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222868个,建议您升级VIP下载更多相关专利
  • [发明专利]流量重构方法、装置、设备及存储介质-CN202111205270.2有效
  • 樊学宝;李秀峰;朱海玲;黄智勇;罗艳珍;陈懿 - 中国联合网络通信集团有限公司
  • 2021-10-15 - 2023-05-09 - H04W28/10
  • 该方法包括:根据采集的多个时段对应的流量数据确定对应的流量特征数据;根据流量特征数据以及流量数据确定稀疏基,并根据稀疏基确定稀疏表示;确定多个时段对应的流量数据中最新相邻时段对应的流量数据对应的相似度,根据相似度确定稀疏基是否可用;若稀疏基可用,则根据相似度优化稀疏表示,将稀疏基和优化的稀疏表示发送至输出端,以使输出端根据稀疏基和优化的稀疏表示重构对应的流量数据。本申请的方法,在流量数据重构前确认稀疏基是否可用,若稀疏基可用,说明稀疏基能够很好的进行稀疏表示,并对稀疏表示进行优化,根据稀疏基和优化的稀疏表示可更好的重构流量数据,减少重构误差。
  • 流量方法装置设备存储介质
  • [发明专利]一种拍摄方法及电子设备-CN201911147752.X有效
  • 黄伟 - 维沃移动通信有限公司
  • 2019-11-21 - 2022-04-19 - H04N5/217
  • 方法包括:在摄像头拍摄图像的情况下获取拍摄的至少两帧第一图像;确定至少两帧第一图像匹配的目标字典集,根据目标字典集中N个图像单元对第一图像进行稀疏编码获得每一帧第一图像的稀疏表示;根据每一帧第一图像的稀疏表示以及稀疏表示权重确定融合稀疏表示;将融合稀疏表示进行解码得到融合图像。对每一帧第一图像进行稀疏编码,实现对第一图像的单独降噪,采用与第一图像匹配的目标字典集进行稀疏编码,提高单独降噪的效果,对单独降噪后的稀疏表示进行加权融合得到融合稀疏表示,减少噪声,解码后得到噪声较小的融合图像
  • 一种拍摄方法电子设备
  • [发明专利]一种MR图像的分割方法及装置-CN201410856328.3在审
  • 李玉红;秦璟;贾富仓;王琼;王平安 - 深圳先进技术研究院
  • 2014-12-31 - 2015-04-01 - G06T7/00
  • 本发明适用于医学图像处理技术领域,提供了一种MR图像的分割方法及装置,包括:通过多模态的样本MR图像分别进行各个模态的字典学习;建立多模态联合稀疏表示模型;通过所述多模态联合稀疏表示模型,将测试MR图像在所述字典下联合稀疏表示为少数原子的线性组合,通过稀疏编码获取所述测试MR图像的稀疏表示系数;根据所述测试MR图像的稀疏表示系数,将所述测试MR图像的每个像素进行分类,获取图像分割结果。本发明提出的多模态联合稀疏表示模型,能够结合多模态MR图像所提供的信息进行多变量联合稀疏表示,大大地提高了图像分割的正确率。
  • 一种mr图像分割方法装置
  • [发明专利]一种基于循环神经网络的输入方法及装置-CN201711217459.7有效
  • 阮翀 - 北京新美互通科技有限公司
  • 2017-11-28 - 2021-01-05 - G06F40/216
  • 本发明公开了一种基于循环神经网络的输入方法及装置,该方法中,在获取词向量矩阵后,根据词向量矩阵构建过完备基底矩阵,根据过完备基底矩阵构建稀疏表示下标矩阵和稀疏表示系数矩阵。需要推荐候选词时,根据过完备基底矩阵、稀疏表示下标矩阵和稀疏表示系数矩阵,获取所需词语的词向量,根据该词向量和循环神经网络模型获取候选词。本发明通过过完备基底矩阵、稀疏表示下标矩阵和稀疏表示系数矩阵获取各个词语的词向量。而过完备基底矩阵、稀疏表示下标矩阵和稀疏表示系数矩阵的容量之和小于词向量矩阵,本发明的方案占用终端设备的空间较小,且计算量较小,从而减少对终端设备的存储能力和运量能力的需求,能够在多种终端设备中应用。
  • 一种基于循环神经网络输入方法装置
  • [发明专利]一种大规模MIMO稀疏信道估计方法及相关设备-CN202210826619.2有效
