[发明专利]城市内部PM2.5浓度模拟和人口暴露度评估方法和装置有效
| 申请号： | 202010116723.3 | 申请日： | 2020-02-25 |
| 公开（公告）号： | CN111461163B | 公开（公告）日： | 2023-03-24 |
| 发明（设计）人： | 王坤;张丽君;秦耀辰 | 申请（专利权）人： | 河南大学 |
| 主分类号： | G06F18/2431 | 分类号： | G06F18/2431;G06Q10/0639;G06Q50/26 |
| 代理公司： | 苏州知途知识产权代理事务所(普通合伙) 32299 | 代理人： | 陈瑞泷 |
| 地址： | 47500*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种城市内部PM2.5浓度模拟和人口暴露度评估方法和装置，先建立缓冲区，通过缓冲区以随机森林模型模拟预测居住区的PM2.5浓度，并将预测得到的居住区的PM2.5浓度与居住区中实际测得的PM2.5的值进行比较确定预测的精度，以保证PM2.5浓度预测的准确性，本申请的城市内部PM2.5浓度模拟和人口暴露度评估方法和装置具有预测结果准确，适用性高的优点。 | ||
| 搜索关键词： | 城市 内部 pm2 浓度 模拟 人口 暴露 评估 方法 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河南大学，未经河南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010116723.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于网络协同制造的设备数据收集分析方法-202310821427.7
- 李超雄;何建波;李冰;王燕;陈春年 - 安徽中能电源有限公司
- 2023-07-06 - 2023-10-27 - G06F18/2431
- 本发明公开了一种基于网络协同制造的设备数据收集分析方法，涉及数据处理技术领域。本发明包括如下步骤：频域分解算法分解工业园区的设备数据，将日周期、周周期分量用Elman神经网络分析；低频分量采用随机森林分析；高频分量则使用Mallat法二次分解，选取低频部分做训练样本与Elman神经网络结合分析高频分量；将各个频域分量结果重组；工业园区设备分析模型得到分析结果。本发明提高设备数据管控效率，及时发现异常数据，减小工厂损失。
- 多媒体资源推荐方法、模型训练方法、装置及存储介质-202310645304.2
- 刘刚 - 腾讯科技（深圳）有限公司
- 2023-06-01 - 2023-10-27 - G06F18/2431
- 本申请公开了一种多媒体资源推荐方法、模型训练方法、装置及存储介质，可以应用于云技术、人工智能、智慧交通、车联网等各种场景，所述方法包括：获取目标对象的目标对象属性以及候选多媒体资源的候选资源信息；将目标对象属性以及候选资源信息，输入资源推荐模型的综合特征提取网络进行特征提取处理，得到候选综合特征；将候选综合特征输入资源推荐模型的第一任务预测网络，进行播放信息预测，得到播放信息预测结果；将候选综合特征输入资源推荐模型的第二任务预测网络，进行反馈信息预测，得到反馈信息预测结果；基于播放信息预测结果以及反馈信息预测结果，得到目标推荐结果。本申请提高了多媒体资源的推荐准确率。
- 基于卷积神经网络识别输电线路发展性故障的方法-202110814396.3
- 郝治国;林泽暄;杨松浩;张宇博 - 西安交通大学
- 2021-07-19 - 2023-10-27 - G06F18/2431
- 本发明公开了一种基于卷积神经网络识别输电线路发展性故障的方法，该方法结合了CBAM注意力机制，使网络从通道和空间上更注重有效的细节和全貌特征。首先，建立模型生成大量发展性故障数据，构建故障样本库；然后，建立结合CBAM模块的卷积神经网络，并利用故障数据集训练该网络，训练好的网络末端通过阈值判断可对发展性故障进行识别和分类。当应用时，只需要导入待检测的电流波形，即可逐点输出识别的故障类型信息。与现有的技术相比，本发明方法无需复杂的理论建模和特征分析过程，抗噪性能和泛化能力优良，且基于注意力机制所提取的故障特征具有较明确的物理含义，一定程度上解决了已有人工智能方法可解释性不足的问题。
