该方法还包括基于训练图像的分类与关联于训练图像的标签的比较来更新深度卷积神经网络的参数。
  • 图像分类标记
  • [发明专利]一种网站分类方法及装置-CN201610574744.3有效
  • 张惊申;任方英 - 新华三技术有限公司
  • 2016-07-19 - 2022-01-21 - G06F16/906
  • 本发明实施例公开了一种网站分类方法及装置,该方法包括:获取待分类网站的第一标签信息和第一网页内容,所述第一标签信息为所述第一网页内容的一部分;根据预设的标签分类字典,确定所述第一标签信息对应的网站类别,其中,所述标签分类字典包括:标签信息与网站类别的对应关系;根据所确定的网站类别对应的网站分类字典及所述第一网页内容,确定所述待分类网站的网站类别。应用本发明实施例提供的技术方案,提高了网站分类的效率。
  • 一种网站分类方法装置
  • [发明专利]基于标签约束的多模态分类模型训练方法及装置-CN202210847262.6在审
  • 黄于晏;陈畅新 - 有米科技股份有限公司
  • 2022-07-19 - 2022-11-18 - G06K9/62
  • 本发明公开了一种基于标签约束的多模态分类模型训练方法及装置,该方法包括:确定用于训练模型的目标模态的训练数据和对应的数据标签;将所述训练数据输入训练到收敛的数据分类模型,得到所述训练数据对应的训练数据特征;将所述数据标签输入至训练好的标签分类模型,得到所述数据标签对应的标签特征;将所述训练数据和所述数据标签输入至所述数据分类模型进行训练,在训练中根据目标损失函数值对所述数据分类模型的模型参数进行优化直至收敛,得到训练好的所述数据分类模型;所述目标损失函数值包括有所述训练数据特征和所述标签特征之间的特征差异度。可见,本发明能够使得模型的特征提取更具标签区分度,进而使得模型的预测效果更好。
  • 基于标签约束多模态分类模型训练方法装置
  • [发明专利]电子书想法分类展示方法、计算设备及计算机存储介质-CN202011546734.1有效
  • 杨树彬 - 掌阅科技股份有限公司
  • 2020-12-23 - 2022-11-18 - G06F3/0483
  • 本发明公开了一种电子书想法分类展示方法、计算设备及计算机存储介质。方法包括:监测用户对当前阅读页面中任一想法查看控件的触发操作;响应于触发操作,加载并呈现想法展示窗口,在想法展示窗口中默认显示分类标签为第一分类标签的电子书想法列表,并在想法展示窗口的预设位置显示多个分类标签切换元素;响应于用户对想法展示窗口中任一分类标签切换元素的触发操作,在想法展示窗口中切换显示分类标签为该分类标签切换元素对应的第二分类标签的电子书想法列表,用户能够有针对性的查看电子书想法,无需再耗时查找想要查看的电子书想法,另外用户随时能够根据实际查看需求切换查看其它分类标签的电子书想法列表,提升了用户查看体验。
  • 电子书想法分类展示方法计算设备计算机存储介质
  • [发明专利]一种基于标签关联性的分类方法及系统-CN202111399335.1在审
  • 彭黎文 - 四川警察学院
  • 2021-11-19 - 2022-01-28 - G06V10/82
  • 本发明公开了一种基于标签关联性的分类方法及系统,属于计算机技术领域,所述方法包括以下内容:获取多标签数据样本集,并将多标签数据样本集转换成单标签数据集;计算所述单标签数据集中所有样本的标签子集,构建基于所述标签子集的新的样本数据集;所述标签子集的计算包括:计算样本中所有特征的重要性,同时计算特征之间的相关性,并选出排序靠前的标签,构建标签子集;将每个样本的标签子集放入到原来的样本中,得到新的单标签数据集;基于新的单标签数据集构建单标签分类模型,然后统计每个样本在每个单标签分类模型中的标签,得出最终的多标签分类结果。本发明通过分析标签之间的关联性,有效地提升分类模型的性能。
  • 一种基于标签关联性分类方法系统
  • [发明专利]一种基于标签子集的分类方法及系统-CN202111566217.5在审
  • 彭黎文 - 四川警察学院
  • 2021-12-20 - 2022-04-08 - G06K9/62
  • 本发明公开了一种基于标签子集的分类方法及系统,属于计算机技术领域,所述方法包括:将多标签数据样本集转换成单标签数据集;计算所述单标签数据集中所有样本的标签子集,构建基于所述标签子集的新的样本数据集;所述标签子集的计算包括:计算样本中所有特征的重要性、相关性以及冗余性,并结合特征之间的相关性和冗余性,选出排序靠前的标签,构建标签子集;将每个样本的标签子集放入到原来的样本中,得到新的单标签数据集;基于新的单标签数据集构建单标签分类模型,然后统计每个样本在每个单标签分类模型中的标签,得出最终的多标签分类结果。本发明通过分析标签中特征之间的相关性和冗余性,选出优异的标签子集,有效地提升分类模型的性能。
  • 一种基于标签子集分类方法系统

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