“boosting”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210个，建议您升级VIP下载更多相关专利

[发明专利]一种提升OFDMA系统下行覆盖和吞吐量的方法-CN200910250091.3有效
发明人：唐枫 -专利权人：中兴通讯股份有限公司
申请日： 2009-12-04 - 公布日： 2011-06-08 - 主分类号： H04B7/26 文献下载
摘要：本发明公开了一种提升OFDMA系统下行覆盖和吞吐量的方法，包括：A、为终端选择Zone，并依次遍历所有Zone；B、判断下行Zone的Zone Boosting是否预先确定，如果是，则转步骤C，否则转步骤E；C、计算Zone中所有终端的数据子载波的最大功率值；D、根据所述最大功率值和终端的下行CINR，为终端分配Data Boosting，并结束；E、根据终端的下行CINR，为终端分配Data Boosting；F、根据终端占用的子信道数和所分配的Data Boosting值，计算Zone Boosting的最大值；G、对所述Zone使能最大值的Zone Boosting。本发明通过将Zone Boosting和Data Boosting相结合的方法，解决了在同时使能Zone Boosting和Data Boosting时，由于不能合理分配下行功率，导致功率溢出的问题。
一种提升 ofdma 系统下行覆盖吞吐量方法

[发明专利]简化基于矩阵的Boosting算法的系统及方法-CN201010231583.0有效
发明人：李政宪 -专利权人：鸿富锦精密工业（深圳）有限公司;鸿海精密工业股份有限公司
申请日： 2010-07-20 - 公布日： 2011-07-06 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种简化基于矩阵的Boosting算法的系统。该系统将用于Boosting运算的已知数据分割成多个子集合，并随机从中选择多组包含N个子集合的组合。通过利用基于矩阵的Boosting算法对上述选择的多组组合进行迭代运算，从而获得符合条件的假阳值。本发明还提供一种简化基于矩阵的Boosting算法的方法。本发明可以减少Boosting运算的次数及所需的内存空间。
简化基于矩阵 boosting 算法系统方法

[发明专利]基于深度Boosting决策树的欺诈检测方法-CN202310735647.8在审
发明人：王尧;许彪;王开东 -专利权人：西安交通大学
申请日： 2023-06-20 - 公布日： 2023-09-08 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开一种基于深度Boosting决策树的欺诈检测方法，包括S1、提取原始欺诈数据；S2、清理和预处理欺诈数据得到适用于深度学习框架输入的数据；S3、构建深度Boosting决策树模型用于预测欺诈行为的发生；本发明方法建立神经网络来学习决策树的分裂准则，挖掘了欺诈数据中的特征表征信息，并通过迭代算法保证决策树分裂的有效性；采用Boosting方法降低传统决策树存在的过拟合缺陷，通过Boosting方法降低决策树模型过拟合风险，提高了传统Boosting方法的泛化性能；通过组合深度AUC最大化算法将深度Boosting决策树应用于非均衡数据学习过程中，保证了算法的稳定性和可靠性。
基于深度 boosting 决策树欺诈检测方法

[发明专利]一种改进的在线Boosting目标跟踪方法-CN201810295732.6有效
发明人：朱红;王道江 -专利权人：西安电子科技大学
申请日： 2018-03-30 - 公布日： 2019-12-10 - 主分类号： G06T7/246 文献下载
摘要：本发明属于计算机视觉领域，公开了一种改进的在线Boosting目标跟踪方法，针对传统在线Boosting算法使用的Haar特征效率低的问题，本发明使用HOG特征，以提高算法的实时性；其次，针对传统Boosting算法跟踪易发生漂移的问题，借鉴TLD检测与跟踪结合的思想，本发明将离线训练的检测器整合到跟踪过程中，实现在线学习与离线学习的结合，以提高算法的鲁棒性；本发明通过使用新的特征和加入检测模块，提高了传统在线Boosting
目标跟踪鲁棒性实时性算法跟踪计算机视觉领域检测器漂移检测模块离线训练在线学习离线整合改进检测学习

[发明专利]一种电网评价指标权重确定方法-CN201611000688.9在审
发明人：杜振东;李付林;刘卫东;牛东晓;黄雅莉;张笑弟;何英静;郁丹;沈舒仪;钱啸;李春;姚艳;裴传逊;周林 -专利权人：国家电网公司;国网浙江省电力公司经济技术研究院;华北电力大学;浙江华云电力工程设计咨询有限公司
申请日： 2016-11-14 - 公布日： 2017-04-19 - 主分类号： G06Q10/06 文献下载
摘要：本发明包括如下步骤利用Spark平台将全部数据进行分割形成多个子数据模型，通过并行计算来提高数据处理效率，采用数据特征提取方法得出有效数据信息；将得出的有效数据信息输入到多变量L2‑Boosting回归模型进行训练学习，并得到训练后的多变量L2‑Boosting回归模型；测试数据带入多变量L2‑Boosting回归模型中进行预测，确定电网评价指标的权重。本发明将L2‑Boosting模型与Spark数据分析框架相结合，实现电网评价指标权重客观、精准地确定，能够保证指标权重值的客观性。
一种电网评价指标权重确定方法