- 肺癌分期识别方法、装置、设备及存储介质-202310129796.X
- 李春阳;熊先华;吴斌;刘立波;董骧 - 北京纳通医用机器人科技有限公司
- 2023-02-07 - 2023-10-27 - G06F18/2431
- 本公开涉及一种肺癌分期识别方法、装置、设备及存储介质，其中，方法包括：获取采样气体的传感器阵列信号，其中，所述传感器阵列信号包括多个子传感器信号；提取所述多个子传感器信号的特征向量，并通过注意力网络分别确定每个所述特征向量对于每一肺癌分期类别的注意力分数；根据所述注意力分数和所述特征向量进行注意力加权，通过对加权后的特征向量求和，得到所述传感器阵列信号的融合特征；将所述融合特征输入多类分类器进行处理，确定肺癌分期结果。根据本公开的技术方案，能够提高肺癌分期检测的准确性。
- 一种基于综合能源模型的综合能源故障诊断系统及方法-202010236268.0
- 平原;齐文斌;高卓 - 北京四方继保工程技术有限公司;北京四方继保自动化股份有限公司
- 2020-03-30 - 2023-10-27 - G06F18/2431
- 本发明公开了一种基于综合能源模型的综合能源故障诊断系统及方法，通过构建综合能源全网水热电气站点模型，进行全网水热电气站点模型数据采集，各种能源分量数据和总表数据进行纵向比较，各种能源故障类型数据进行横向比较，各种能源故障量测点定时统计分析故障率，故障时长，进行综合评估，按评估类型和评估故障等级进行综合排序，得出影响最大的故障点，故障原因，通过故障驱动系统进行故障指令分发，告警通知，减少故障时长，实现综合能源系统的优质，可靠的能源提供。
- 一种网络学习资源平台演化阶段的识别方法-202310724251.3
- 杨现民;刘天丽;李康康 - 江苏师范大学
- 2023-06-19 - 2023-10-24 - G06F18/2431
- 本发明公开一种网络学习资源平台演化阶段的识别方法，属于计算机科学与技术应用领域。对网络学习资源平台的用户数据、学习资源数据进行量化提取，对平台的评价指标进行量化计算，以这些评估指标的计算数值为网络学习资源平台演化阶段识别提供参考依据，从网络学习资源平台的不同时间节点提取评估指标核心要素项，进行网络学习资源平台演化阶段的计算并生成网络学习资源平台演化阶段识别的分析报告。其步骤简单，评价科学，帮助网络学习资源平台管理者多维度掌握资源平台发展的质量，促进网络学习资源平台从高速度转向高质量资源生态发展方向。
- 工单处理措施推荐模型的训练方法、推荐方法及相关装置-202310126618.1
- 赵旭凇;董威;顾明;李慧;王沁;吴继新;陈曦;袁静;杨海;陈涛;侯金凤;王洁丽;蔡晶晶;宋评;冯圆媛 - 中国移动通信集团设计院有限公司;中国移动通信集团有限公司
- 2023-02-16 - 2023-10-20 - G06F18/2431
- 本发明实施例涉及通信技术领域，公开了一种工单处理措施推荐模型的训练方法、推荐方法及相关装置，该方法包括：对历史工单数据进行文本预处理，得到初始工单样本集；初始工单样本集包括各个历史工单数据对应的工单特征数据及处理措施；对初始工单样本集中的各个初始工单样本进行特征提取，得到各个初始工单样本对应的处理措施的表征向量；对所有初始工单样本对应的处理措施的表征向量进行相似度计算，得到多个处理措施类别，确定各个初始工单样本对应的处理措施标签，得到训练样本集；将训练样本集输入随机森林推荐算法中进行训练，得到工单处理措施推荐模型。本发明实施例实现了工单处理措施的准确推荐，提高了工单处理措施的处理效率。
- 一种流数据分类模型的优化方法及装置-202310105454.4
- 邓泽;李力;王力哲;靳悦悦 - 中国地质大学（武汉）
- 2023-02-13 - 2023-10-20 - G06F18/2431
