“影响算法”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1865172个，建议您升级VIP下载更多相关专利

[发明专利]电里程影响因素的显示和算法-CN201510761957.2有效
发明人：赖安·J·斯卡夫;杰森·梅尔;克雷格·爱德华·埃斯拉;戴儿·吉尔曼;保罗·阿尔蒂格希瑞;伊夫基尼雅·索桑奇娜 -专利权人：福特全球技术公司
申请日： 2015-11-10 - 公布日： 2020-08-07 - 主分类号： B60R16/02 文献下载
摘要：本发明涉及电里程影响因素的显示和算法，提供了一种用于估计车辆的满电荷里程(RPC)的方法。该方法包括控制器，其可响应于检测到影响车辆能量消耗的预定义状况的存在，通过控制器向界面输出RPC和指示预定义状况影响RPC的程度的标志。控制器配置为：响应于来自传感器的输入，对界面生成输出，该输出包括RPC和指示环境状况与部件和电池中的运转中的每个对RPC的影响程度的标志。
里程影响因素显示算法

[发明专利]一种疫情影响下售电量精准预测方法-CN202010536579.9在审
发明人：程宏亮;刘宏;张鹏飞;苟蛟龙;罗艺闯;蒋颖 -专利权人：美林数据技术股份有限公司
申请日： 2020-06-12 - 公布日： 2020-10-30 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种疫情影响下售电量精准预测方法，包括：构造算法一，由自回归模型拟合售电量曲线，并利用LightGBM集成学习算法预测售电量；构造算法二，利用X13季节分解算法分解售电量曲线处理，以得到预测后的售电量曲线；对算法一的结果以及算法二的结果进行优化估计，得到正常情况下模型最优预测结果。构造算法三，利用均值法得到疫情持续期间的每天影响电量；构造算法四，利用Logistic生长曲线分别预测疫情病例人数和疫情影响时长，并利用综合评价熵权法计算得到每天疫情影响权重；利用算法三和算法四的结果，加权计算每天的疫情影响电量，进而计算整个疫情影响期间的影响电量总量。利用疫情影响的电量计算结果进行修正，得到最终的售电量精准预测结果。
一种疫情影响电量精准预测方法

[发明专利]集成电路转换延迟测试向量精简方法-CN201210181331.0有效
发明人：向东;随文杰 -专利权人：清华大学
申请日： 2012-06-04 - 公布日： 2012-10-03 - 主分类号： G01R31/28 文献下载
摘要：本发明公开了一种集成电路转换延迟测试向量精简方法，所述算法包括：结构分析算法、故障点可测试影响锥生成算法、基于故障点可测试影响锥的测试向量精简算法，所述影响锥，是指检测某一故障点，所需要确定PPIs和PIs的最小集合，所述结构分析算法，是指通过电路预设门的后继门和门电位计算影响锥，所述故障点可测试影响锥生成算法，是指通过结构分析算法计算故障点影响锥的方法，本发明能够有效精简测试向量的个数，降低集成电路芯片的测试时间
集成电路转换延迟测试向量精简方法

[发明专利]社交网络社区影响力评估算法-CN201410740284.8在审
发明人：张波;杨涛;宋倩倩;宋锋;胡斯卉 -专利权人：上海师范大学;公安部第三研究所
申请日： 2014-12-05 - 公布日： 2015-04-01 - 主分类号： G06Q50/00 文献下载
摘要：本发明社交网络社区影响力评估算法，是基于图论方法基础上的发展与应用，涉及社交网络技术领域。本发明第一、定义社交网络与社区影响力相关的概念及建模；第二、计算出用户传播主题信息的意愿、社区用户综合影响、社区用户数量、社区用户规模，再综合计算出社区影响力；第三、计算出社区对社区内节点的影响力、社区对社区外节点的影响力、社区对社区的影响力；第四、将计算出的社区影响力、社区对社区内节点的影响力、社区对社区外节点的影响力、社区对社区的影响力,用于评估各社区间的影响力、节点对社区的重要性以及社区对节点作用。基于此，本发明对人人网，微博等社交网络影响进行评估，为更好传播信息以及网络安全等具有实际应用的前景。
社交网络社区影响力评估算法

[发明专利]基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法-CN201110043405.X无效
发明人：丁彦蕊;徐国伟;孙培冬;陈蓓;蔡宇杰;王文超 -专利权人：江南大学
申请日： 2011-02-23 - 公布日： 2011-05-25 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于PSO和SVM混合算法识别太湖入湖河流水质主要影响因素的分析方法，属于水质监控技术领域。本发明方法将PSO算法与SVM算法结合；PSO算法用于优化SVM算法的参数c和g，以利于快速、高效的确定c和g的全局最优值；SVM算法基于最优的c和g，以影响水质的众多影响因素作为特征向量预测不同水质，通过预测率高低识别确定太湖入湖河流水质的主要影响因素。本发明方法能够准确的从影响水质的各种影响因素中识别出主要影响因素，为河流水质的监控预警提供了有利的证据。
基于 pso svm 混合算法识别太湖河流水质主要影响因素分析方法

