“因果”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2634个，建议您升级VIP下载更多相关专利

[发明专利]一种土地系统变化因果结构的识别方法、系统和装置-CN201810898406.4在审
发明人：王琦 -专利权人：广东省生态环境技术研究所
申请日： 2018-08-08 - 公布日： 2018-11-23 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种土地系统变化因果结构的识别方法、系统和装置，该方法包括以下步骤：获取研究区域内若干个时间段的土地利用类型变化的数据和影响因子的数据；以土地利用类型变化的数据和影响因子的数据作为模型变量，构建因果结构网络；基于PC算法识别因果结构网络中各模型变量之间的因果关系，得到因果图模型。本发明综合考虑研究区域内土地利用类型变化和影响因子之间的关系，利用PC算法识别因果结构网络中各模型变量之间的因果关系，能够有效地识别土地系统变量间因果结构；本方法能够整合土地系统内各个土地利用类型的变化和不同系统间影响土地系统变化的各个因子
因果结构土地利用类型变化模型变量系统变化影响因子土地算法识别研究区域因果关系土地利用类型环境建模系统变量综合考虑网络时间段因果图有效地构建整合应用

[发明专利]一种基于似然度的因果结构学习方法-CN201710981783.X在审
发明人：乔杰;蔡瑞初;郝志峰;温雯;王丽娟;陈炳丰 -专利权人：广东工业大学
申请日： 2017-10-20 - 公布日： 2018-04-03 - 主分类号： G06N99/00 文献下载
摘要：本发明提供一种基于似然度的因果结构学习方法，其主要通过对初始化处理后的结构图D进行增加有向边、删除有向边、翻转有向边处理，并利用观测数据计算每个因果结构图的评分值选取最大评分值对应的因果结构图，并比较因果结构图的最大评分值的增加值与阈值ε的大小，通过多次迭代，得到最终的因果结构图；本发明通过高效地融合似然度与结构方程的搜索，解决了传统方法因存在马尔科夫等价类而无法识别因果结构的问题，并将结构方程模型与似然度结合，使得在可以应用在高维的因果结构搜索；本方法还通过利用了xgboost分类算法，以及核密度估计方法，进一步扩大了该因果结构学习方法使用范围，可以运用于线性或非线性数据。
一种基于似然度因果结构学习方法

[发明专利]一种基于城市中地理时间序列的动态因果分析方法-CN202110889865.8在审
发明人：巫英才;邓紫坤;翁荻;谢潇 -专利权人：浙江大学
申请日： 2021-08-04 - 公布日： 2021-11-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于城市中地理时间序列的动态因果分析方法，包括：获得中心传感器发送的第一地理时间序列数据，对所述第一地理时间序列数据进行时间切片得到时间窗口和样本时间窗口；确定潜在下游传感器集合，以及潜在上游传感器集合；基于潜在上、下游传感器集合，采用格兰杰因果检测方法确定与第一上、下游传感器集合以及每个样本时间窗口因果网络；筛选出多个样本时间窗口因果网络均出现的第二上、下游传感器集合，以及每个时间窗口因果网络，基于每个时间窗口因果网络得到城市中中心传感器位置的第一地理时间序列数据的动态因果关系该方法具有较高的有稳定性，地理空间限制对格兰杰因果检测方法影响较小。
一种基于城市地理时间序列动态因果分析方法

[发明专利]一种融合脑区因果特征的半监督自闭症识别方法及系统-CN202110903085.4在审
发明人：杨泽勤;黄晓楷;曾肖宇 -专利权人：广东工业大学
申请日： 2021-08-06 - 公布日： 2021-12-07 - 主分类号： G06K9/62 文献下载
摘要：本发明为克服现有脑区智能识别方法需要大量有标记的样本数据，识别方法无法揭示脑区间神经活动的因果效应的缺陷，提供一种融合脑区因果特征的半监督自闭症识别方法及系统，包括基于频谱动态因果模型，根据互谱密度进行贝叶斯推断，从fMRI数据中发现脑区因果效应连接矩阵；根据脑区因果效应连接矩阵，通过递归式特征消除从因果效应连接矩阵中选取最优特征子集；基于少量标记数据和大量未标记数据训练TSVM；将选取的一组最优特征子集输入训练好的采用融合脑区因果特征的半监督自闭症识别方法及其系统，不需要大量标记样本，避免了人力物力资源的浪费，且揭示了脑区间神经活动的因果效应，使识别结果更具解释性。
一种融合因果特征监督自闭症识别方法系统