- 本发明提供了一种流数据分类模型的优化方法及装置，涉及数据查询领域，所述方法包括：获取流数据分类模型中的决策树，所述流数据分类模型用于对流数据分类；对所述决策树进行结构化分类操作，得到多个决策树集合；对每个所述决策树集合内的决策树进行编码压缩，得到对应的压缩决策树集合；对每个所述压缩决策树集合进行基于决策树编辑距离的聚类，得到聚类决策树集合；对所有所述聚类决策树集合进行筛选，得到轻量级的流数据分类模型。与现有技术比较，本发明解决了流数据分类模型中大量的决策树导致系统被占用大部分内存，分类效率低的问题。
- 基于显著性正则化图神经网络的图分类方法及相关装置-202310459053.9
- 徐维娜;王向荣;吴宗泽;王瑾璠;袁端午 - 南方科技大学;深圳大学;深圳海星港口发展有限公司
- 2023-04-18 - 2023-10-17 - G06F18/2431
- 本申请公开了一种基于显著性正则化图神经网络的图分类方法及相关装置，所述方法包括获取待分类目标对应的图结构数据，并将所述图结构数据输入显著性正则化图神经网络；通过所述显著性正则化图神经网络确定所述待分类目标的分类类别；其中，所述显著性正则化图神经网络通过骨架网络学习节点特征矩阵，通过图神经记忆网络将节点特征矩阵提取为紧凑图特征表示，并基于紧凑图特征表示以及节点特征矩阵确定显著性分布向量，最后通过显著性分布向量规范骨架网络的聚合权重。这样使得显著性正则化图神经网络通过测量整紧凑图特征表示和节点特征矩阵之间的兼容性，而关注与图分类更相关的节点，并且能够为整个图学习更有效的表示，从而可以提高图分类任务的分类效果。
- 一种基于双重特征选择的情绪障碍疾病多分类方法-202310847201.4
- 冯立辉;李兆军;卢继华;陈威;罗杰;何凡;郑毅 - 北京理工大学
- 2023-07-12 - 2023-10-17 - G06F18/2431
- 本发明属于机器学习、数据表示与分类技术领域，尤其涉及一种基于双重特征选择的情绪障碍疾病多分类方法。所述方法对客观数据进行特征提取，每一条客观数据得到一条特征数据；将得到的特征数据进行双重特征选择，得到待分类数据；所述双重特征选择第一次特征选择使用KS检验和最大互信息系数MIC计算特征的综合评分，挑选每两类之间的有效特征；所述综合评分为差异度评分与相关度评分的加权和；所述第二次特征选择每两类间的有效特征作为双重特征选择后的待分类数据；将待分类数据进行训练，得到训练好的模型；将测试集送入训练好的模型中进行测试，得到分类结果；所述方法依托特征选择提升分类准确性，实现了情绪障碍疾病的高准确率识别。
- 一种电力系统实验数据自动诊断方法-202310505336.2
- 许欣;姜炯挺;李超;周宏辉;蒋科若;杨跃平;肖立飞;张国锋;徐春土;骆世耀;张思宾;高明;吕世斌;黄旭聪;赵鲁臻 - 国网浙江省电力有限公司宁波供电公司
- 2023-05-08 - 2023-10-17 - G06F18/2431
- 本发明提供了一种电力系统实验数据自动诊断方法，方法包括：步骤S1：采集油品实验数据并建立电力系统实验数据库；步骤S2：提取电力系统油品的第一指标；步骤S3：第一指标组成决策树，并对决策树进行训练并综合结果，得到各个第一指标的权重赋分；步骤S4：设定权重赋分评分标准，并基于评分标准和权重赋分自动实时计算更新电力系统油品的健康值；步骤S5：对相同工段的相同设备不同时间的健康值对比分析，预测风险并指定检修策略。本发明解决现有诊断方法较为单一、效率低下、自动化程度低等问题，难以应对大量数据，设备健康评价准确度不高，缺少对设备健康状况的动态跟踪的问题。
- 一种电网数据综合处理系统及方法-202310761536.4
- 王祥哲;郭宗耀;王芳;韩桂莲;宋黎明;时庆宾;梁赛;马欣;陈大鹏;梁明;李岩;郜丹;郭承前 - 国网山东省电力公司汶上县供电公司;国网山东省电力公司济宁供电公司
- 2023-06-26 - 2023-10-13 - G06F18/2431
- 本发明提出了一种电网数据综合处理方法及系统，通过运行数据得到对应的趋势曲线，通过趋势曲线得到运行数据的偏离程度，根据运行数据的偏离程度判断是否出现异常数据。通过数据偏离程度的方式，能够及时地发现异常数据，解决现有的判断异常数据通过阈值判断不准确、不能及时得到异常数据的问题。对于所发现的异常数据通过所构建的随机森林模型得到异常类型，通过将随机森林的误差函数作为粒子的适应度函数，对粒子群优化算法进行参数的选优，提高所构建的随机森林模型的异常类型的预测准确性。
