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973097个,建议您升级VIP下载更多相关专利
  • [发明专利]基于KNN的置信回归算法及装置-CN201410767787.4在审
  • 蒋方纯;田盛丰 - 深圳信息职业技术学院
  • 2014-12-12 - 2015-04-22 - G06F17/50
  • 本发明适用机器学习领域,提供了一种基于KNN的置信回归算法,包括:确定样本集,该样本集包括:已知回归样本集和未知回归样本集;在未知回归样本集中选出未知样本,计算出未知样本与已知回归样本集中每个样本之间的欧式距离;在已知样本集中查询出与未知样本的欧式距离最近的K个样本;计算K个样本的回归值的平均值;回归模型预测未知样本的回归值;计算回归值与平均值的差值T,依据差值T划分接受域和拒绝域。
  • 基于knn置信回归算法装置
  • [发明专利]一种快速欧式距离点云分割方法-CN201910653620.8有效
  • 魏巍;陈铭泉;罗炜 - 广州大学
  • 2019-07-18 - 2022-02-22 - G06T7/136
  • 本发明公开了一种快速欧式距离点云分割方法,包括:对获取到的原始三维点云数据进行预处理,并构成KDTree数据结构;随机选取一个定点的下标作为目标类名;根据选取的定点,计算每一个点与所述定点的距离值;将距离值小于查询距离阈值的每一个点的下标保存到第一数组,将每一个点与定点的距离值保存到第二数组;根据预设的归类算法将所述目标点云集中的点进行归类;查询最大的距离值最大的点,将该点作为新的定点,并将上一步骤的归类结果作为新的目标类名;最后判断是否全部点被标记为已搜索本发明能够突破传统欧式距离分割算法的时间性约束,快速完成点云分割,从而有效提高点云分割技术的效率。
  • 一种快速欧式距离分割方法
  • [发明专利]一种基于意见演化的图嵌入方法及系统-CN202110845917.1在审
  • 卜湛;杜金伟;伊涛;孙宏亮;蒋玖川;曹杰 - 南京财经大学
  • 2021-07-26 - 2021-11-05 - G06F16/901
  • 本发明提供了一种基于意见演化的图嵌入方法及系统,所述方法包括:将带有稀疏属性和标签的网络中的节点,通过全局共享的可训练权重矩阵映射到低维空间;通过邻接矩阵计算图上所有节点和邻居的欧式距离;设置超参数,根据超参数和欧氏距离的比较,让图上节点形成置信邻居的集合;设置新的节点信息聚合规则,邻居聚合权重由其欧式距离归一化所得;通过每一轮置信邻居更加严格的要求,让信息聚合达到稳定状态。本发明利用矩阵计算,让图上求距离的操作切实可行,通过欧氏距离为邻居分配权重,增加模型的可解释性,通过新的信息聚合规则以及置信邻居的设置,来确定图上节点的感受野,解决了需要手动堆叠隐藏层的缺陷。
  • 一种基于意见演化嵌入方法系统
  • [发明专利]一种层次分析法判断矩阵的优化方法-CN202211159785.8在审
  • 胡勇;邢琰;魏春岭;王东;冯李航 - 北京控制工程研究所
  • 2022-09-22 - 2023-01-06 - G06Q10/04
  • ,首先对待优化判断矩阵计算一致性指标和提取评价因素,邀请专家对各评价因素进行评分,即进行多次评分,并为各个评分赋初始权重和归一化处理;然后使用聚类算法,分析评分是否存在奇异样本,如存在,则计算奇异样本距离正常样本聚类中心的欧式距离和正常样本距离该聚类中心的欧式距离,并利用这两个距离计算权重系数矩阵,利用权重系数矩阵对初始权重进行调整;其次利用调整后的权重,集结各专家评分,并根据集结结果计算出自然满足一致性指标的调整矩阵;最后利用一致性指标计算出待优化矩阵系数,并根据调整矩阵和待优化矩阵系数
  • 一种层次分析判断矩阵优化方法

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