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5738个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于两层邻域信息的双重最近邻分类方法及系统-CN202110089726.7在审
  • 潘志斌;王祎琨 - 西安交通大学
  • 2021-01-22 - 2021-05-18 - G06K9/62
  • 本发明公开了一种基于两层邻域信息的双重最近邻分类方法及系统,所述方法包括:在训练集中寻找输入样本的k个最近邻,并将它们重新命名为输入样本的直接近邻;在训练集中寻找各直接近邻的可用邻域,所有可用邻域中的样本被看作输入样本的间接近邻;各直接近邻的可用邻域中与输入样本分布较近的被整体保留,与直接近邻一起作为输入样本的候选近邻;据候选近邻与输入样本的反向近邻关系,确定双重最近邻;利用所有双重最近邻的类标签,根据多数表决规则,对输入样本进行分类判决本发明可提高k近邻分类方法的分类性能,并通过实验验证了该方法的有效性。
  • 一种基于邻域信息双重近邻分类方法系统
  • [发明专利]验证近邻小区-CN200880131842.3有效
  • J·鲁尼;J·阿龙索-鲁比奥;G·塞兰德 - 爱立信电话股份有限公司
  • 2008-09-02 - 2011-11-09 - H04W24/02
  • 用于确定近邻小区是否是服务小区的近邻的基站、计算机可读媒体和方法,其中服务小区和近邻小区属于包括由服务小区服务的用户终端的相同通信网络。所述方法包括在服务小区的基站经用户终端接收近邻小区的第一身份、近邻小区的第二身份及近邻小区的基站生成的随机数;从服务小区的基站发送用于建立近邻关系的请求到近邻小区的基站,其中该请求包括接收的随机数;以及在服务小区的基站获得来自近邻小区的基站的响应于该请求的响应,所述响应指示接受或拒绝近邻关系。
  • 验证近邻小区
  • [发明专利]基于动态裁剪的移动对象反向近邻查询方法-CN201010545434.1有效
  • 寿黎但;陈珂;陈刚;胡天磊;张栋 - 浙江大学
  • 2010-11-12 - 2011-04-06 - G06F17/30
  • 本发明公开了一种基于动态裁剪的移动对象反向近邻查询方法。使用TPR-tree对移动对象建立索引;开发移动对象反向近邻查询处理框架,在过滤阶段得到整个时间段内查询点的所有可能的反向近邻候选点集;在精炼阶段去除候选点中的错误点并确定每个反向近邻查询结果点的有效时间;开发两种适用于移动对象反向近邻动态裁剪策略,整合成统一的移动对象反向近邻动态裁剪算法;实现反向近邻动态裁剪算法上实现移动对象反向近邻查询处理过滤算法;对过滤的结果,实现反向近邻查询的精炼算法,对所有查询候选点进行最近邻查询正确性验证和反向近邻有效子时间段计算;对获得的结果点及其有效时间段进行合并,获得在每个子时间段上的反向近邻查询结果集。
  • 基于动态裁剪移动对象反向近邻查询方法
  • [发明专利]一种泛化的k近邻图合并方法-CN201910266733.2在审
  • 赵万磊;林鹏程;王菡子 - 厦门大学
  • 2019-04-03 - 2019-07-02 - G06K9/62
  • 一种泛化的k近邻图合并方法。把子图G和H分别分割为由每个数据前k/2近邻表组成的子图G+和H+以及由每个数据后k/2个近邻表组成的子图G和H;为子图G+的每个k/2近邻表从数据集V中随机取k/2个数据点补充,使得图G+中每个数据拥有k个近邻;为子图H+的每个k/2近邻表从数据集W中随机取k/2个数据点补充,使得图H+中每个数据拥有k个近邻;直接拼接子图G+和H+,获得k近邻图R;采用如下最近邻下降步骤优化k近邻图R;把子图G中的每个k/2个列表与R对应的数据k近邻表合并,取最近的k个近邻数据;把子图H中的每个k/2列表与R对应的数据k近邻表合并,取最近的k个近邻
  • 近邻表表合并数据集图合并下降步骤最近邻补充拼接输出分割优化
  • [发明专利]一种室内定位方法-CN201210332190.8有效
  • 徐展;唐道平;刘丹;张国伟;曾庆瑾;薛世帅 - 电子科技大学
  • 2012-09-10 - 2013-01-16 - G06F17/30
  • 本发明公开了一种室内定位方法,包括步骤:建立参考点的RSS指纹数据库;求每个参考点的K近邻点,并建立近邻点数据库;求待定位点的K近邻点,然后从近邻点数据库中找出这K个近邻点的近邻点中重复最多的n个近邻点;对得到的待定位点的K个近邻点和它的近邻点的n个近邻点的坐标加权求和,得到待定位点估计坐标。本发明的方法建立所有参考点的近邻点数据库,使得原本只是待定位点与参考点之间单一的关系,拓展为待定位点与参考点和待定位点的近邻点与其他参考点之间的网状关系,充分挖掘利用了RSS指纹数据库中有用的信息,有效避免了非视距传输效应