- 基于混合框架的不均衡分类方法、系统、设备和存储介质-202110708211.0
- 郭得科;陈锐;罗来龙;陈颖文 - 中国人民解放军国防科技大学
- 2021-06-24 - 2023-10-13 - G06F18/2431
- 本申请涉及一种基于混合框架的不均衡分类方法、系统、设备和存储介质。该方法通过不均衡网络异常检测数据集用于验证我们的混合重采样的集成模型。通过提出了重采样方法的组合以减少多数类的数量，从而加快处理速度。并在数据级别处理不均衡数据集，并使用重采样技术将数据集转换为均衡分布。通过建立了一个包含12个不同分类器的集成模型，与以前工作中的5个分类器相比，它们提供了更多的选择。通过使用集成模型对经过上述处理后获得的略微均衡的数据进行分类，因此，通过提出欠采样和过采样的新颖组合，以均衡不同数据类别之间的不均衡性，并以较少的内存开销加快处理速度。
- 一种面向积极情绪感知的情感参与度检测方法-202310811417.5
- 罗珍珍;罗勇;秦乐;桂小林 - 江西师范大学
- 2023-07-04 - 2023-10-03 - G06F18/2431
- 本发明为一种面向积极情绪感知的情感参与度检测方法，涉及数据分析技术领域，是对学生课堂学习中不同维度的数据分别进行特征抽取，实现各个维度的信息识别，然后在决策融合和结果应用分析，是对学生课堂学习中各个维度的数据进行特征抽取，之后采用基于深度学习网络的融合策略，应用于后续的监督分类，构建学生积极情感参与度模型。不同通道获取的学生认知、情感和思维等不同多模态信息整合到一个框架里，来综合反映学生的积极情感。
- 基于双向门控卷积神经网络的网络流量异常检测分类方法-202310760296.6
- 侯爱琴;陈竹莲;屈新纪;王瑜琨;汝乐 - 西北大学
- 2023-06-26 - 2023-10-03 - G06F18/2431
- 本发明公开了一种基于双向门控卷积神经网络的网络流量异常检测分类方法：步骤1，对CIC‑IDS2017数据集进行数据预处理；步骤2，构建基于双向门控卷积神经网络的网络流量异常检测模型；步骤3，通过CrossEntropyLoss损失函数进行监督训练，得到训练好的基于双向门控卷积神经网络的网络流量异常检测模型。步骤4，将待检测网络流量数据进行预处理后输入步骤3得到的训练好的基于双向门控卷积神经网络的网络流量异常检测模型，输出异常检测结果。本发明的分类方法在多分类任务中优于其他现有模型，检测精度高，分类准确率具有一定的提升，本发明得到更具有代表性的特征信息进行分类判决，实现高性能的网络流量异常检测。
- 特征分箱方法、装置、电子设备和计算机可读存储介质-202310531069.6
- 陈立峰;李腾飞;卞阳;杨云波;尤志强 - 北京富算科技有限公司
- 2023-05-12 - 2023-10-03 - G06F18/2431
- 本申请提供了一种特征分箱方法、装置、电子设备和计算机可读存储介质，其中，该方法包括：获取至少两个分箱参与方的用户特征数据集，其中，每一组用户特征数据集包括多项用户特征数据；将至少两个分箱参与方的所述用户特征数据集进行处理，得到至少两个分箱参与方对应的增值特征数据，所述增值特征数据所包含的交集特征数据与处理后的非交集特征数据；根据所述增值特征数据，确定出所述用户特征数据的极值数值；根据所述极值数值，对所述用户特征数据集进行分箱处理。
- 基于改进型注意力机制的多标签心电信号分类方法-202310195187.4
- 王英龙;徐国璇;舒明雷;朱亮;单珂;刘照阳 - 山东省人工智能研究院;齐鲁工业大学（山东省科学院）
- 2023-03-03 - 2023-10-03 - G06F18/2431
- 一种基于改进型注意力机制的多标签心电信号分类方法，使用一种基于改进型注意力机制的多标签心电信号分类方法，构建了一个能够对多标签多导联心电信号进行分类的模型，利用该模型强大的对心电数据的学习能力，能让计算机充分提取心电信号的特征，构建数据处理通道模型，从而有效的对多标签多导联心电信号进行分类，提高了分类的准确率和精度。