[发明专利]基于时序结构方程模型的工业生产过程系统的因果建模方法及系统-CN202210987440.5在审
发明人：叶鲁彬;陈伟东;吴红娉;汪露雲 -专利权人：杭州职业技术学院
申请日： 2022-08-17 - 公布日： 2022-12-02 - 主分类号： G05B19/418 文献下载
摘要：本发明涉及基于时序结构方程模型的工业生产过程系统的因果建模方法及系统，其建模方法包括：S1、采集工业生产过程系统的历史数据信息；历史数据信息包括工业生产过程系统中的各状态变量及其数据形成时间；各状态变量依据其数据形成时间进行排序；S2、利用时序结构方程模型对历史数据信息建立因果模型结构；其中，因果模型结构为线性结构的时序结构方程模型或非线性的时序结构方程模型；S3、对因果模型结构进行训练，得到工业生产过程系统的各状态变量之间的因果关系本发明为一般工业生产过程系统的时间序列数据建立因果模型，作为对系统内各变量因果关系的描述，解决了结构化方程模型难以直接为工业生产时间序列数据进行因果建模的问题。
基于时序结构方程模型工业生产过程系统因果建模方法

[发明专利]一种基于因果Transformer的网络化数据预测方法-CN202310776376.0在审
发明人：陈都鑫;程钰鑫;虞文武 -专利权人：东南大学
申请日： 2023-06-28 - 公布日： 2023-09-19 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于因果Transformer的网络化数据预测方法，适用于预测复杂工程系统的耦合时间序列，本发明首先采用基于因果性指标的因果推理方法，以不同位置测速仪检测的车辆速度时间序列数据为基础，应用最优因果熵算法和互信息估计器，构建因果网络并估计因果熵值，再利用测速仪的经纬度坐标构造距离网络。接着，该发明将因果网络、距离网络以及时间序列输入Transformer卷积时空块。其中，每个时空块由一个残差Transformer模块和一个可以总结因果网络和距离网络信息的残差多图卷积网络模块组成，用于提取时间和空间维度信息。最后，提取的信息可以通过输出层进行解码可以获得预测结果。
一种基于因果 transformer 网络化数据预测方法

[发明专利]一种因果关系问题的分析系统和分析方法-CN201810819285.X有效
发明人：撖腾 -专利权人：玖富金科控股集团有限责任公司
申请日： 2018-07-24 - 公布日： 2020-12-22 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种因果关系问题的分析系统、分析方法、计算机可读存储介质和计算机设备，所述分析系统包括数据库、输入单元、数据处理器、存储单元和绘图单元，其中：数据库包括多个具有逻辑关系的表单，每个表单包括表单名称、逻辑级别和多个因果关系数据，所述多个因果关系数据包括自变量和因变量，因变量由对应的自变量和计算公式计算得到；通过输入单元和数据处理器输入并计算出所有表单的因果关系数据，存储单元将各表单存储在数据库中，绘图单元根据各表单之间的逻辑关系绘制因果关系图表。本发明提供的分析系统和分析方法能够将因果关系问题分解为多个因果关系数据，分级梳理并以图表形式显示以便于人们对因果关系问题进行分析。
一种因果关系问题分析系统方法

[发明专利]一种基于因果感知交互网络的对话情绪识别方法-CN202210373952.2有效
发明人：赵妍妍;赵伟翔;秦兵 -专利权人：哈尔滨工业大学
申请日： 2022-04-11 - 公布日： 2022-09-23 - 主分类号： G06F16/35 文献下载
摘要：一种基于因果感知交互网络的对话情绪识别方法，涉及情绪识别技术领域，针对现有技术中对话情绪识别的准确率低的问题，本申请提出了一种基于因果感知交互网络的对话情绪识别方法，用于对话情绪识别。常识知识作为因果线索被利用，以帮助自动提取因果关系，缓解因缺乏情感原因注释而带来的限制。然后，本申请设计了包括因果线索检索和因果语句回溯在内的两步因果感知交互，以检测与目标语句相关的自身和他人间情绪原因。由此获得了具有因果感知的上下文表述，用于情绪识别。
一种基于因果感知交互网络对话情绪识别方法

[发明专利]一种基于演进因果模型的检测玻璃洁净度的方法-CN202210821427.2有效
发明人：丁煦;王辉;叶坤;张一琦;翟华;周辉;徐浩天;刘玉莹;王松;王杨 -专利权人：合肥工业大学;蚌埠凯盛工程技术有限公司
申请日： 2022-07-13 - 公布日： 2022-09-27 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及玻璃表面洁净度检测技术领域，具体是一种基于演进因果模型的检测玻璃洁净度的方法，步骤如下：S1、对玻璃表面进行拍照识别，获取玻璃图片检测信息，将图片标记分类，并分成训练数据集和测试数据集；S2、应用工具变量I对训练数据集进行采样，将采样的样本数据输入因果模型进行训练，获得因果模型；S3、将测试数据集输入到因果模型中，测试因果模型的检测精度；若检测精度满足要求，则模型训练完成；若检测精度不满足要求，则在因果模型中加入降噪器CI，接着将训练数据集输入到因果模型中训练直至精度满足要求，从而获得演进因果模型，继而模型训练完成；本发明在不观察混杂因子的情况下能够有效准确的检测玻璃表面的洁净度。
一种基于演进因果模型检测玻璃洁净方法

