“复杂网络”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1261255个，建议您升级VIP下载更多相关专利

[发明专利]基于时间序列模式表征的加权有向复杂网络建网方法-CN201610932455.6有效
发明人：曾明;赵明愿;孟庆浩 -专利权人：天津大学
申请日： 2016-10-31 - 公布日： 2019-05-14 - 主分类号： H04L12/24 文献下载
摘要：一种基于时间序列模式表征的加权有向复杂网络建网方法：采用零均值规范化方法将原始时间序列规范化；将新的时间序列等概率划分为n个区间，用设定的字符串中的字符来表示各个区间，将新的时间序列表示为字符串序列；用长度为l的滑窗，从字符串序列的第一个字符开始自左向右移动，滑窗每次移动1步，就将字符串序列划分为长度均为l的(n‑l+1)个片段，将每一个片段视为一个模态；将不同模态作为复杂网络的节点，由节点之间的转换频次和转换方向确定复杂网络节点之间的连边权重和方向，将字符串序列映射为一个加权有向复杂网络；计算加权有向复杂网络的网络拓扑统计特性。
基于时间序列模式表征加权复杂网络建网方法

[发明专利]雷达辐射源信号脉间特征提取方法、设备及存储介质-CN202210587752.7有效
发明人：段正泰;陈韬伟;余益民;刘建业;易宏;王会源;马一鸣;赵进一 -专利权人：云南财经大学
申请日： 2022-05-26 - 公布日： 2023-08-22 - 主分类号： G06F18/2135 文献下载
摘要：本发明公开了一种雷达辐射源信号脉间特征提取方法、设备及存储介质，所述方法包括：S1，将截获的脉冲参数分别与脉冲到达时间组成二维序列；S2，确定最优有限穿越视觉，分别将二维序列映射为复杂网络，基于各复杂网络的邻接矩阵获得矩阵X，根据矩阵X构建总复杂网络模型；S3，对总复杂网络模型的节点进行划分采样获得多个脉冲子序列，确定分解数量，将脉冲子序列分解为多个子网络；S4，计算各子网络的平均度向量，对其进行降维，获得贡献度最大的两维特征；本发明的复杂度低，数据处理效率高，获得的特征能体现脉冲间相互作用关系及脉冲时序变化，能基于此对雷达脉冲辐射源信号进行准确的分选、识别。
雷达辐射源号脉特征提取方法设备存储介质

[发明专利]一种复杂背景下植物叶片精准分割方法及系统-CN202210990338.0有效
发明人：高攀;闫靖昆;鄢天颖;黄毓贤;张远;吕新 -专利权人：石河子大学
申请日： 2022-08-18 - 公布日： 2023-07-25 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种复杂背景下植物叶片精准分割方法及系统，涉及图像处理技术领域。该方法包括：获取复杂背景下的植物图像作为目标叶片图像；将目标叶片图像输入至叶片分割模型中，得到目标叶片图像的预测图像分割掩码；该预测图像分割掩码用于分割目标叶片图像；其中，叶片分割模型包括训练好的复合主干网络和训练好的图像分割网络；复合主干网络包括多层级残差跳跃连接的辅助主干网络和引导主干网络；辅助主干网络基于卷积神经网络和Transformer网络构建；引导主干网络基于卷积神经网络构建。本发明能够实现在复杂背景下的植物叶片分割，提高分割精度和分割速度，且使分割结果准确反映植物叶片的表型性状。
一种复杂背景植物叶片精准分割方法系统

[发明专利]基于有监督学习的多层网络链接预测方法-CN202010122854.2在审
发明人：李龙杰;单娜;张亚坤 -专利权人：兰州大学
申请日： 2020-02-27 - 公布日： 2020-06-19 - 主分类号： G06N20/10 文献下载
摘要：本发明公开了基于有监督学习的多层网络链接预测方法，近年来，大量的链接预测方法致力于发现单层复杂网络中的缺失链接，然而，在现实世界中，同一群实体间往往存在着多种性质的联系，单层网络却无法描述实体间的这些不同性质的联系因此，使用多层网络来描述现实世界中的复杂系统变得越来越重要。本方案对多层复杂网络中的链接预测问题进行了研究，并将多层网络中的链接预测问题转换为二分类问题，使用有监督学习技术解决该问题。在6个真实的多层复杂网络中的实验结果表明，本方案所提出的方法在Precision、Recall、F1‑score、Accuracy、MAE和RMSE 6个评价指标上的性能优于对比方法。
基于监督学习多层网络链接预测方法

