“邻接矩阵”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177440个，建议您升级VIP下载更多相关专利

[发明专利]一种用于图像识别的分布式计算方法及系统-CN202210645370.5在审
发明人：刘志钢;刘石岩 -专利权人：南京轩景乐敏科技有限公司
申请日： 2022-06-08 - 公布日： 2022-09-30 - 主分类号： G06T7/00 文献下载
摘要：包括：S1：获得待识别图像的灰度图中的区域图像；S2：获取灰度图像的邻接矩阵；S3：获取变化一致性邻接矩阵：计算区域图像之间的区域同类性得到采样邻接矩阵，对灰度图像的邻接矩阵和采样邻接矩阵进行点乘计算得到变化一致性邻接矩阵；S4：对图像数据进行分布式计算：设置类别阈值，根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类，对分类后的图像数据进行分布式计算。
一种用于图像识别分布式计算方法系统

[发明专利]基于图神经网络的推荐模型训练方法、装置、设备及介质-CN202111155151.0在审
发明人：王晶 -专利权人：平安科技（深圳）有限公司
申请日： 2021-09-29 - 公布日： 2021-11-26 - 主分类号： G06N3/04 文献下载
摘要：该基于图神经网络的推荐模型训练方法包括获取基于用户在业务生命周期中的历史行为数据所构建的拓扑图，并基于所述拓扑图，构建第一邻接矩阵；基于所述多个业务阶段，构建多个阶段转移区间；基于所述各图节点之间的转移关系以及所述图节点对应的节点业务阶段，对阶段转移区间进行初始化，得到第二邻接矩阵；拼接所述第一邻接矩阵与所述第二邻接矩阵，得到目标邻接矩阵；基于所述目标邻接矩阵以及所述拓扑图进行图神经网络训练，获取目标推荐模型。
基于神经网络推荐模型训练方法装置设备介质

[发明专利]一种冷水主机单机能耗预测方法、系统及存储介质-CN202111367671.8在审
发明人：陈志文;赵正润;邓撬;唐鹏;骆伟超;樊欣宇;蒋朝辉 -专利权人：中南大学
申请日： 2021-11-18 - 公布日： 2022-03-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及中央空调冷水机组能耗预测技术领域，公开了一种冷水主机单机能耗预测方法、系统及存储介质，该方法包括获取待测建筑制冷站管理系统的运行数据集；根据运行数据集的关联系数构建特征的全局关联邻接矩阵；将运行数据集划分为若干个子集，根据每一个子集的关联系数构建特征的局部关联邻接矩阵；基于全局关联邻接矩阵和局部关联邻接矩阵构建目标动态关联邻接矩阵；基于目标动态关联邻接矩阵进行迭代训练得到目标图神经网络模型；将实时获取的待测数据输入目标图神经网络模型
一种冷水主机单机能耗预测方法系统存储介质

[发明专利]注意力与多元图卷积融合的时空交通速度预测方法及系统-CN202310484139.7在审
发明人：陈宏伟;韩慧 -专利权人：湖北工业大学
申请日： 2023-04-28 - 公布日： 2023-07-28 - 主分类号： G08G1/052 文献下载
摘要：涉及交通时空预测领域，其技术要点在于：获取辅助数据和主要数据；分别代入扩张时空图卷积中得到图邻接矩阵；对图邻接矩阵进行融合得到融合特征的图邻接矩阵；提取主要数据的通道特征，将通道特征和融合特征的图邻接矩阵进行逐点相加，得到主要数据的输出；提取辅助数据的通道特征，将辅助数据的通道特征和图邻接矩阵进行逐点相加，得到辅助数据的输出；重复上述步骤，当循环达到预定次数时截至，将得到融合特征的的图邻接矩阵进行跳跃连接，得到交通速度预测数据
注意力多元图卷融合时空交通速度预测方法系统

[发明专利]一种基于多依存关系表示机制的图卷积网络关系抽取方法-CN202110218087.X有效
发明人：沈红;刘欣;刘午凌;罗晋;彭晨;闵飞;乔雪 -专利权人：中国科学院电子学研究所苏州研究院
申请日： 2021-02-26 - 公布日： 2022-11-29 - 主分类号： G06F16/35 文献下载
摘要：，包括分句、分词、词性标注、实体类型标注、关系类型标注，生成每个分词的语义嵌入向量，对句子进行依存关系分析，生成依存关系树；基于双向长短期记忆循环神经网络捕捉句子的上下文语义特征；根据依存关系树生成全邻接矩阵、集中邻接矩阵和距离权重邻接矩阵，结合句子的上下文语义特征，对邻接矩阵、集中邻接矩阵和距离权重邻接矩阵进行卷积运算，再对卷积运算后的结果进行最大池化处理，获得句子表示向量；基于前馈神经网络获取实体关系特征信息
一种基于依存关系表示机制图卷网络抽取方法

