“序列对比”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387638个，建议您升级VIP下载更多相关专利

[发明专利]基于单类对比学习时序异常检测方法及相关装置-CN202210483167.2有效
发明人：郭晓辉;牟许东;王瑞;刘重伟 -专利权人：北京航空航天大学杭州创新研究院
申请日： 2022-05-06 - 公布日： 2022-08-12 - 主分类号： G06N20/00 文献下载
摘要：本申请提供的一种基于单类对比学习时序异常检测方法及相关装置中，通过将目标设备的待检测序列以对比学习的方式经第一自编码以及第二自编码器进行处理；然后，根据第一自编码器以及第二自编码器输入以及输出的特征向量计算与单类中心之间的相似度由此，不仅增强了单类方法与对比学习之间的结合深度，而且通过自编码器提取了待检序列中的时序依赖信息，从而提升对目标设备进行异常检测时的精度。
基于对比学习时序异常检测方法相关装置

[发明专利]一种逆合成孔径雷达成像数据段选择方法-CN201010172134.3无效
发明人：郑夙;袁运能 -专利权人：北京航空航天大学
申请日： 2010-05-07 - 公布日： 2010-09-29 - 主分类号： G01S7/41 文献下载
摘要：本发明涉及一种逆合成孔径雷达成像数据段选择方法，该方法以图像对比度作为评价图像聚焦程度的标准，最佳成像数据段的选择方法用数学表达式可以简单表示为：(topt，Δtopt)＝arg[max(IC)]，其中topt为最佳成像数据段的中心时刻，Δtopt为最佳成像数据段的长度，IC为图像对比度；确定最佳数据段的关键就是从式中解出topt和Δtopt，具体分为以下四步：步骤一生成ISAR图像序列；步骤二计算图像序列对比度
一种合成孔径雷达成像数据选择方法

[发明专利]一种基于深度学习的海浪有效波高时间序列预测方法-CN202210052118.3在审
发明人：秦攀;孙志铭;顾宏 -专利权人：大连理工大学
申请日： 2022-01-18 - 公布日： 2022-05-27 - 主分类号： G06V10/774 文献下载
摘要：本发明属于时间序列预测领域，涉及一种基于深度学习的海浪有效波高时间序列预测方法。对于进行了离差标准化后的输入序列，采用小波分解对海浪有效波高时间序列进行消噪和特征提取，将分解得到的序列输入深层残差卷积神经网络，最后将网络的输出转换为一维序列，通过两层的线性层汇集成一维的预测结果，作为海浪有效波高的预测值最后通过对比实验证明，本发明提出的模型具有较高的精度。
一种基于深度学习海浪有效时间序列预测方法

[实用新型]模糊音输入装置-CN200820221854.2无效
发明人：陈淮琰;文泾涛;严晓龙 -专利权人：无敌科技(西安)有限公司
申请日： 2008-10-14 - 公布日： 2009-07-08 - 主分类号： G06F3/023 文献下载
摘要：本实用新型涉及一种模糊音输入装置，包括：记录模块，用来记录第一拼音序列与第二拼音序列；分析模块，用来对比第一拼音序列与第二拼音序列的拼音差异；候选字提供模块，根据第三拼音序列提供第三拼音候选字，并根据第三拼音序列与拼音差异提供模糊音候选字
模糊输入装置

[发明专利]一种用户动作与标准动作的对比方法-CN202210442287.8在审
发明人：纪良骏;韩明鑫;刘雯雯;于泽;高丽娜 -专利权人：纪良骏
申请日： 2022-04-25 - 公布日： 2022-07-12 - 主分类号： G06V10/74 文献下载
摘要：本发明提供了一种用户动作与标准动作的对比方法，定义模板动作序列为A，用户动作序列为B，A＝{a_1，a_2，a_3…a_m}和B＝{b_1，b_2，b_3…n}，其中a，b为动作帧，其中包含17个骨骼关键点三维坐标位置,当运动动作相似性低时，采取提取规律性动作的数据预处理方法，找到多个规律性周期时间序列，将多个时间序列进行拉伸或者缩小来计算标准序列与测试序列的相似程度。在两序列之间建立一条时间校准匹配路径。
一种用户动作标准对比方法

[发明专利]DNA自动测序中小概率序列判读错误的人工纠错方法-CN201510859188.X在审
发明人：唐伯平;冯越;周春霖;张代臻;刘秋宁;张华彬;李超峰;宣富君;姜森颢;葛宝明;崔军;杨丽 -专利权人：盐城师范学院
申请日： 2015-11-18 - 公布日： 2016-07-20 - 主分类号： G06F19/18 文献下载
摘要：本发明提供一种DNA自动测序中小概率序列判读错误的人工纠错方法，以便能够纠正自动测序结果判读过程中容易出现的几种错误，这些差错一般是由电脑测序软件在判读或打印时发生的误差所致，人工纠错方法的流程包括以下步骤：(1)人工图文对比、(2)正向判读序列、(3)存储正向判读结果、(4)反向读写序列、(5)对比正反向结果、(6)人工修正错误、(7)重复两次步骤、(8)打印最终结果，本发明由于采用上述多重纠错方法，其优点是可以避免由计算机测序软件在判读或打印时发生的误差，以便能够获得更为准确和可信的DNA序列，这对DNA克隆、基因重组、基因表达和分子进化等分子生物学研究都具有十分重要的意义。
dna 自动中小概率序列判读错误人工纠错方法