[发明专利]一种复杂网络拓扑信息解析方法-CN202310375520.X在审
发明人：史翔;陈志刚;王铭;高鹤;胡鹏飞;高杉;王如意;蔡雪梅;乔志;刘俊;杨志达;刘菲;柴继森;李海涛;葛鹏;王舒;耿巧曼 -专利权人：北京航天拓扑高科技有限责任公司
申请日： 2023-04-10 - 公布日： 2023-06-27 - 主分类号： H04L41/12 文献下载
摘要：本发明公开一种复杂网络拓扑信息解析方法，所述方法包括以下步骤：S1：定义网元节点协议；S2：获取全网拓扑json信息；S3：提取全网伪网元信息；S4：初始化伪网元数组；S5：全网伪网元构建Map；S6：本发明所述方法利用Hash算法和双层Map结构对复杂网络拓扑信息进行解析，通过对网元MAC地址进行Hash运算在双层Map中可以快速检索相应网元信息，提高了网络节点信息的检索效率；并且通过内层Map绑定对应外层的伪网元节点，实现对json格式的复杂网络拓扑信息进行动态解析，能够实现低成本的快速节点扩容，达到对复杂网络拓扑信息高效率解析的效果，为网络管理和网络拓扑感知提供保障。
一种复杂网络拓扑信息解析方法

[发明专利]用于脑状态监测的头戴式智能穿戴电极数量优化法及应用-CN201610887684.0有效
发明人：高忠科;杨宇轩;蔡清 -专利权人：天津大学
申请日： 2016-10-11 - 公布日： 2019-05-14 - 主分类号： A61B5/00 文献下载
摘要：一种用于脑状态监测的头戴式智能穿戴电极数量优化法及应用：对智能穿戴设备测得的多通道信号进行预处理，得到多尺度多通道信号；对所有尺度下的多通道信号构建多尺度加权递归网络；在每个尺度下，对交叉递归率矩阵选取阈值；采用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；通过比较不同脑状态下的社团结构的演化，同时结合复杂网络的关键节点探寻算法，确定网络中的关键节点，关键节点对应的电极即为可监测脑状态变化的关键电极；针对关键电极测得的多通道信号，构建多元多尺度复杂网络；针对关键电极所得信号构建的多元多尺度复杂网络提取复杂网络指标；训练深度学习模型和进行脑状态监测。
用于状态监测头戴式智能穿戴电极数量优化应用

[发明专利]一种考虑任务体系下的无人机集群维修方法-CN202111634379.8有效
发明人：王立志;王晓红;郭金龙 -专利权人：北京航空航天大学
申请日： 2021-12-29 - 公布日： 2022-07-22 - 主分类号： G05D1/10 文献下载
摘要：本发明公开一种考虑任务体系下的无人机集群维修方法,包括如下步骤：S1、建立多层复杂网络模型，基于多层复杂网络模型对集群系统任务可靠性进行评估；S2、基于集群维修与网络相关关系，将对多层复杂网络模型进行可靠性评估转换为评估各个层面维修下的集群任务可靠性本发明基于单机功能节点失效的提出的众多维修分组基础上，利用复杂网络建模和评估方法作为工具，根据集群网络的拓扑信息，将单机的维修影响扩散到集群系统网络的任务能力变化，以成本和集群系统任务可靠性为最终目标函数
一种考虑任务体系无人机集群维修方法