- 变压器故障监测装置-202223594893.6
- 陈斌;刘晓成;李旭;钱文龙;苏强 - 杭州晟冠科技有限公司
- 2022-12-30 - 2023-10-03 - G06F18/2431
- 本申请涉及一种变压器故障监测装置，变压器故障监测装置包括：变压器本体；机柜，机柜上分别设有放电监测单元、气体监测单元、电流监测单元、声纹及振动监测单元以及上位机；放电监测单元与上位机连接，用于监测变压器本体的放电故障信息；气体监测单元与上位机连接，用于监测变压器本体油中故障气体含量信息；电流监测单元与上位机连接，用于监测变压器本体的电流故障信息；声纹及振动监测单元与上位机连接，用于监测变压器本体的机械故障信息。本申请上位机对电、气、声、机械、光、温度等多维度传感器数据进行融合，提取变压器本体多维信息的特征，能够对变压器本体的故障进行诊断，对变压器的健康状态进行预估，对潜在的故障进行预警。
- 一种在线飞行器多源电信号监测与融合决策识别方法-202310687293.4
- 李可;陈家骜;武昊鹏;李鹏蛟;阚艳;庞丽萍;杨顺昆 - 北京航空航天大学
- 2023-06-09 - 2023-09-29 - G06F18/2431
- 本发明涉及一种在线飞行器多源电信号监测与融合决策识别方法。包括：当飞行器信号要进行多源电信号监测识别时(101)，进行数据采集，并放入数据库(102)，判断此时是否多源传感器的数据都已完成收集(103)，若还未完成，对数据进行预处理(104)，提取时序特征(105)，得到基本置信分配(106)。若完成所有传感器数据收集，则进行状态属性决策融合(107)，最后完成健康状态判别(108)。本发明采用多源传感器数据监测和融合决策，相比单一传感器提升了置信度，提高了健康判读的准确性。
- 一种实体标签关联预测方法、装置及计算机可读存储介质-202310443900.2
- 刘砺志;佟志臣;蒋海俭;闵青 - 中国银联股份有限公司
- 2023-04-23 - 2023-09-29 - G06F18/2431
- 本发明提供了一种实体标签关联预测方法、装置、系统及计算机可读存储介质，该方法包括：确定多种维度的实体关系网络、层次化标签关系网络和实体标签关联网络，实体标签关联网络包含未知的实体标签关联关系；根据实体关系网络、层次化标签关系网络和实体标签关联网络构造实体相似度关联矩阵、标签相似度关联矩阵和实体标签关联矩阵；根据实体相似度关联矩阵、标签相似度关联矩阵和实体标签关联矩阵进行模型求解，得到预测结果；其中，模型的目标函数引入对权重系数向量
- 一种冷冻水系统故障风险的测定方法、装置及电子设备-202210271692.8
- 杨莉;张欣;郭创成;宋广亮;王冲;李德盛;吴成章 - 华龙国际核电技术有限公司
- 2022-03-18 - 2023-09-29 - G06F18/2431
- 本申请公开了一种冷冻水系统故障风险的测定方法、装置及电子设备，属于故障概率测定领域。冷冻水系统故障风险的测定方法包括如下步骤：构建对应冷冻水系统的模糊故障树，所模糊故障树包括顶事件、中间事件和基本事件；基于模糊故障树获取冷冻水系统的第一故障数据，第一故障数据表示基本事件的模糊概率可能性分布；依据第一故障数据确定第二故障数据，第二故障数据表示顶事件和中间事件的模糊概率可能性分布；依据第一故障数据和第二故障数据确定冷冻水系统的故障风险测定数据。在本申请中，可以通过已采集的第一故障数据确定第二故障数据，从而得到模糊故障树中故障事件的模糊概率可能性分布，进而提高在冷冻水系统中故障风险测定数据的效果。
- 一种基于Transformer的web指纹识别方法、系统、设备以及存储介质-202211256998.2
- 赵阳;刘周;柴源;林禹全;曹兰天 - 吉林省吉林祥云信息技术有限公司
- 2022-10-14 - 2023-09-29 - G06F18/2431