[发明专利]多元时间序列数据异常检测方法、装置、设备及存储介质-CN202310392748.X有效
发明人：吴颖楠;王磊;肖雁飞;李娜;张孝枫;王媛 -专利权人：平安科技（深圳）有限公司
申请日： 2023-04-13 - 公布日： 2023-06-27 - 主分类号： G06F11/30 文献下载
摘要：方法包括：获取至少一个时刻的运维数据，运维数据包含至少一个变量；基于异常检测模型，确定变量间的因果关系，获得至少一个独立性变量以及至少一个因果关系组；所述异常检测模型对因果关系组中的目标变量序列和独立变量序列分别进行异常检测该方法根据变量间的因果关系，将运维数据的变量分为因果关系组以及独立性变量，在数据异常检测中结合了变量间的因果关系，将无因果关系的变量单独分析，在因果关系组中只需对一个变量进行异常检测，减少了工作量，提高了异常检测的效率
多元时间序列数据异常检测方法装置设备存储介质

[发明专利]根据分类特征集标识基因序列表达谱-CN202111345846.5在审
发明人： L-J·加德纳;R·V·克里希纳;A·P·凯里埃里;E·O·匹兹-奈普 -专利权人：国际商业机器公司
申请日： 2021-11-15 - 公布日： 2022-05-20 - 主分类号： G16B25/10 文献下载
摘要：根据与基因表达相关联的序列特征，通过接收基因序列数据来分类基因序列，确定基因序列特征集，根据机器学习模型确定针对基因序列特征集的第一分类，根据机器学习模型针对基因序列定义与第一分类相关联的因果特征集，更改针对基因序列的因果特征集而产生更改的因果特征集，根据机器学习模型确定针对更改的因果特征集的第二分类，其中第二分类不同于第一分类，并且定义目标特征集，其中目标特征包括更改的因果特征集的因果特征。
根据分类征集标识基因序列表达

[发明专利]因果特征增强的短视频推荐方法、电子设备和存储介质-CN202310052390.6在审
发明人：胡郅昊;田新梅 -专利权人：中国科学技术大学
申请日： 2023-02-02 - 公布日： 2023-05-09 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种因果特征增强的短视频推荐方法、电子设备和存储介质，该短视频推荐方法步骤包括：1)收集用户与短视频的历史交互信息，并提取用户和视频的特征向量；2)将用户特征向量和视频特征向量输入全连接神经网络得到交互向量；3)将交互向量输入因果网络提取因果特征，得到因果向量；4)交互向量和因果向量拼接后输入感知机计算用户点击视频的概率，得到Top‑K推荐列表。本发明通过因果特征增强提升了推荐的鲁棒性和准确率，可以应用在短视频推荐领域。
因果特征增强视频推荐方法电子设备存储介质

[发明专利]对公共导频信道进行滤波的方法和装置-CN200810131280.4有效
发明人：朱晓明;易立强 -专利权人：中兴通讯股份有限公司
申请日： 2008-08-05 - 公布日： 2010-02-10 - 主分类号： H04B1/707 文献下载
摘要：本发明公开了一种对公共导频信道进行滤波的方法和装置，该方法包括：接收当前公共导频信道符号输出，获取公共导频信道的当前符号；根据当前符号得到并缓存当前符号的因果滤波结果以用于对当前符号的上一个符号进行非因果滤波，并对当前符号以及预先缓存的当前符号的上一个符号的因果滤波结果进行滤波，得到上一个符号的非因果滤波结果。通过上述技术方案，能够实现同时获得因果滤波器和非因果滤波器对WCDMA系统的导频信道CPICH进行滤波的输出，节省了硬件资源。
公共信道进行滤波方法装置

[发明专利]一种挖掘能见度多维时空数据之间格兰杰因果关系的方法-CN201810665640.2有效
发明人：刘博;贺玺 -专利权人：北京工业大学
申请日： 2018-06-26 - 公布日： 2021-07-30 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种挖掘能见度多维时空数据之间格兰杰因果关系的方法，属于数据挖掘技术领域。首先选用部分样本数据利用格兰杰因果分析提取其中与能见度有因果关系的备选特征，然后把全部数据按照北京市不同行政区进行分类，利用Fc因果测量因子来确定不同区域之间的影响关系强弱，最后利用一种改进的时空GrangerLasso算法来训练因果关系模型，这样就得出不同区域、不同影响因子和能见度之间的格兰杰因果分数，实现了定性和定量的影响因素分析。
一种挖掘能见度多维时空数据之间格兰杰因果关系方法

[发明专利]一种业务规则自动生成方法和系统-CN202110028140.X有效
发明人：李龙飞;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2021-01-11 - 公布日： 2021-04-27 - 主分类号： G06Q40/02 文献下载
摘要：所述方法包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对应的特征数据训练树模型；基于训练出的树模型生成业务规则。
一种业务规则自动生成方法系统