“丁小欧”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果35个，建议您升级VIP下载更多相关专利

[发明专利]基于时间序列数据特征的学习型索引方法及系统-CN202310633101.1在审
发明人：王宏志;闫浩;郑博;叶天生;丁小欧 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-31 - 公布日： 2023-10-13 - 主分类号： G06F16/22 文献下载
摘要：基于时间序列数据特征的学习型索引方法及系统，涉及数据库索引领域。本发明是为了解决现有的时序数据索引方法还存在占用内存大，索引时间长的问题。本发明包括：步骤一、获取时序数据，并按照时间戳将时序数据划分为多个数据段，对每个数据段构建线性模型；步骤二、利用时序数据的时间戳数据和偏移量训练步骤一获得的线性模型，获得训练好的线性模型；步骤三、利用步骤二获得的训练好的线性模型建立B+索引树；步骤四、基于步骤三获得的B+索引树，进行时序数据的插入、时序数据的删除、索引查询操作。本发明用于建立数据库索引，并进行数据的插入、删除、索引操作。
基于时间序列数据特征学习索引方法系统

[发明专利]多嵌入式数据库缓冲区大小协调优化方法及系统-CN202310830704.0在审
发明人：张昊然;王宏志;丁小欧;杨东华;左德承 -专利权人：哈尔滨工业大学
申请日： 2023-07-07 - 公布日： 2023-10-03 - 主分类号： G06F16/21 文献下载
摘要：多嵌入式数据库缓冲区大小协调优化方法及系统，涉及数据库技术领域，针对现有技术中对嵌入式数据库优化时，往往是逐个进行优化，这一过程在同一个系统中重复执行多次，不但浪费时间且使每一个数据库的缓存大幅增长，导致其他程序运行时，由于内存不足，使得其他程序无法运行的问题，本申请针对嵌入式数据库轻量级的特点，对所有的嵌入式数据库进行统一的优化而不是每个数据库分别优化，提升了优化效率，避免了逐个优化导致的时间浪费。并且本申请通过缩小子函数，将缓冲区按排序恢复到默认大小，以此帮助系统渡过内存使用的高峰期，进而解决了数据库的缓存大幅增长，导致其他程序运行时，由于内存不足，使得其他程序无法运行的问题。
嵌入式数据库缓冲区大小协调优化方法系统

[发明专利]面向嵌入式数据库的数据智能化压缩方法及系统-CN202310830705.5在审
发明人：张昊然;王宏志;丁小欧;杨东华;左德承 -专利权人：哈尔滨工业大学
申请日： 2023-07-07 - 公布日： 2023-10-03 - 主分类号： G06F16/174 文献下载
摘要：面向嵌入式数据库的数据智能化压缩方法及系统，涉及数据压缩技术领域，针对现有技术中嵌入式数据库无法适配不同环境，导致压缩速度慢的问题，本申请能对不同场景和系统状况进行分类和识别，并在这之后自动选择需要的压缩算法，并在需要时自动解压缩，可以适应多种使用环境，提高了嵌入式数据库针对不同环境下的压缩速度，并能后智能化判断压缩时机，如物联网设备、手机、个人电脑等设备环境，并根据这些环境下的资源数量进行适配调整，以实现嵌入式数据库的智能化压缩和解压缩，最终达到节约存储资源空间、提高资源利用率、加快网络传输速度的目的。
面向嵌入式数据库数据智能化压缩方法系统

[发明专利]用于数据库参数调优的数据收集器及数据库参数调优方法-CN202310637730.1在审
发明人：王宏志;马健;郑博;叶天生;燕钰;丁小欧 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-31 - 公布日： 2023-08-29 - 主分类号： G06F16/21 文献下载
摘要：用于数据库参数调优的数据收集器及数据库参数调优方法，本发明涉及用于数据库参数调优的数据收集器。本发明的目的是为了解决现有数据库优化没有考虑数据库吞吐量和延迟的问题，而提出用于数据库参数调优的数据收集器及数据库参数调优方法。过程为：数据库参数调优的数据收集器包括：数据采集模块和数据处理模块；数据采集模块用于采集数据；数据处理模块用于处理数据采集模块采集的数据，获得满足数据库参数调优的数据。本发明用于数据收集器收集数据领域。
用于数据库参数数据收集方法