  • 陈建侨;陈昊;马楠;许晓东;张平 - 鹏城实验室;北京邮电大学
  • 2022-07-14 - 2023-06-16 - H04L25/02
  • 本发明公开了一种大规模MIMO稀疏信道估计方法及相关设备,所述方法包括:本地服务器进行离线训练得到信道稀疏度认知神经网络、信道稀疏表示字典和信道稀疏重构神经网络;终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度;基站根据信道稀疏度确定下行传输信号中导频序列的长度;基站接收到下行传输信号后,根据信道稀疏度选择相应的信道稀疏表示字典进行信道稀疏表示,并根据信道稀疏重构神经网络一起进行信道稀疏重构。通过终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度,基站根据信道稀疏度进行信道稀疏表示,并根据信道稀疏重构神经网络一起进行信道稀疏重构,实现了高精度、低复杂度的信道估计。
  • 一种大规模mimo稀疏信道估计方法相关设备
  • [发明专利]一种基于稀疏表示的目标跟踪方法-CN201410655529.7有效
  • 陈勇;冷佳旭;张立波 - 电子科技大学
  • 2014-11-18 - 2017-12-01 - G06T7/20
  • 本发明公开了一种基于稀疏表示的目标跟踪方法。本发明的技术方案,利用遮挡的空间连续性和先验信息对遮挡进行稀疏学习,在此基础上,利用更新后的稀疏表示模型求得稀疏系数,然后根据求得的稀疏系数,计算得到重构残差,再以重构残差最小的目标作为跟踪目标并对过完备字典进行实时更新,再根据粒子滤波跟踪方法,预测目标在下一时刻的位置,得到估计目标,最后以得到的估计目标和更新的过完备字典返回稀疏表示模型进行重复迭代。本发明将稀疏学习思想引入基于稀疏表示的粒子滤波跟踪算法,可以在遮挡不稀疏的情况下,对遮挡进行稀疏学习和建立遮挡模型,并根据更新后的稀疏表示模型对目标进行精确跟踪。
  • 一种基于稀疏表示目标跟踪方法
  • [发明专利]基于近邻正则联合稀疏表示的遥感图像分类方法及系统-CN201510491233.0有效
  • 彭江涛;付应雄;邹斌;陈娜 - 湖北大学
  • 2015-08-11 - 2017-07-11 - G06K9/62
  • 本发明涉及一种基于近邻正则联合稀疏表示的遥感图像分类方法及系统,包括输入待分类的遥感图像,划分训练样本和测试样本;构建数据字典;构建含有邻域像素权重矩阵的正则化联合稀疏表示模型,联合优化测试样本的联合稀疏表示系数矩阵和邻域像素权重矩阵;并根据数据字典及测试样本的最优联合稀疏表示系数矩阵和最优邻域像素权重矩阵,实现对测试样本的分类。本发明实现了,在优化联合稀疏表示系数矩阵的同时优化邻域像素权重矩阵,使邻域像素权重矩阵能够同时反映邻域像素之间的相似关系和联合稀疏表示误差关系,且联合稀疏表示系数能够更加准确地反映测试样本与数据字典之间的逼近关系
  • 基于近邻正则联合稀疏表示遥感图像分类方法系统
  • [发明专利]一种基于能级跳跃的全局最优稀疏表示方法-CN201710446315.2在审
  • 王天荆;刘国庆;朱晓梅;姜华;程浩 - 南京工业大学
  • 2017-06-14 - 2018-01-09 - G06F17/15
  • 本发明提供了一种基于能级跳跃的全局最优稀疏表示方法,步骤包括由初始点出发根据AST的迭代公式计算局部最优稀疏解;吸收能量使得局部最优稀疏解跳到非稀疏解;利用同伦曲线获取一个与非稀疏解能量值相等的非稀疏解;从更新点出发,根据AST的迭代公式计算下一个局部最优稀疏解;输出全局最优稀疏解为,利用全局最优稀疏解进行稀疏表示。该全局最优稀疏表示方法将一个局部最优稀疏解因吸收能量而被激发,它可跳出当前的吸引盆而进入具有更低能级的吸引盆,从而搜索更优的稀疏解,直至达到最低能级而获得全局最优稀疏解,从而可以方便地应用于现有的各类稀疏表示算法
  • 一种基于能级跳跃全局最优稀疏表示方法

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