  • 一种室内定位方法
  • [发明专利]误匹配确定方法、装置、设备和介质-CN202110807736.X有效
  • 李照虎 - 北京百度网讯科技有限公司
  • 2021-07-16 - 2022-02-18 - G06V10/75
  • 具体为:获取查询图像的目标图像特征集合,并从待匹配图像中获取至少一个目标图像特征的最近邻特征和次近邻特征;将至少一个目标图像特征与其最近邻特征和次近邻特征分别做残差处理,得到最近邻残差特征和次近邻残差特征;将最近邻残差特征和次近邻残差特征输入预先训练的目标模型,得到最近邻残差特征分布和次近邻残差特征分布;计算至少一个目标图像特征的最近邻残差特征分布和次近邻残差特征分布的相关度,根据计算结果确定至少一个目标图像特征是否存在误匹配
  • 匹配确定方法装置设备介质
  • [发明专利]一种基于多粒度近邻图的智能电表故障分类方法-CN202310363977.9在审
  • 黄子健;高欣;孟之航;薛冰;李强伟;傅世元;于家豪;黄旭 - 北京邮电大学
  • 2023-04-06 - 2023-08-04 - G06V10/764
  • 本发明实施例提出了一种基于多粒度近邻图的智能电表故障分类方法,包括:将智能电表不同类别下的故障历史数据作为输入数据集,划分得到多个二类数据集;针对每个二类数据集,将每个样本作为目标样本,以目标样本和不同数量近邻样本构成多粒度近邻图,作为后续分类任务中的训练样本;基于构造的近邻图数据集,设计自编码器实现对近邻图节点特征的提取,根据近邻图的节点编码特征和近邻图原始节点邻接关系训练图注意力神经网络用于近邻图分类任务;对于给定测试样本,组合其测试样本与其对应的不同数量近邻样本构成的近邻样本组,经近邻图分类结果集成后得到分类器在每个二类数据集下的判别结果,通过软投票得到其故障类别。
  • 一种基于粒度近邻智能电表故障分类方法
  • [发明专利]一种基于加权k近邻的信道状态信息指纹定位方法-CN202111354331.1有效
  • 林坤海;韩圣千 - 北京航空航天大学
  • 2021-11-12 - 2022-10-18 - H04W4/33
  • 本发明公开了一种基于加权k近邻的信道状态信息指纹定位方法,属于室内定位技术领域。本发明方法对现有CSI指纹定位系统进行改进,包括:采用基于预测真实空间距离的近邻点召回方案提高近邻点召回质量,近邻点召回模型优选拉索回归模型;采用基于神经网络拟合加权系数的近邻点加权方案改进近邻点权重设置,并采用添加先验线性方程的形式改善神经网络输入输出相关性不足导致的收敛问题;在线定位时,利用训练好的近邻点召回模型选取与待测点的距离最近的k个近邻点,利用训练好的近邻点加权模型预测k个近邻点的加权系数,最后对k个近邻点的位置进行加权求和确定待测点位置。
  • 一种基于加权近邻信道状态信息指纹定位方法
  • [发明专利]用于近邻计算的处理方法及装置-CN202111125713.7在审
  • 欧阳利萍 - 北京百度网讯科技有限公司
  • 2021-09-24 - 2021-12-24 - G06F16/9536
  • 本公开公开了一种用于近邻计算的处理方法,涉及人工智能和大数据领域,尤其涉及智能搜索、智能推荐、广告推荐、知识图谱和用户理解等领域,可以用于评估近似近邻计算的召回率等场景。具体实现方案为包括:在进行近似近邻计算的过程中,对访问流量进行抽样,以得到至少一个抽样流量;实时对至少一个抽样流量进行异步真实近邻计算,以得到对应的至少一个真实近邻计算结果;以及基于至少一个真实近邻计算结果与对应的至少一个近似近邻计算结果,确定近似近邻计算的召回率,其中,至少一个近似近邻计算结果是通过对至少一个抽样流量进行近似近邻计算得到的。
  • 用于近邻计算处理方法装置
  • [发明专利]一种基于有效近邻的聚类中心选择方法-CN202310427341.6在审
  • 张兴宾;何云斌;张茗洋 - 哈尔滨理工大学
  • 2023-04-19 - 2023-06-13 - G06F18/2321
  • 本发明涉及一种基于有效近邻的聚类中心选择方法。本发明首先计算每个数据点与其k近邻集的近邻距离总和,并求出近邻平均距离;然后定义有效近邻,有效近邻是数据点与其k近邻的距离小于近邻平均距离的点,通过有效近邻来计算数据点的局部密度,并定义平均密度,将大于平均密度的数据点加入候选聚类中心集合中;然后在候选聚类中心集合中选择密度最大的点加入到初始聚类中心集合中,并计算候选聚类中心集合中是否存在有低于其局部密度且属于其有效近邻的数据点,进一步确定每个数据点是新的初始聚类中心还是簇成员,对候选聚类中心集合进行筛选
  • 一种基于有效近邻中心选择方法

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