[发明专利]一种基于数据分布中序关系的编码方法及系统-CN202310623717.0在审
发明人：王宏志;舒畅;郑博;叶天生;丁小欧 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-30 - 公布日： 2023-08-25 - 主分类号： G06F40/126 文献下载
摘要：一种基于数据分布中序关系的编码方法及系统，具体涉及一种基于数据分布中序关系的编码方法及系统，为解决现有的计算机编码在编码时会使数据维度爆炸，尤其是当分类变量有大量类别时，导致浪费计算和存储资源，以及计算效率下降的问题。针对计算机数据表某个待编码的离散属性，获取离散属性的所有值对，采用每个值对中每个值的所有离散属性值的分布计算离散属性各值对中值间的分布距离；遍历离散属性中各值得到所有路径，选择距离最短的路径为最短路径，得到最短路径距离；将最短路径的起始点编码为0，依次计算相邻两个值的距离除以最短路径距离，加上当前两个值之前的编码，得到最短路径的编码，完成待编码的离散属性的编码。属于数据编码领域。
一种基于数据分布关系编码方法系统

[发明专利]针对时间序列数据库的多模型学习索引构建方法及系统-CN202310633058.9在审
发明人：王宏志;闫浩;周晨宇;郑博;叶天生;杨东华;丁小欧 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-31 - 公布日： 2023-08-25 - 主分类号： G06F16/22 文献下载
摘要：针对时间序列数据库的多模型学习索引构建方法及系统，属于时间序列数据库技术领域。为了解决现有的索引方案没有针对时间序列数据库进行特异性优化开发，因此限制了针对时间序列数据库的索引能力。本发明针对时间序列数据库的数据采用为LSM树存储结构存储数据；构建学习索引的过程中，针对RLE编码的时间戳数据采用常量模型建立学习索引，针对于ZigZag算法编码后的值未超过(160)‑1的整数型数据，采用Packed编码的时间戳数据和浮点数，采用分段模型建立学习索引，针对于ZigZag算法编码后的值大于(160)‑1的整数型数据、采用RAW编码的时间戳和字符串，采用线性模型建立学习索引。
针对时间序列数据库模型学习索引构建方法系统

[发明专利]一种数据与查询混合驱动的智能基数估计方法及系统-CN202310623712.8在审
发明人：王宏志;舒畅;张恺欣;丁小欧;郑博;叶天生 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-30 - 公布日： 2023-08-25 - 主分类号： G06F16/2453 文献下载
摘要：一种数据与查询混合驱动的智能基数估计方法及系统，为解决智能基数估计方法无法同时高效的初始化模型和通过迭代优化模型，导致数据成本较高，查询的基数估计结果准确率低的问题。根据获取的基数估计数据表构建智能基数估计模型；利用智能基数估计模型对查询集中每个查询进行多个单点查询，得到每个查询的基数估计结果；根据基数估计数据表和每个查询得到实际查询结果；计算实际查询结果的基数和基数估计结果的差值，若大于阈值，计算基数估计结果对实际查询结果的基数的均方误差，利用微分优化器计算反向传播结果优化模型参数；否则不优化。利用优化的模型得到待查询数据的基数估计结果。
一种数据查询混合驱动智能基数估计方法系统

[发明专利]一种基于CNN模型的图像分类系统-CN202310633090.7在审
发明人：王宏志;陈泊舟;郑博;叶天生;丁小欧 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-31 - 公布日： 2023-08-25 - 主分类号： G06V10/764 文献下载
摘要：一种基于CNN模型的图像分类系统，它属于图像分类技术领域。本发明解决了采用现有的学习率规划方法获得的深度学习模型对图像分类的准确性差的问题。本发明采取的主要技术方案为：利用图像获取模块获取零件表面图像，并将获取的图像发送给图像处理模块；利用图像处理模块对获取的图像进行处理，并将处理后的图像发送给CNN模型；利用CNN模型输出对图像的分类结果；本发明方法在对CNN模型进行训练时，根据模型参数对学习率的梯度进行更新后，根据更新后的学习率梯度对学习率进行更新，可以显著提高训练好的深度学习模型的分类准确性。本发明方法可以应用于图像分类技术领域。
一种基于 cnn 模型图像分类系统