[发明专利]一种基于改进布谷鸟-神经网络算法的负荷预测方法-CN201910890297.6在审
发明人：康丽;金锋;刘国中;胡必武;黄沃杰 -专利权人：东莞理工学院
申请日： 2019-09-20 - 公布日： 2019-12-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于改进布谷鸟‑神经网络算法的负荷预测方法，所述预测方法如下：最大影响因素计算：利用安装在负荷侧的监控系统，采集系统所记录当地的气象数据以及历史负荷功率的数据，并利用平均影响值算法（MIV）找到对负荷影响度最大的种影响因素；相似日选取：根据步骤一中的计算的最大影响因素选取相似日；本发明的有益效果是：采用平均影响值算法（MIV）找到前n种对负荷影响最大的环境因素，结合最优相似度进行相似日的选取，最后对传统的布谷鸟算法进行改进，并将改进后的算法应用到BP神经网络中，对负荷进行预测；该改进后的布谷鸟算法可以避免算法陷入局部最优解，还具有较强的全局搜索能力。
算法影响因素改进全局搜索能力神经网络算法最优相似度采集系统负荷功率负荷预测环境因素监控系统气象数据算法应用传统的影响度最优解预测记录

[发明专利]基于MIC-XGBoost算法的居民用水量预测方法-CN202210519884.6在审
发明人：李佳;贾小娥 -专利权人：遥相科技发展（北京）有限公司
申请日： 2022-05-13 - 公布日： 2022-07-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及智慧水务领域，揭露了一种基于MIC‑XGBoost算法的居民用水量预测方法，包括：获取每一月份的影响因素数值及用水量，构建用水影响因素的用水量‑影响因素数值对应表，利用最大信息系数算法，计算出对用水量影响最大的目标影响因素，根据每一月份的用水量及影响因素数值，对原始XGBoost算法模型进行训练，得到目标XGBoost算法模型，根据当前月份的影响因素数值，利用目标XGBoost算法模型，对用水量进行预测，得到当前月份预测用水量本发明还提出一种基于MIC‑XGBoost算法的居民用水量预测装置、电子设备以及计算机可读存储介质。本发明可以解决单纯依靠XGBoost算法来预测居民用水量，存在着预测准确度低的问题。
基于 mic xgboost 算法居民用水量预测方法

[发明专利]一种社会网络用户的信任影响力最大化方法-CN202310492468.6在审
发明人：何强;张晓燕;易秀双;王兴伟;蔡玉良;赵奇;滕月阳;孝大宇;黄敏 -专利权人：东北大学
申请日： 2023-05-04 - 公布日： 2023-07-28 - 主分类号： G06Q50/00 文献下载
摘要：本发明提供一种社会网络用户的信任影响力最大化方法，涉及社交网络分析技术领域。该方法首先对社会网络用户的信任影响力最大化问题进行符号化表示，并从用户信任的角度优化独立级联模型作为影响力传播模型；然后根据用户的影响力以及社会网络中的拓扑信息作为种子集的优化目标；最后通过动态加权的灰狼优化算法和精英策略的变异遗传算法两阶段算法来选取最具影响力的用户种子集；该方法提出新的策略来选取具有影响力的用户集合，先通过动态加权的灰狼优化算法进行初步的最优解搜索，再通过加入精英策略的变异遗传算法进行全局搜索，能够有效避免启发式算法陷入局部最优解。
一种社会网络用户信任影响力最大化方法

[发明专利]一种面向代理购电用户的用电预测方法及系统-CN202310081446.0在审
发明人：刘恬畅;黄茜;黄奇峰;潘熙;邵雪松;孙莉;薛冰;鲜开强;程雅梦;顾颖歆 -专利权人：国网江苏省电力有限公司营销服务中心
申请日： 2023-02-08 - 公布日： 2023-03-14 - 主分类号： G06Q10/04 文献下载
摘要：一种面向代理购电用户的用电预测方法及系统，其中特征在于：步骤1，采集面向代理购电用户的历史用电电量，并分别实现历史用电电量的空间、时间、行业钻取分析，同时提取关键影响因子；步骤2，针对当前算法，基于每一个关键影响因子计算其对用电电量的影响趋势，并针对影响趋势对当前算法的关键参数进行改进，从而对于改进后的当前算法计算算法置信度；步骤3，采用步骤2中的方法遍历算法管理模块中的所有算法，以基于算法置信度选择最优算法，并基于最优算法获取代理购电用户的用电预测结果本发明思路清晰，算法准确，具有较强的扩展性。
一种面向代理用户用电预测方法系统

