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25个,建议您升级VIP下载更多相关专利
  • [发明专利]基于多尺度特征融合的遥感场景分类方法及系统-CN202011643443.4有效
  • 郑禄;梁家锐;宋中山;帖军;刘振宇;汪红;肖鹏飞 - 中南民族大学
  • 2020-12-30 - 2023-10-27 - G06V20/13
  • 本发明涉及图像处理技术领域,公开了一种基于多尺度特征融合的遥感场景分类方法及系统,所述方法包括:获取采集到的遥感图像在不同尺度下的图像特征,将图像特征输入到预设卷积神经网络模型中进行多尺度特征融合,获得融合特征,获取遥感图像的底层特征,将底层特征和融合特征进行归一化处理,获得目标特征,将目标特征输入至预设分类器中进行场景分类,以获得所述遥感图像的类别。通过将获得的遥感图像在不同尺度下的图像特征输入至预设卷积神经网络模型中来获得融合特征,再将融合特征和底层特征进行归一化处理,获得目标特征,并基于目标特征实现遥感场景分类,以避免类间相似高现象和类内差异大现象的发生,提高遥感图像分类精度和准确度。
  • 基于尺度特征融合遥感场景分类方法系统
  • [发明专利]文本分类方法、装置、设备及存储介质-CN202211478964.8在审
  • 郑禄;牛悦;宋中山;陈心浩;帖军;尹帆;孙翀;龙吕佳 - 中南民族大学
  • 2022-11-23 - 2023-03-07 - G06F16/35
  • 本发明属于计算机领域,公开了一种文本分类方法、装置、设备及存储介质。该方法通过预设双向长短时记忆网络对待分类向量文本进行全局特征提取,获得全局上下文特征;通过预设多尺度双重模型对待分类向量文本进行局部特征提取,获得局部特征;将全局上下文特征和局部特征进行特征拼接,获得多尺度特征向量;根据多尺度特征向量获得文本分类结果。由于本发明是对待分类向量文本进行全局特征提取和局部特征提取,将提取的全局上下文特征和局部特征进行特征拼接,获得多尺度特征向量;根据多尺度特征向量获得文本分类结果。相对于现有的利用词频逆文本频率指数算法将文本向量化进而对文本进行分类的方式,本发明上述方式能够提高文本分类的准确率。
  • 文本分类方法装置设备存储介质
  • [发明专利]基于机器学习的页面渲染方法、设备、存储介质及装置-CN201910670809.8有效
  • 郑禄;丁飞琼;雷建云;宋中山;艾勇;夏梦;杨欣 - 中南民族大学
  • 2019-07-23 - 2021-11-02 - G06F16/957
  • 本发明公开了基于机器学习的页面渲染方法、设备、存储介质及装置,该方法包括:在接收到目标用户设备发送的页面加载请求时,根据页面加载请求检测目标用户设备对应的目标设备类型;将目标设备类型输入至预设图像比例优化模型中,以使预设图像比例优化模型输出目标设备类型对应的目标最优比例;获取页面加载请求对应的页面文本信息和页面图像信息;按照目标最优比例对页面图像信息进行压缩,获得优化图像信息;将页面文本信息和优化图像信息渲染到当前页面。由于获取了与目标设备类型对应的目标最优比例,并按照所述目标最优比例压缩页面图像信息的文件大小,从而在不减小图像尺寸的情形下提高页面渲染效率,兼顾了页面加载速度和用户体验。
  • 基于机器学习页面渲染方法设备存储介质装置
  • [发明专利]基于优先级的作业调度优化方法、设备、存储介质及装置-CN201910674438.0有效
  • 雷建云;丁飞琼;郑禄;宋中山;艾勇;夏梦;黄印 - 中南民族大学
  • 2019-07-23 - 2021-10-08 - G06F9/48
  • 本发明公开了一种基于优先级的作业调度优化方法、设备、存储介质及装置,该方法包括:获取待调度作业及待调度作业的预计处理时长;将待调度作业划分为多个待调度队列,获取各待调度队列的优先级阈值;每隔预设时长根据待调度作业的当前等待时长和预计处理时长计算待调度作业的当前优先级;判断当前优先级是否小于待调度作业所属的待调度队列的优先级阈值;若不小于则将待调度作业转入预设就绪队列中,对预设就绪队列中的待调度作业依次进行调度。由于根据等待时间和处理时间计算优先级,优先调度优先级高于优先级阈值的作业,能够优先处理短作业,提高系统的吞吐量和调度效率,能够优先处理等待时长较长的作业,兼顾作业调度的紧急性和公平性。