[发明专利]一种基于深度神经网络加速的快速块分割编码方法和装置-CN202010268700.4有效
发明人：徐迈;李天一;关振宇;周迪;翟禹 -专利权人：北京航空航天大学杭州创新研究院;浙江宇视科技有限公司
申请日： 2020-04-08 - 公布日： 2022-06-03 - 主分类号： H04N19/176 文献下载
摘要：本发明提供一种基于深度神经网络加速的快速块分割编码方法和装置，在至少一种网络裁剪策略中选出一种网络裁剪策略，通过设置不同的权重参数的保留比例，得到不同复杂度的提前终止机制分层深度卷积神经网络模型；对不同的编码树单元中的编码单元分割采用不同复杂度的提前终止机制分层深度卷积神经网络模型进行预测，本发明实施例通过确定提前终止机制分层深度卷积神经网络模型各部分的计算复杂度，使其中最耗时的部分，即可训练层中的权重参数WP可以得到显著加速，并且通过联合优化时间复杂度和率‑失真性能，提出一种最优的提前终止机制分层深度卷积神经网络模型裁剪方法
一种基于深度神经网络加速快速分割编码方法装置

[发明专利]一种基于多特征级联全卷积网络的复杂道路场景分割方法-CN202211390419.3在审
发明人：罗欣;赖广龄;冷庚;常乐;贾海涛;许文波 -专利权人：电子科技大学长三角研究院（湖州）
申请日： 2022-11-04 - 公布日： 2023-01-31 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多特征级联全卷积网络的复杂道路场景分割方法。自动车道检测是自动驾驶汽车中的一项经典任务，传统计算机视觉技术可以执行。然而，这种技术缺乏在实现高精度的可靠性，同时在复杂和动态的道路场景中实时检测的背景下保持足够的时间复杂性。深度神经网络已经证明了它们能够在手动标记的数据上训练它们时实现竞争的准确性和时间复杂性。本文提出将UNet网络和改进后的DensNet网络相结合，为复杂道路场景中的车道检测任务提供了一个新的思路。
一种基于特征级联卷积网络复杂道路场景分割方法

[发明专利]一种基于复杂网络的角度的区块链共识算法-CN202310089030.3在审
发明人：崔梦天;董国庆;姜玥;谢琪;罗洪 -专利权人：西南民族大学
申请日： 2023-07-25 - 公布日： 2023-10-03 - 主分类号： H04L9/40 文献下载
摘要：本发明所述基于复杂网络的区块链共识算法针对实用拜占庭容错算法的复杂度高、选取主节点随机性强和安全性低等缺点。所述基于复杂网络的区块链共识算法充分考虑到在共享系统下节点的影响力因素，通过引入基础配置信息、重标含时的PageRank算法和惩罚机制来设定节点在复杂共享网络中的信用分，根据信用分的高低构建共识群组并选取主节点通过实例展示了所述基于复杂网络的区块链共识算法在可靠性上明显提升，容错性更高，体现了节点在共享系统中竞争的公平性，并且极大的降低了共识的通信数量，提高了共识效率。
一种基于复杂网络角度区块共识算法

[发明专利]动态复杂网络中的进化模式挖掘方法-CN201110027743.4无效
发明人：高琳;覃桂敏;熊站营;杨建业 -专利权人：西安电子科技大学
申请日： 2011-01-26 - 公布日： 2011-08-10 - 主分类号： H04L12/24 文献下载
摘要：本发明公开了一种动态复杂网络中的进化模式挖掘方法，用于解决大规模动态复杂网络中局部拓扑结构演化特征的分析，方便用户对复杂系统的行为和发展趋势进行预测。本发明将动态复杂网络中多个时刻的网络数据，在保留有用信息的前提下，构造成边上带有标签的总和图；在总和图上，通过字符串匹配来搜索规则边，并记录每条规则；根据规则边，构造权重图，完成进化模式的搜索。本发明中模式的定义具有通用性，可以处理噪声数据，发现近似模式和保守子结构；模式挖掘方法简单灵活，避免了常规频繁模式挖掘方法中产生候选子集和子图同构的复杂计算，具有非常高的效率。
动态复杂网络中的进化模式挖掘方法