[发明专利]一种遗传病的筛查方法和试剂盒-CN201710604691.X在审
发明人：李文杰 -专利权人：李文杰
申请日： 2017-07-24 - 公布日： 2017-11-10 - 主分类号： G06F19/22 文献下载
摘要：本发明公开了一种遗传病的筛查方法和试剂盒，筛查方法包括样本采集、基因测序、信息获取、数据确定以及数据分析等，本发明通过基因测序得出相应的基因序列，从而通过对受检者基因序列与标准基因序列对比得出突变点，从而进一步的得出染色体的变异情况，然后通过云端大数据处理，通过对变异点以及变异点造成的变异案例进行推断，从而得出受检者的遗传病判断数据，整体不仅通过基因序列进行判断，同时结合大量的实际病例实现数据综合判断，整体判断的结果更加准确，同时将受检者的检测信息上传至云端，这样在完善数据库的过程中会使得后续的对比更加准确，从而使得整个检测方法的误差逐渐变小，这样有助于提高整体的检测效率。
一种遗传病方法试剂盒

[发明专利]一种用于换流阀冷却系统的异常检测方法及系统-CN202110329178.0在审
发明人：毛颖科;朱正一;闫全全;谢攀;王长春;熊传广;陈佳;尹赟;贾志东;张天枫 -专利权人：国网上海市电力公司
申请日： 2021-03-27 - 公布日： 2021-06-04 - 主分类号： G01D21/02 文献下载
摘要：其中异常检测方法包括：对流量传感器和压强传感器的故障值进行标定；采集所传感器的实时测量值；获取传感器的实时整定值；分别通过堵塞类故障布尔值计算方法和泄漏类故障布尔值计算方法获取当前所有传感器的状态布尔值，并将其组成矩阵序列；将矩阵序列与预存的每种典型故障所对应的矩阵序列进行对比，判断是否对比到相同的矩阵序列，若是，则输出对应的故障类型，否则，输出未发生异常；完成当前时刻的异常检测，继续进行下一次异常检测。
一种用于换流冷却系统异常检测方法系统

[发明专利]CT图像特征提取方法、装置、电子设备和存储介质-CN202110642694.9在审
发明人：李建强;谭卓斐;付光辉 -专利权人：北京工业大学
申请日： 2021-06-09 - 公布日： 2021-09-07 - 主分类号： G06K9/46 文献下载
摘要：本发明提供一种CT图像特征提取方法、装置、电子设备和存储介质，所述方法包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于特征权重参数，提取CT图像特征；其中，特征提取模型是基于样本CT图像的样本图像序列对以及样本图像序列对对应的样本光流图进行对比学习得到的。本发明对比学习得到的特征提取模型能够学习无标签的样本CT图像的样本图像序列对上图像的通用表示形式，进而在基于特征提取模型的特征权重参数提取CT图像特征时，可以快速且准确从待提取特征的CT图像中提取出能够表达该
ct 图像特征提取方法装置电子设备存储介质

[发明专利]基于脉冲序列生成的非接触式测量的校核方法与系统-CN202210627163.7在审
发明人：乔百杰;郭宇星;朱昱达;潘渤;杨青;范璐骏;张硕杰;陈雪峰 -专利权人：西安交通大学;西安热工研究院有限公司
申请日： 2022-06-02 - 公布日： 2022-09-27 - 主分类号： G06F30/17 文献下载
摘要：公开了基于脉冲序列生成的非接触式测量的校核方法与系统，方法中，转子叶片进行简谐振动并获得模态信息、振幅及节径；以转子叶片不振动作为理想到达时间基准，获取转子叶片实际到达时间；拟合实际叶端定时传感器产生的波形，基于脉冲持续时间和阈值确定实际模拟波形，在转子叶片实际到达时间上重构模拟波形；基于模拟波形获得脉冲波形；信号发生器将脉冲波形的数字脉冲信号转换成电压脉冲信号，导入到叶端定时硬件系统得到实际到达时间序列，实际到达时间序列与转子叶片实际到达时间对比，完成对叶端定时硬件系统的校核；基于实际到达时间序列获取转子叶片模态、节径和振幅，与转子叶片实际模态、节径和振幅对比，完成叶端定时软件系统的校核。
基于脉冲序列生成接触测量校核方法系统