[发明专利]一种基于Boosting算法的配电网理论线损预测方法-CN201110148047.9有效
发明人：高昆仑;王宇飞;雷浩;曲亚东 -专利权人：中国电力科学研究院
申请日： 2011-06-03 - 公布日： 2011-11-02 - 主分类号： G06F15/18 文献下载
摘要：本发明涉及一种基于Boosting算法的配电网理论线损预测方法，方法包括下述三个步骤：数据预处理，将配电网理论线损预测所涉及的历史线损记录转化为适合Boosting算法的原始样本集Soriginal；利用集成学习Boosting算法对所述Soriginal进行训练，得到满足误差要求的配电网理论线损预测模型Mlineloss；利用所述配电网理论线损预测模型Mlineloss完成配电网中未测线路的理论线损预测；本发明提供的基于Boosting算法的配电网理论线损预测方法对配电网中未测线路的理论线损进行预测，不但克服了原有基于单学习机方法预测技术的缺陷，而且提高了预测的精度。
一种基于 boosting 算法配电网理论预测方法

[发明专利]一种维基百科概念依赖关系识别方法-CN202011600680.2有效
发明人：肖奎;王时绘;张䶮;娄园园;周洋 -专利权人：湖北大学
申请日： 2020-12-30 - 公布日： 2023-06-20 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种维基百科概念依赖关系识别方法，包括如下步骤：由至少两个的基分类器组成Bagging分类器，并由至少两个Bagging分类器组成的Boosting分类器；用Boosting分类器对数据集进行训练：样本经过所有的Bagging分类器后，得到最终的分类结果；输入测试样本，Boosting分类器预测当前样本概念对间的依赖关系；本发明的方法，同时结合Bagging和Boosting两种集成技术的优点来预测维基百科概念之间的依赖关系
一种百科概念依赖关系识别方法

[发明专利]一种基于Boosting感知的深度学习多微网弹性组合决策方法-CN202110619257.5在审
发明人：郝然;艾芊 -专利权人：上海交通大学
申请日： 2021-06-03 - 公布日： 2021-11-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于Boosting感知的深度学习多微网弹性组合决策方法，涉及Boosting分类器、深度神经网络和考虑运行弹性的多微电网组合运行调度等领域。包括微网组合优化建模、基于NATAF变换的学习样本生成、基于Boosting感知器的深度神经网络学习三个部分，所述微网组合优化建模以重要负荷供电恢复能力作为目标，并为运营商提供备用供电路径；所述基于NATAF变换的学习样本生成，将原始样本扩展到考虑变量相关性的所有可行空间；所述基于Boosting感知器的深度神经网络学习是通过神经元的分层迭代遍历来调整深度神经网络权重，并采用交叉投票机制将二分类感知学习升级为多分类学习
一种基于 boosting 感知深度学习多微网弹性组合决策方法

[发明专利]基于boosting算法的边缘云服务器利用率预测方法、预测装置及存储介质-CN202210259762.8在审
发明人：李星星;黄少远;王晓飞 -专利权人：缀初网络技术（上海）有限公司
申请日： 2022-03-16 - 公布日： 2022-07-08 - 主分类号： G06F11/30 文献下载
摘要：本发明提供了一种基于boosting算法的边缘云服务器利用率预测方法、预测装置及存储介质，其中方法包括：S1基于boosting算法模型，获取被预测带宽利用率数据；S2建立最近数据专注机制，包括：计算各服务器实际带宽利用率数据与被预测带宽利用率数据之间的时间差；为每条服务器实际带宽利用率数据生成一个介于时间差最小值与最大值之间的随机数后；保留时间差小于该随机数的带宽利用率数据，生成服务器专注特征数据；S3基于所述服务器专注特征数据进一步训练boosting算法模型生成R‑Aboosting算法模型，以输出各服务器预测带宽利用率数据，籍此有效筛选Boosting模型输入侧的数据规模，以提高模型训练速度及预测准确率。
基于 boosting 算法边缘服务器利用率预测方法装置存储介质