[发明专利]一种复杂网络拓扑图表示学习方法、预测方法及服务器-CN202110198812.1在审
发明人：刘冰;李洪涛;马永征;杨学 -专利权人：中国互联网络信息中心
申请日： 2021-02-22 - 公布日： 2021-07-02 - 主分类号： G06N3/08 文献下载
摘要：本发明的表示学习方法，其步骤包括：1)从复杂网络拓扑图结构数据中提取邻接矩阵A和特征矩阵X；2)将邻接矩阵A中设定位置的节点按一定概率p置0，得到加噪后的邻接矩阵A′；3)将邻接矩阵A′和特征矩阵X输入到图神经网络中，得到各节点的嵌入表示并对其进行稀疏化处理后输入到图神经网络的解码模块；4)解码模块重构复杂网络拓扑图，然后利用添加稀疏性约束的损失函数使重构复杂网络拓扑图的邻接矩阵与原始复杂网络拓扑图的邻接矩阵尽可能相近
一种复杂网络拓扑图表学习方法预测方法服务器

[发明专利]关系强度确定方法和装置-CN201711177877.8在审
发明人：束博 -专利权人：北京天广汇通科技有限公司
申请日： 2017-11-23 - 公布日： 2018-03-27 - 主分类号： G06F17/30 文献下载
摘要：其中的方法包括根据实体之间的关系信息构建邻接矩阵；对所述邻接矩阵进行幂运算，幂运算后的邻接矩阵中的元素表示该元素所在行对应的实体和该元素所在列对应的实体之间的关系强度。本发明基于实体之间邻接矩阵幂运算的方式，能够挖掘实体间的隐含关系，并且能够综合地度量实体间的关系强度。
关系强度确定方法装置

[发明专利]城市路网链路预测方法、系统及存储介质-CN201810021953.4有效
发明人：盛津芳;刘家广;孙泽军;王斌 -专利权人：中南大学
申请日： 2018-01-10 - 公布日： 2021-08-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明方法包括：构建路网的邻接矩阵；根据所述邻接矩阵得到Katz相似度矩阵；将所述Katz相似度矩阵进行归一化后使用多层非线性自动编码器对其进行网络表征学习，得到网络表征向量；根据所述网络表征向量解码重建邻接矩阵，并根据所述重建邻接矩阵进行链路预测。
城市路网预测方法系统存储介质

[发明专利]基于自监督的属性图社团检测方法-CN202210639903.9在审
发明人：刘磊;苏伟;刘永升;马永强;原彦平;史春燕;张久文;张烜 -专利权人：读者出版集团有限公司;兰州大学
申请日： 2022-06-08 - 公布日： 2022-08-09 - 主分类号： G06F16/906 文献下载
摘要：本发明涉及基于自监督的属性图社团检测方法，包括：提取图注意力网络中的初始邻接矩阵、初始特征矩阵，分别对初始邻接矩阵和初始特征矩阵进行预处理，得到转换后的邻接矩阵以及过滤后的特征矩阵；基于转换后的邻接矩阵和过滤后的特征矩阵通过自编码单元进行重构，得到重构后的邻接矩阵与重构后的特征矩阵；将重构后的特征矩阵输入到聚类单元中进行计算，得到聚类结果；分别将自编码单元和聚类单元中的损失函数进行合并，得到最终的整体损失函数，对最终的整体损失函数进行聚类计算
基于监督属性社团检测方法

[发明专利]谣言引爆点的检测方法、装置、计算机设备及介质-CN202310266913.7在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2023-03-10 - 公布日： 2023-07-18 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种谣言引爆点的检测方法，包括：获取数据集，其中，数据集包含参与谣言传播的节点文本和各节点之间的关系；利用Bert语言表征模型对所述数据集进行预训练，获得节点文本的向量矩阵和基于各节点之间关系的邻接矩阵；将向量矩阵、邻接矩阵输入第一图卷积神经网络中进行计算，得到第一高阶表示向量矩阵；将邻接矩阵进行转置，得到转置邻接矩阵；将向量矩阵、转置邻接矩阵输入第二图卷积神经网络中进行计算，得到第二高阶表示向量矩阵；将各节点的高阶表示向量矩阵输入第三图卷积神经网络的全连接层进行分类，得到各节点的分类结果。
谣言引爆检测方法装置计算机设备介质

[发明专利]一种微博网络重要用户的识别方法-CN202110521619.7有效
发明人：刘震;叶文涛;潘亮光;王一博 -专利权人：电子科技大学
申请日： 2021-05-13 - 公布日： 2022-05-24 - 主分类号： G06Q50/00 文献下载
摘要：本发明公开了一种微博网络重要用户的识别方法，首先计算关注网络邻接矩阵和粉丝网络邻接矩阵以及粉丝网络邻接标签矩阵；然后将关注网络邻接矩阵和粉丝网络邻接标签矩阵相乘；再将乘积输入由全连接神经网络构建的嵌入层和分类器中
一种网络重要用户识别方法