- 一种基于Transformer的web指纹识别方法、系统、设备以及存储介质，属于网络安全和人工智能交叉结合技术领域，解决了现有技术在分析web指纹时，由于未能充分利用HTML源码的信息，造成web指纹识别的准确度低的问题。步骤S1，收集多个HTML源码和其对应的web指纹类别，并将已收集的多个HTML源码作为HTML源码数据集；步骤S2，将HTML源码数据集的数量进行扩充；步骤S3，将已扩充的HTML源码数据集进行预处理，将已预处理的HTML源码数据集划分为训练集和验证集；步骤S4，Transformer编码器结构结合Logistic回归算法构建出web指纹识别模型；步骤S5，将训练集输入到已构建出的web指纹识别模型中对其进行训练；步骤S6，使用训练生成的web指纹识别模型进行识别web指纹信息。
- 对继电保护装置缺陷进行定级的方法、装置及存储介质-202011101410.7
- 刘一民;杨心平;郑少明;杨慧敏;杜鹃;王宁 - 国家电网公司华北分部
- 2020-10-15 - 2023-09-29 - G06F18/2431
- 本方案公开了一种对继电保护装置缺陷进行定级的决策树构建方法，该方法包括：基于装置类别及型号对预先获取的继电保护装置的缺陷属性特征集中的缺陷属性特征进行初步分类，获得多个不同类的缺陷属性特征集；基于装置型号对同一类内的缺陷属性特征进行再次分类；基于再次分类汇总在一起的缺陷属性特征的特征值构建决策树。方法考虑了继电保护装置缺陷数据各个属性对于缺陷分类的作用，且根据决策树算法需求对缺陷数据进行了分类汇总，基于该方法建立的决策树森林适用于同厂商不同系列装置缺陷定级规则异同对比分析，对缺陷定级工作具有一定指导意义。
- 一种众包开发者推荐方法和装置-202011156133.X
- 蒋竞;吴秋迪;张莉 - 北京航空航天大学
- 2020-10-26 - 2023-09-29 - G06F18/2431
- 本发明涉及一种众包开发者推荐方法和装置，属于计算机技术领域，解决了现有技术中的相关信息少，对开发人员预测的准确率低的问题。众包开发者推荐方法包括：从开源社区的众包平台中获取多个众包任务数据，其中，多个众包任务数据包括：任务特征数据、开发者特征数据、开发者在开源社区中的数据以及开发者与任务的历史关系数据；将多个众包任务数据转换为输入矩阵；根据输入矩阵和众包任务与开发者的标记构建LGBM模型，并对LGBM模型进行训练，以获得LGBM预测模型；以及利用LGBM预测模型对待推荐任务进行开发者预测，以确定待推荐的开发者列表。通过完整全面的众包任务数据提高了人员推荐的正确率。
- 一种雷达信号分选识别方法、装置、探测器及存储介质-202010923790.6
- 马知远;林安妮;余文婷;黄智;夏炎;宋子轩;王肖君 - 中国人民解放军海军工程大学
- 2020-09-04 - 2023-09-26 - G06F18/2431
- 本发明涉及一种雷达信号分选识别方法、装置、探测器及可读存储介质，通过将目标辐射源信号使用CWD时频分析技术及短时自相关特征图像构造方法进行处理，得到原始时频图像及自相关特征图像，并通过卷积神经网络特征提取器及随机森林分类器得到分类结果，将其加权融合后，得到分选识别结果，解决了现有技术中使用CWD时频分析技术识别未知雷达波形准确率较低的技术问题，达到了仅使用较少的雷达样本信息下大幅提高未知雷达信号的识别率。
- 一种多机协同空战中的目标战术意图识别方法-202011499492.5
- 孟光磊;赵润南;王竹筠;周铭哲;田丰;孙小平;梁宵 - 沈阳航空航天大学
- 2020-12-17 - 2023-09-26 - G06F18/2431
- 本申请提供了一种多机协同空战中的目标战术意图识别方法，包括：根据已提取并经过预处理的数据，基于支持向量机对战术意图中的进攻意图特征进行量化识别；基于预设的参数和特征提取规则，提取协同战术特征；将提取的协同战术特征输入到已建立并训练的决策树分类器模型，对多机协同空战中的目标战术意图进行识别；其中，所述基于预设的参数和特征提取规则，提取协同战术特征的步骤包括：基于动态贝叶斯网络规则，提取空间占位特征；基于雷达模型，提取静默突防特征；基于威胁评估的规则，提取主目标选择特征。本发明能够有效的识别出协同战术意图，识别率较传统研究成果有较大提升。