  • 基于优先级作业调度优化方法设备存储介质装置
  • [发明专利]标签传播的聚类方法、终端设备、存储介质及装置-CN201910504157.0有效
  • 尹帆;张广凯;宋中山;覃俊;郑禄;吴经龙 - 中南民族大学
  • 2019-06-11 - 2021-09-14 - G06F16/33
  • 本发明公开了一种标签传播的聚类方法、终端设备、存储介质及装置,该方法包括:获取各文本的频繁词;从样本文本集中提取所述文本的文本信息,根据所述文本信息通过预设映射关系构建异质文本网络;将所述异质文本网络中对应的文本节点通过预设节点影响力关系生成节点影响力阈值,根据所述节点影响力阈值获取目标标签;在所述异质文本网络中通过预设总相似度关系生成所述文本之间的总相似度阈值,根据所述总相似度阈值获取目标文本节点;将所述目标标签在所述目标文本节点之间进行传播,并将具有相同所述目标标签对应的文本进行聚类,以获得聚类结果簇。本发明技术方案能够解决标签传播随机性和聚类精确度及可信度低的技术问题。
  • 标签传播方法终端设备存储介质装置
  • [发明专利]基于深度学习的绿色柑橘识别方法、设备及装置-CN202010696636.X有效
  • 郑禄;刘越;宋中山;帖军;王江晴;田莎莎;汪进 - 中南民族大学
  • 2020-07-17 - 2021-07-02 - G06K9/46
  • 本发明公开了一种基于深度学习的绿色柑橘识别方法、设备及装置,涉及图像识别技术领域,该方法包括:在接收到待识别绿色柑橘图像时,对所述待识别绿色柑橘图像进行预处理,获得初始特征图;通过预设密集连接卷积单元对所述初始特征图进行采样,获得特征采样图;通过预设残差卷积单元对所述特征采样图进行卷积处理,获得目标特征图;根据所述目标特征图,通过预设识别模型对所述待识别绿色柑橘图像进行识别。本发明通过在特征提取卷积网络中,添加预设密集连接卷积单元,实现特征复用,以克服现有的深度卷积网络中当信息通过很多层之后会消失或过度膨胀,使得重要信息丢失的问题,进而提高了对绿色柑橘图像的识别准确率。
  • 基于深度学习绿色柑橘识别方法设备装置
  • [发明专利]投票节点配置方法及系统-CN201910670424.1有效
  • 帖军;黄坤;李子茂;宋中山;尹帆;马尧;罗均 - 中南民族大学
  • 2019-07-23 - 2021-07-02 - H04L12/24
  • 本发明公开一种投票节点配置方法及系统,包括:主节点定时向分布式集群中的从节点下发参数采集任务;从节点采集性能指标参数并反馈至主节点;主节点基于预设组合算法对各性能指标参数进行权重计算获得各性能指标参数对应的指标权重;根据指标权重以及各性能指标参数对应的参数值计算各从节点对应的投票能力;再根据预设的允许宕机数量确定分布式集群对应的投票节点数量,并根据投票节点数量以及投票能力选取对应的投票节点。由于是根据从节点的性能指标参数以及组合算法确定出的性能指标参数指标权重来计算各从节点的投票能力,然后根据投票能力进行投票节点筛选,从而能够保证筛选出的从节点具有较高的工作性能,实现了投票节点的自动化配置。
  • 投票节点配置方法系统
  • [发明专利]情感原因子句标签的抽取方法、装置、设备及存储介质-CN202010673630.0在审
  • 刘晶;孟凯;覃俊;李子茂;宋中山;夏梦;廖立婷 - 中南民族大学
  • 2020-07-15 - 2020-10-30 - G06F40/289
  • 本发明涉及计算机深度学习技术领域,公开了一种情感原因子句标签的抽取方法、装置、设备及存储介质,所述方法包括:获取目标文档的候选情感原因子句和情感描述子句,并基于候选情感原因子句和情感描述子句生成对应的情感原因特征和情感描述特征,将情感原因特征和情感描述特征输入至预设自注意力模型,以获得情感原因自注意力信息和情感描述自注意力信息,获取候选情感原因子句的相邻子句对应的目标相邻特征,对情感原因自注意力信息、情感描述自注意力信息以及目标相邻特征进行连接,获得特征连接信息,并对特征连接信息进行分类处理,获得情感原因子句标签以实现充分考虑文档中情感原因子句的特征信息,提高情感原因抽取的准确率。
  • 情感原因子句标签抽取方法装置设备存储介质

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