[发明专利]一种基于线性代数的个性化网页排名方法及系统-CN202310194387.8在审
发明人：崔博远;乔鹏鹏;张志威;袁野;王国仁 -专利权人：北京理工大学
申请日： 2023-03-02 - 公布日： 2023-06-06 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于线性代数的个性化网页排名方法及系统，将图表示为邻接矩阵并进行代数计算，实现良好的并行性从而高效计算个性化网页排名。具体为：以一组网页对应的原始图数据作为输入网页集，起始网页集为输入网页集的子集，根据原始图数据构建图邻接矩阵。在图邻接矩阵上使用代数Trim‑1方法发现节点数为1的强连通分量并对邻接矩阵进行重构，得到使用重构的邻接矩阵表示的图。使用基于代数广度优先搜索的代数FW‑BW算法来寻找图中的最大强连通分量。使用基于矩阵乘法的代数标签传播算法来寻找使用邻接矩阵表示的图中的强连通分量。在重构的有向无环图上利用PM算法计算个性化网页排名，用于表明网页与起始网页集的关联紧密程度。
一种基于线性代数个性化网页排名方法系统

[发明专利]图数据识别方法、装置、计算机设备和存储介质-CN201910503195.4在审
发明人：张一帆;史磊 -专利权人：中国科学院自动化研究所南京人工智能芯片创新研究院;中国科学院自动化研究所
申请日： 2019-06-11 - 公布日： 2019-10-22 - 主分类号： G06K9/00 文献下载
摘要：所述方法包括：获取输入已训练的卷积神经网络的当前卷积层的输入特征图，输入特征图是通过提取图数据得到的特征图，获取当前卷积层的偏置矩阵，其中偏置矩阵为生成已训练的卷积神经网络时生成的矩阵，获取参考邻接矩阵，计算参考邻接矩阵和偏置矩阵的和，得到目标邻接矩阵，获取当前卷积层的卷积核，根据当前卷积层的卷积核、目标邻接矩阵和输入特征图生成目标输出特征图，根据目标输出特征图，识别出图数据对应的识别结果，根据目标输出特征图通过对卷积层中的固定邻接矩阵增加根据任务需求生成的矩阵，提高已训练的卷积神经网络的识别准确率。
矩阵邻接矩阵卷积特征图卷积神经网络目标输出输入特征图数据偏置计算机设备存储介质数据对应卷积核出图任务需求参考图生成准确率申请

[发明专利]基于邻域节点结构编码的图神经网络异常检测方法与装置-CN202211424557.9在审
发明人：胡汉一;李栓;刘智;许浩;焦旭;徐圣源;梁变;周婷婷 -专利权人：之江实验室
申请日： 2022-11-14 - 公布日： 2023-03-28 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了基于邻域节点结构编码的图神经网络异常检测方法与装置，包括：将原始数据转换为图神经网络的输入数据，输入数据包括节点属性矩阵、邻接矩阵；从邻接矩阵抽取出结构特征并进行矩阵分解，得到节点角色特征与角色结构特征因子；将节点角色特征与其转置矩阵相乘，得到高阶邻接矩阵；将节点属性矩阵与邻接矩阵、节点属性矩阵与高阶邻接矩阵分别输入图神经网络，得到节点角色语义潜变量和节点角色语义潜变量；并进行动态加权，得到最终节点表示，
基于邻域节点结构编码神经网络异常检测方法装置

[发明专利]基于对比学习的结构感知深度聚类方法-CN202310609022.7在审
发明人：徐森;陈博炜;徐秀芳;花小朋;朱锦新;邵俊;许贺洋;郭乃瑄;刘轩绮;高婷;徐畅;孙雯 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-05-25 - 公布日： 2023-09-05 - 主分类号： G06F18/23 文献下载
摘要：本发明提供基于对比学习的结构感知深度聚类方法，其中，方法包括：步骤1：获取聚类目标的属性图；步骤2：基于属性图，确定聚类目标的第一特征矩阵和第一邻接矩阵；步骤3：将第一特征矩阵和第一邻接矩阵输入预设的结构感知深度聚类模型，获得第二特征矩阵与第二邻接矩阵；步骤4：对比学习第二特征矩阵与第二邻接矩阵，获得对比学习结果；步骤5：根据对比学习结果更新结构感知深度聚类模型的参数，获取结构感知深度聚类模型参数更新后的聚类结果。本发明的基于对比学习的结构感知深度聚类方法，基于结构感知深度聚类模型聚类过程中确定的第二特征矩阵与第二邻接矩阵的对比学习结果，自适应确定模型参数更新后的聚类结果，更加智能且准确。
基于对比学习结构感知深度方法