- 基于EEGNet和LSTM并行网络的脑电信号多分类方法及系统-202310732885.3
- 罗响;胡炫烨 - 中国地质大学（武汉）
- 2023-06-19 - 2023-09-22 - G06F18/2431
- 本发明提供一种基于EEGNet和LSTM并行网络的脑电信号多分类方法及系统，包括以下步骤：构建EEG‑LSTMNet模型，EEG‑LSTMNet模型包括并行设置的EEGNet模块和LSTM模块；对EEG‑LSTMNet模型进行参数设置和训练，获得训练好的EEG‑LSTMNet模型；获取脑电信号，通过训练好的EEG‑LSTMNet模型中的EEGNet模块和LSTM模块分别对脑电信号进行特征提取，获得EEGNet频域特征和LSTM时域特征；将EEGNet频域特征和LSTM时域特征进行融合，获得最终脑电信号分类结果。本发明构建了一种EEG‑LSTMNet模型，将EEGNet和LSTM并行设置，EEGNet在继承了CNN优点的同时，解决了同一CNN不能处理不同实验范式信号的缺点，可以获得更加精确的频域特征；通过EEGNet和LSTM分别进行特征提取和融合，令最终脑电信号分类结果充分考虑了频域和时域的因素，使得分类结果更加精确。
- 通信消费月账单预测方法和系统-202210249007.1
- 马聪 - 中国移动通信集团江苏有限公司;中国移动通信集团有限公司
- 2022-03-14 - 2023-09-22 - G06F18/2431
- 本发明提供一种通信消费月账单预测方法和系统，该方法包括：基于随机森林模型对样本用户的月样本通信业务数据进行分类；根据样本用户对于每种业务类型的月样本通信业务数据，计算样本用户对于每种业务类型的月账单数据；以每种业务类型的月样本通信业务数据为样本，以每种业务类型计算的月账单数据为标签，对人工神经网络进行训练；以每种业务类型的月样本通信业务数据为样本，以每种业务类型的实际月账单数据为标签，对训练的人工神经网络进行再次训练；使用再次训练好的人工神经网络分析出目标用户对于每种业务类型的月账单数据预测结果。本发明实现在月底出账前提前计算用户月账单数据，提升月账单的时效性和准确性。
- 一种信息识别方法、装置、设备及存储介质、程序产品-202210219664.1
- 陈德和;林初仁;李晶 - 腾讯科技（深圳）有限公司
- 2022-03-08 - 2023-09-22 - G06F18/2431
- 本申请提供了一种信息识别方法、装置、设备及存储介质、程序产品；本申请实施例可以应用于云技术、人工智能、智慧交通、车载等各种场景，涉及人工智能技术；该方法包括：针对待识别信息确定对应的账号维度的属性信息和内容维度的属性信息；账号维度是指与待识别信息的交互账号相关的信息维度，内容维度是指与待识别信息的内容相关的信息维度；从账号维度和内容维度中筛选出目标维度，并针对目标维度的属性信息进行组合处理，得到待识别信息的组合属性信息；对组合属性信息进行特征转换，得到待识别信息对应的待识别特征；基于对待识别特征进行分类识别，确定待识别信息对应的信息识别结果。通过本申请，能够提高信息识别的准确度。
- 对象分类方法、装置、计算机设备和存储介质-202210232245.1
- 毕超波;黄嘉成;彭艺;刘明亮;郑磊 - 腾讯科技（深圳）有限公司
- 2022-03-09 - 2023-09-22 - G06F18/2431
- 本申请涉及一种对象分类方法、装置、计算机设备、存储介质和计算机程序产品。本发明实施例可应用于车载场景。所述方法包括：获取通过随机采样得到的多个训练样本子集；基于训练样本子集构建对应的初始决策树，初始决策树的决策树节点是从训练样本对应的各个特征类别中，基于随机选取的特征类别确定的；将训练样本子集中的训练样本输入对应的初始决策树得到初始预测标签；基于同一训练样本子集中各个训练样本对应的训练标签和初始预测标签，调整对应的初始决策树，直至满足第一收敛条件，得到目标决策树；基于各个目标决策树生成的对象分类模型通过根据各个目标决策树针对目标对象的预测结果得到目标对象对应的预测标签，可提高对象分类准确性。
- 专利分类