[发明专利]处理用户行为序列的方法、装置、设备和存储介质-CN202310157414.4在审
发明人：赵世玮;夏铭轩;吴润泽;严晗;戚家恒;沈旭东;李乐;吕唐杰;范长杰;胡志鹏 -专利权人：网易（杭州）网络有限公司
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： G06F18/22 文献下载
摘要：本申请公开了处理用户行为序列的方法、装置、设备和存储介质。该方法包括：获取第一训练样本集，第一训练样本集包括：根据行为序列数据集生成的对比学习任务的正样本对和负样本对；利用第一训练样本集对神经网络模型执行第一训练获得初始相似度分析模型，第一训练包括：根据对比学习任务的正样本对和负样本对对神经网络模型执行第一训练获得初始相似度分析模型；利用第二训练样本集对初始相似度分析模型执行第二训练获得相似度分析模型，第二训练样本集包括训练样本和训练标签；相似度分析模型用于确定不同用户行为序列是否相似。该方法计算效率高、获得的用户行为序列相似度计算的结果的准确率高、人工成本低。
处理用户行为序列方法装置设备存储介质

[发明专利]基于Fast-DTW的船舶识别方法-CN202310894120.X在审
发明人：谢云光;吴迎晖;黄炳裕;黄耀东;阮奶春;叶威鑫;刘骏 -专利权人：长威信息科技发展股份有限公司
申请日： 2023-07-20 - 公布日： 2023-08-22 - 主分类号： G01S13/86 文献下载
摘要：本发明涉及一种基于Fast‑DTW的船舶识别方法，包括以下步骤：岸基雷达实时扫描港口船舶，识别出疑似出港船舶，并获取雷达轨迹，然后将雷达轨迹加入候选对比序列；对候选对比序列的雷达轨迹进行预处理；基于大圆航线转换算法将预处理后的雷达轨迹转换为经纬度表示；基于船舶定位设备发送的实时位置，识别疑似进出港船舶，并获取定位轨迹；基于转换后的雷达轨迹，使用Fast‑DTW算法与定位轨迹进行轨迹相似度匹配，将匹配成功的雷达轨迹和定位轨迹加入待确认序列；基于待确认序列中的雷达轨迹和定位轨迹，进行点匹配，若满足预设条件，即将该疑似进出港船舶标记为进出港船舶，并根据船舶终端号获取船舶信息。
基于 fast dtw 船舶识别方法

[发明专利]门状态监测方法、电子设备和存储介质-CN202211078786.X在审
发明人：吴忠健 -专利权人：深圳市千隼科技有限公司
申请日： 2022-09-05 - 公布日： 2023-05-16 - 主分类号： G06V20/52 文献下载
摘要：在该方法中，获取针对门区域的监控视频；生成所述监控视频所对应的监控视频帧序列，所述监控视频帧序列包含在时序上连续的多个监控视频帧；根据预设的底图识别条件，从所述监控视频帧序列中提取目标底图；所述目标底图为对应开门状态或关门状态时的监控视频帧；将所述监控视频帧序列与所述目标底图进行对比，以确定门实时运行状态，所述门实时运行状态包括以下中的任意一者：正在开门状态、正在关门状态、开门状态和关门状态。由此，将连续的监控视频帧分别与对应已知的开门或关门状态目标底图进行对比，有效提高了门状态检测结果的精确度和稳定性。
状态监测方法电子设备存储介质

[发明专利]一种基于大语言模型的去中心化网络DDoS攻击识别方法-CN202310696234.3在审
发明人：卢昊洋;章睿;李兆轩 -专利权人：中国科学院信息工程研究所
申请日： 2023-06-13 - 公布日： 2023-09-19 - 主分类号： H04L9/40 文献下载
摘要：本方法为：1)采集网络流量数据，包括无标签的网络流量和去中心化网络DDoS攻击流量；2)将所采集的网络流量转化为词向量序列；3)利用无标签的网络流量转化所得词向量序列对大语言模型进行预训练；4)将去中心化网络DDoS攻击流量转化所得词向量序列输入到预训练后的大语言模型中，学习去中心化网络DDoS攻击流量的特征；5)将特征输入微调模型执行预测任务，将所得预测结果与对应的标注结果进行对比，然后根据对比结果优化所述微调模型的参数；6)对于一待识别的去中心化网络流量，将其转化为词向量序列后输入优化后的所述微调模型，识别是否为攻击流量。
一种基于语言模型中心网络 ddos 攻击识别方法

[发明专利]基于CPU+GPU异构的高并发序列比对计算加速方法-CN202210046617.1有效
发明人：张巍;林超宁;张崇 -专利权人：广州嘉检医学检测有限公司
申请日： 2022-01-17 - 公布日： 2022-05-17 - 主分类号： G06F15/16 文献下载
摘要：本发明公开了基于CPU+GPU异构的高并发序列比对计算加速方法，包含以下步骤：BWA‑MEM算法代码重构；CPU上任务并发处理：完成序列集的划分，第一次形成多个并发任务；运行代码重构后的BWA‑MEM算法，完成GPU上数据并发处理；GPU上任务并发处理：对于序列数据对比过程中产生的种子集和链，将相同或相邻的长度、位置、数量的种子集划分为同一数据块，链做同样处理，由此完成种子集与链的划分，第二次形成多个并发任务本发明通过设计任务并行+数据并行的方式，让BWA‑MEM算法的特征与GPU加速设备的特征紧密结合，充分利用GPU强大的并发运算能力，为序列比对算法提供优异的性能，对比高并发处理效率较高。
基于 cpu gpu 并发序列计算加速方法