[发明专利]基于熵值与SVM-BOOSTING的DDoS攻击分级检测方法-CN202211250473.8在审
发明人：唐湘滟;程杰仁;杨昊;袁煜明;张博 -专利权人：海南大学;海南火链科技有限公司
申请日： 2022-10-12 - 公布日： 2023-02-03 - 主分类号： H04L9/40 文献下载
摘要：基于熵值与SVM‑BOOSTING的DDoS攻击分级检测方法，所述方法包括：获取交换机和/或路由器端口统计数据；根据所述端口统计数据构建对应的熵值特征；当所述熵值特征对应的熵值超过对应的预设阈值时，调用自适应支持向量机进行流量分类本申请提供的基于熵值与SVM‑BOOSTING的DDoS攻击分级检测方法在粗粒度模式下通过统计特征对异常流量触发阈值警报，在触发警报后，细粒度模式进行更精细的特征提取，以通过SVM‑Boosting检测算法做进一步的攻击流量判别通过日常情况下在粗粒度模式下运行、受攻击时在细粒度模式下运行的方式减少了检测的工作量，通过SVM‑Boosting提高了对支持平面附近实例的分类准确性。
基于 svm boosting ddos 攻击分级检测方法

[发明专利]一种基于Gm-boosting的超级源随器-CN202310882227.2在审
发明人：严君杰;刘奇明 -专利权人：兰州大学
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G05F3/26 文献下载
摘要：本发明公开了一种基于Gm‑boosting的超级源随器，该超级源随器由共漏级前馈通路、共源极反馈回路以及在反馈回路上添加的Gm‑boosting结构构成，反馈回路中的MOS管的负反馈减小超级源随器的输出电阻以提高输出级的带载能力，所述Gm‑boosting结构用于降低超级源随器的输出电阻。
一种基于 gm boosting 超级源随器

[发明专利]基于深度特征与多核Boosting学习相结合的害虫图像识别方法-CN201710105763.6有效
发明人：陈天娇;谢成军;余健;张洁;李瑞;陈红波;王儒敬;宋良图 -专利权人：中国科学院合肥物质科学研究院
申请日： 2017-02-24 - 公布日： 2019-06-18 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及基于深度特征与多核Boosting学习相结合的害虫图像识别方法，与现有技术相比解决了害虫图像识别率低的缺陷。本发明包括以下步骤：获取自然图像集；害虫图像的收集、标记和预处理；利用训练集的样本形成块级特征；利用多核Boosting学习的SVM训练多核分类框架；将测试集的样本形成块级特征后，输入训练完成后的多核分类框架中本发明利用了害虫图像的多层深度特征并与多核Boosting学习相结合进行害虫的图像识别，提高了害虫识别的准确率。
基于深度特征多核 boosting 学习相结合害虫图像识别方法

[发明专利]自适应特征选择的夜间车辆检测方法-CN201611235591.6在审
发明人：不公告发明人 -专利权人：南宁市浩发科技有限公司
申请日： 2016-12-28 - 公布日： 2018-07-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种自适应特征选择的夜间车辆检测方法，包括以下步骤：S1：采集夜间车辆视频图像，并对图像进行预处理；S2：提取车辆的颜色特征、纹理特征和形状特征，融合颜色、纹理和形1状特征，得到夜间运动车辆的特征向量；S3：利用Boosting算法和遗传算法设计的Boosting模糊分类器对输入样本进行训练，且每轮训练都通过遗传算法以迭代的方式获取一条模糊规则对应的权值，自适应选择特征；S4：采用Boosting方法以加权投票方式自适应选择对检测最有利的特征
自适应选择车辆检测特征选择遗传算法运动车辆自适应预处理车辆视频图像模糊分类器方式获取模糊规则输入样本特征向量投票方式纹理特征形状特征颜色特征纹理检测迭代加权采集图像融合

[发明专利]一种基于Boosting算法的短期风功率混合预测方法-CN201510056771.7在审
发明人：蒋宇;陈星莺;廖迎晨;余昆 -专利权人：河海大学
申请日： 2015-02-03 - 公布日： 2015-05-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于Boosting算法的短期风功率混合预测方法。该方法通过Boosting算法反复调用基础预测模型进行预测训练，根据被调用模型的预测误差生成对应的预测准确度权重系数，然后利用Boosting算法的模型组合功能，将预测精度较低的一系列基础预测模型，组合成具有高预测精度的风功率混合预测模型
一种基于 boosting 算法短期功率混合预测方法

[发明专利]基于极限学习机和boosting多核学习的目标跟踪方法-CN201610637804.1有效
发明人：孙锐;张东东;王旭;高隽 -专利权人：合肥工业大学
申请日： 2016-08-05 - 公布日： 2018-08-28 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于极限学习机和boosting多核学习的目标跟踪方法，其特征包括：1多次boosting迭代得到优秀的分类器，将每次boosting迭代中通过多核学习得到的弱分类器组合成强分类器，再用强分类器对特征进行分类
基于极限学习机 boosting 多核学习目标跟踪算法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
下一页»
尾页
共 210 条