[发明专利]一种基于深度学习的零件表面缺陷分类系统-CN202310633238.7在审
发明人：王宏志;陈泊舟;郑博;叶天生;丁小欧 -专利权人：北京诺司时空科技有限公司
申请日： 2023-05-31 - 公布日： 2023-08-25 - 主分类号： G06V10/764 文献下载
摘要：一种基于深度学习的零件表面缺陷分类系统，它属于图像分类技术领域。本发明解决了现有深度学习模型在优化channel数量时所需的优化时间和存储开销大，而且channel数量优化后的深度学习模型的分类准确率低的问题。本发明采取的主要技术方案为：本发明将卷积核中的每个通道分别作为一个独立的候选者，根据控制变量和候选者的索引，分别将每个候选者的索引映射到一个值为0或1的indicator值，再根据映射结果进行通道选择。采用本发明方法可以解决现有深度学习模型在优化channel数量时所需的优化时间和存储开销大的问题。而且，采用本发明方法对channel数量进行优化，可以显著提高训练好的深度学习模型的分类准确率。本发明方法可以应用于图像分类领域。
一种基于深度学习零件表面缺陷分类系统

[发明专利]一种基于时效平衡树的数据处理方法及系统-CN202310454483.1在审
发明人：王宏志;苏佳轩;丁小欧 -专利权人：哈尔滨工业大学
申请日： 2023-04-25 - 公布日： 2023-08-08 - 主分类号： G06F16/22 文献下载
摘要：一种基于时效平衡树的数据处理方法及系统，具体涉及一种基于时效平衡树的数据处理方法及系统，为了解决计算机的平衡树类结构上存在的短期内被查询频率最高的节点通常消耗代价过高、单次查询消耗通常固定为对数级别时间，使平衡树缺乏对查询频率和近期查询的时效性的敏感性，导致每次查询时间过长的问题。它构建时效平衡树，将数据按照时效平衡树的结构存储，空树、单节点、时效平衡树的左子树和右子树均是时效平衡树，时效平衡树上的每个节点包括检索键值对、时效权值和记录查询轮次，时效权值由衰减法计算。定义时效平衡树的失衡度、平衡状态和旋转方式。依据定义、时效平衡树和时效权值完成计算机数据的处理。属于计算机数据处理领域。
一种基于时效平衡数据处理方法系统

[发明专利]一种基于弱监督集成的多元时间序列异常检测方法及系统-CN202310441636.9在审
发明人：王宏志;宋亦宸;丁小欧 -专利权人：哈尔滨工业大学
申请日： 2023-04-23 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：一种基于弱监督集成的多元时间序列异常检测方法及系统，具体涉及一种基于弱监督集成的多元时间序列异常检测方法及系统，为了解决时间序列异常检测方法导致异常检测效果差、准确率低，以及人力成本高，难以适应业务和产品特性变化的问题。它利用不同时间序列异常检测算法检测训练集，得到对应的异常分数，提取训练集中任意两条时间序列的相关性，得到相关性特征，合并每条多元时间序列的异常分数和对应的相关性特征，作为当前多元时间序列的新特征，利用XGBoost算法对每条多元时间序列的新特征进行异常检测，输出对应多元时间序列是否为异常时间序列，得到异常检测器，利用异常检测器直接对多元时间序列进行检测。属于序列异常检测领域。
一种基于监督集成多元时间序列异常检测方法系统