[发明专利]基于传播限制的标签传播方法-CN201610021892.2在审
发明人：姚勇;刘慧慧;刘志镜;冯阿敏;武文骁;王炳华 -专利权人：西安电子科技大学
申请日： 2016-01-13 - 公布日： 2016-06-01 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于传播限制的标签传播方法，解决了原始标签传播方法不稳定，结果准确性低的问题，其实现包括：对给定复杂网络使用相似度公式生成2-node子结构；每个2-node子结构的节点分配相同的标签；对每一个节点的标签进行更新，更新原则是根据相邻节点中标签出现次数最大的标签来更新自身的标签；反复执行更新步骤，每个节点的标签都不发生变化或达到最大迭代次数；系统更新结束，相同标签的节点即形成一个模块；复杂网络划分为多个模块本发明能快速高效地检测出大的复杂网络中的模块，划分准确。用于对复杂网络模块划分，进一步对复杂网络进行分析。
基于传播限制标签方法

[发明专利]一种基于无标度供应网格簇的复杂供应链网络优化设计方法-CN201611046232.6在审
发明人：徐兴 -专利权人：浙江科技学院
申请日： 2016-11-22 - 公布日： 2018-05-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一一种基于无标度供应网格簇的复杂供应链网络优化设计方法，其包括如下步骤：S1、构建无标度供应网格簇的复杂供应链网络；S2、构建供应商评价与选择模型；S3、优化供应商评价与选择模型中对于供应商的供应商评价选择指标体系；S4、获取无标度供应网格簇的复杂供应链网络中客户需求。实施本发明提供的基于无标度供应网格簇的复杂供应链网络优化设计方法与现有技术相比具有以下有益效果：本发明能够有效地解决无标度供应网格簇管理中柔性与成本间的矛盾问题，能够合理预测无标度供应网格簇的复杂供应链网络中各种不确定需求
网格簇标度供应链网络供应商评价优化设计构建客户需求矛盾问题指标体系供应商有效地预测管理优化

[发明专利]基于偏好决策机制的非重叠社区发现方法及系统-CN201911352161.6在审
发明人：卢奔;盛津芳;张宏伟 -专利权人：中南大学
申请日： 2019-12-25 - 公布日： 2021-07-13 - 主分类号： G06F16/9536 文献下载
摘要：复杂网络的研究是许多领域的热点问题，其中社区发现是一个复杂而有意义的过程，在研究复杂网络的特征方面起着重要的作用。划分社区结构是复杂网络中的常见问题，由于难以设置特定的参数，高度的随机性和缺乏真实的信息，实现稳定、准确的社区划分仍然是一项艰巨的任务。我们将此模型应用于标签传播算法，该模型旨在揭示网络之间的拓扑结构和层次结构。通过分析复杂网络的结构特征并挖掘节点之间的紧密度，选择邻居节点的优先级来执行优先决策，最终系统中的信息达到稳定状态。
基于偏好决策机制重叠社区发现方法系统

[发明专利]一种利用机器学习预测电路性能的方法-CN202111064010.8在审
发明人：聂廷远;朱祖元;孔琪;徐坤鹏;王振昊;周立俭 -专利权人：青岛理工大学
申请日： 2021-09-10 - 公布日： 2022-01-07 - 主分类号： G06F30/398 文献下载
摘要：本发明将集成电路、复杂网络理论与机器学习相结合，提供一种利用机器学习预测电路性能的方法。包括数据集的生成、获得优化机器学习模型和利用机器学习模型预测电路性能三部分。数据集生成部分包括：首先利用EDA工具对初始电路进行布局与布线，得到布线后电路性能与布线版图，然后将布线版图进行复杂网络建模，最后通过复杂网络分析工具提取对应的复杂网络特征参数。利用机器学习模型预测电路性能部分包括：将待测电路进行复杂网络特征参数提取，输入到优化后机器学习模型中，进行电路性能预测。
一种利用机器学习预测电路性能方法