“魏壮宇”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种数据处理方法、装置、设备及可读存储介质-CN202011224863.9在审
发明人：黄鉴华;魏壮宇 -专利权人：上海幻电信息科技有限公司
申请日： 2020-11-05 - 公布日： 2021-02-26 - 主分类号： G06F16/2455 文献下载
摘要：本发明公开了一种数据处理方法、装置、设备及可读存储介质，所述方法包括：接收访问轨迹请求；其中，所述访问轨迹请求包括：目标平台的平台标识信息、目标用户的身份标识信息和查询时间段；从与所述平台标识信息对应的平台前端数据库中获取在所述查询时间段内的包括所述身份标识信息的页面访问数据；其中，所述页面访问数据还包括：访问序列号；根据所述访问序列号的大小对所有页面访问数据进行排序，并根据排序结果绘制可视化的用户访问轨迹图；本发明能够以最少的成本、最快的速度生成用户访问轨迹。
一种数据处理方法装置设备可读存储介质

[发明专利]一种基于决策树算法的装配制造质量数据处理方法-CN201711426288.9在审
发明人：蔡红霞;魏壮宇;任民山;丁阳;张英雄 -专利权人：上海大学
申请日： 2017-12-26 - 公布日： 2018-06-15 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于决策树算法的装配制造质量数据处理方法。属于质量预测领域。本方法包括根据质量业务流程和质量数据表格建立质量数据模型，将其存储在Oracle数据库中，通过ETL工具informatic将相关的质量业务数据提取到数据仓库中，通过Splunk数据库接口DB Connect使大数据平台Splunk与质量数据仓库连接，实现数据的实时抽取；将改进的数据挖掘C4.5决策树算法集成到Splunk平台中，利用分治思想使决策树算法Map‑Reduce化，并完成大数据平台Splunk集群，实现数据的并行计算和并行搜索，对质量数据进行分类挖掘，达到帮助决策者进行质量数据决策的目的。本方法运算效率大大提升，可以处理海量的质量数据，具有很高的实用价值。 1
质量数据决策树算法质量数据处理质量业务大数据装配质量数据模型数据库接口并行计算并行搜索数据仓库数据提取数据挖掘运算效率质量预测集群抽取制造存储仓库挖掘分类改进决策帮助

[发明专利]一种海量非结构化文本的相似性计算方法-CN201711416937.7在审
发明人：蔡红霞;任民山;魏壮宇;朱政;张微 -专利权人：上海大学
申请日： 2017-12-25 - 公布日： 2018-06-08 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种海量非结构化文本的相似性计算方法。该方法基于传统的Simhash算法进行改进，克服了传统的文本相似性计算方法中准确率不够、计算效率不高的问题。其相似性计算得方法步骤为：（1）、获取所需非结构化数据信息，对数据进行预处理；（2）、对文档内容进行分词，去除停用词，提取关键词，计算每篇文档中每个关键词的特征值权重；将关键词进行二进制化；（3）、累计求解，二进制降维得到每篇文档的改进Simhash值；通过计算两个Simhash值的海明距离得到两篇文档的相似度。
相似性计算文档非结构化文本传统的二进制预处理文本相似性计算非结构化数据二进制化海明距离计算效率文档内容停用词相似度准确率求解分词降维去除权重算法改进

[发明专利]快速图形比对方法-CN201310028308.2有效
发明人： 魏壮宇 -专利权人：台达电子工业股份有限公司
申请日： 2013-01-25 - 公布日： 2017-09-22 - 主分类号： G06K9/64 文献下载
摘要：一种快速图形比对方法，在此揭露，其包括下列步骤预先将一预定角度的模板影像与0～360度的模板影像进行比对以建立一角度预测表；接着，取得一待测影像，将待测影像与预定角度的模板影像进行比对以记录每一位置的相似度，并从角度预测表中找出与相似度对应的多组角度；然后，将多组角度的模板影像逐一与待测影像进行比对以取出最大的相似度当作此位置的比对结果。其采用了角度预测法来改善暴力法的缺点，角度预测法就是在图形比对前先建立好一张角度表，图形比对时，就可用查表的方式计算出待测影像中物体可能倾斜的角度，以此减少需比对的角度，达到快速图形比对的效果。
快速图形方法

[发明专利]一种基于支持向量机的针阀体挤压研磨精度预测方法-CN201710092895.X在审
发明人：刘伟;蔡红霞;朱政;钱晖;魏壮宇;任民山 -专利权人：上海大学
申请日： 2017-02-21 - 公布日： 2017-06-13 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于支持向量机的针阀体挤压研磨精度预测方法，其包括以下步骤确定针阀体研磨精度的评价指标及影响因子；通过试验采集针阀体挤压研磨样本数据，数据划分为训练集和测试集；建立针阀体挤压研磨预测模型，选用径向基核函数为模型核函数，采用交叉验证法确定惩罚因子C和核参数g；采用粒子群算法优化预测模型，通过采用不同参数进行多种优化试验来评估mse和，探究在不同参数取值下的预测结果，然后进行对比以得到最佳的SVM优化方案。该方法预测结果精确，符合加工要求，可对后续加工参数的选择提供科学指导。
一种基于支持向量阀体挤压研磨精度预测方法