[发明专利]一种基于缓存与深度学习的索引推荐方法及系统-CN202310399085.4在审
发明人：王宏志;马健;燕钰;丁小欧 -专利权人：哈尔滨工业大学
申请日： 2023-04-14 - 公布日： 2023-07-18 - 主分类号： G06F16/21 文献下载
摘要：一种基于缓存与深度学习的索引推荐方法及系统，具体涉及一种基于缓存数据库与深度学习的计算机数据库的索引推荐方法及系统，为解决数据查询时计算机数据库的索引推荐方法未利用历史数据，且索引推荐算法无法判断计算机某个列表中特定列是否需要创建索引，导致查询准确率比较低的问题。将编码后的计算机数据库的工作负载和索引配置合并，得到特征向量；将计算机数据库对应的列和数据插入建立的缓存数据库内进行存储；将特征向量输入基于长短期记忆网络建立的数据库调优模型中，结合缓存数据库，输出向量B，若向量B中第i位元素为1，则在计算机数据库列表第i列创建索引，否则不创建索引，根据创建索引的列完成数据查询。属于索引推荐领域。
一种基于缓存深度学习索引推荐方法系统

[发明专利]多规则协同的数据清洗系统、存储介质及设备-CN202310386774.1在审
发明人：王宏志;周牧云;丁小欧;杨东华 -专利权人：哈尔滨工业大学
申请日： 2023-04-12 - 公布日： 2023-07-18 - 主分类号： G06F18/10 文献下载
摘要：多规则协同的数据清洗系统、存储介质及设备，涉及计算机数据处理领域。本发明是为了解决现有的数据清洗方法还存在由于逻辑冲突频发和错误率高而导致的难以实现自动数据清洗的问题。本发明包括：规则存储单元：存储修复规则；规则修改单元：修改修复规则；规则冲突检测单元：检测正在计算顺序的规则是否发生冲突；规则修复单元：修复冲突的规则；规则顺序计算单元：计算规则顺序；错误数据检测单元：判断数据错误的原因并推荐修复方式；错误数据修复单元：按照推荐的修复方式和规则顺序对错误数据进行修复；约束修改单元：采用推荐的修复方式修复数据，并将修复方式发送给规则库模块。本发明用于数据清洗。
规则协同数据清洗系统存储介质设备

[发明专利]一种基于图神经网络的电网潮流调整方法-CN202310386777.5在审
发明人：王宏志;郑胜文;刘怀远;丁小欧 -专利权人：哈尔滨工业大学
申请日： 2023-04-12 - 公布日： 2023-06-27 - 主分类号： H02J3/06 文献下载
摘要：一种基于图神经网络的电网潮流调整方法，属于电网控制技术领域。为了解决目前的人工调整电网潮流的方式存在耗费人力资源且速度很慢的问题。本发明利用图神经网络模型对电网异构图节点的电网数据进行图嵌入处理；然后针对图嵌入处理后不收敛的电网数据，基于强化学习的方式进行电网参数调整；图神经网络模型进行图嵌入处理时，利用重启随机游走的方式进行电网的节点采样，先将同一节点的不同参数转化成维度相同的特征，再对转换后的不同参数对应的特征进行不分先后顺序的聚合，然后针对目标节点选择将相同类型的邻居节点进行聚合，最后有权重地聚合不同类型邻居节点和目标节点参数。主要用于电网潮流调整。
一种基于神经网络电网潮流调整方法

[发明专利]基于多约束协同的异常数据检测并修复的方法及相关产品-CN202310156625.6在审
发明人：黄建平;王红凯;冯珺;彭梁英;潘司晨;赵帅;陈浩;李钟煦;丁小欧;王宏志 -专利权人：国网浙江省电力有限公司;国网浙江省电力有限公司信息通信分公司;哈尔滨工业大学
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06F18/15 文献下载
摘要：本申请公开了一种基于多约束协同的异常数据检测并修复的方法及相关产品，可应用于数据修复技术领域。该方法包括：确定多元时间序列中的待修复时间区间；根据所述待修复时间区间建立依赖网络；根据所述依赖网络获取可变特征预测顺序以及对应的预测模型字典；根据所述可变特征预测顺序和所述预测模型字典确定可变特征对应的候选修复值；根据所述候选修复值更新所述多元时间序列，实现时序数据的修复。因此，本申请对多元时间序列进行划分，并采用上类约束的算法对多元时间序列进行修复从而保证在修复过程中不引入新的约束的违规，在提高了错误数据修复结果的准确率和可靠度的前提下提高了错误数据的修复速度。
基于约束协同异常数据检测修复方法相关产品

1
2
3
下一页»
尾页
共 35 条