[发明专利]适用论文合作网络的基于社团结构的影响最大化算法-CN201610353585.4有效
发明人：吴骏;陈厚兵;张梓雄;王晓彤;吴和生;王崇骏 -专利权人：南京大学
申请日： 2016-05-25 - 公布日： 2020-03-20 - 主分类号： G06Q50/00 文献下载
摘要：本发明提供一种适用论文合作网络的基于社团结构的影响最大化算法(COMAX算法)，包括如下步骤：1)社团发现阶段a构建论文合作网络图；b合并局部社团；c构建新的网络图；d结束；2)种子节点选取阶段a计算每个社团的影响力；b选择影响力最大社团中对应的节点；c结束。本发明的基于社团结构的影响最大化算法为论文合作网络的影响最大化问题提供了新的解决方案，结果表明，在ICM模型上，我们提出的COMAX算法在影响覆盖范围上与贪心算法接近，而且时间效率非常好。
适用论文合作网络基于社团结构影响最大化算法

[发明专利]面向视觉感知算法的失效影响分析方法、装置及设备-CN202310637726.5在审
发明人：孟令中;谢妮姗;李瑞;马钰锡;董乾;薛云志 -专利权人：中国科学院软件研究所
申请日： 2023-05-31 - 公布日： 2023-08-29 - 主分类号： G06F30/27 文献下载
摘要：本公开涉及面向视觉感知算法的失效影响分析方法、装置及设备，属于视觉感知技术领域。所述方法包括：获取视觉感知算法，以及视觉感知算法的应用特征；解析视觉感知算法的各个组成部分之间的关系，以及不同生命周期阶段中针对视觉感知算法的关键工作特点；基于应用特征、各个组成部分之间的关系以及不同生命周期阶段中针对视觉感知算法的关键工作特点，挖掘视觉感知算法在执行过程中可能出现的失效模式；挖掘各个失效模式的失效原因；获取视觉感知算法的关键性能指标，并基于关键性能指标确定各个失效模式对视觉感知算法性能的影响情况。本公开填补了视觉感知算法领域系统性失效影响分析方法的空缺。
面向视觉感知算法失效影响分析方法装置设备

[发明专利]一种社交网络重要用户发现的实现方法-CN201510732810.0在审
发明人：朱梓嫣;顾亦然;孟繁荣 -专利权人：南京邮电大学
申请日： 2015-10-30 - 公布日： 2016-02-17 - 主分类号： G06Q50/00 文献下载
摘要：本发明公开了一种社交网络重要用户发现的实现方法，该方法在求解网络中不同用户相互影响的能力时，提出节点相似度来衡量节点受其邻居节点的影响大小，综合考虑节点的局部影响力和全局影响力，得到节点的重要性。本发明的优点：1)采用了LeaderRank算法作为改进的算法，避免了如PageRank算法陷入悬挂节点的可能，并且提高了算法的收敛速度。2)节点相似度计算考虑节点的入边和出边。3)综合考虑了节点的局部和全局作用，提高了算法的准确性。
一种社交网络重要用户发现实现方法

[发明专利]一种基于多样性的动态影响力传播种子最小化方法-CN202211151849.X在审
发明人：王霄阳;史麒豪;王新宇;王灿;罗进开;冯雁 -专利权人：浙江大学
申请日： 2022-09-21 - 公布日： 2023-01-31 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于多样性的动态影响力传播种子最小化方法，基于一个双向自适应贪婪算法的框架，采用基于鞅的影响力最大化算法(IMM)和基于鞅的多样性影响力最大化算法(DIMM)实现，算法核心是使用一种随机产生反向影响草图(RI‑Sketch)的采样方法，用于估计影响力扩散和多样性函数增益，具有良好的近似保证。本发明解决了如何以最小的成本在最少时间内使得影响力传播达到特定阈值的问题，克服了传统方法不能有效考虑多样性问题以及算法本身缺乏动态选择过程的弊端，可以在一定的扩散模型下有效选取合适的种子集合。
一种基于多样性动态影响力传播种子最小化方法

[发明专利]一种应用推荐算法的确定方法及装置-CN202211240933.9在审
发明人：黄桂武;熊健;谢泽雄 -专利权人：荣耀终端有限公司
申请日： 2022-10-11 - 公布日： 2023-09-05 - 主分类号： G06F8/60 文献下载
摘要：本申请实施例提供一种应用推荐算法的确定方法及装置，应用于信息处理技术领域，该方法中电子设备部署有推荐算法，采集用户对部署的推荐算法整体使用体验的评价，根据预设类型的多维影响因素以及用户的使用反馈训练得到算法模型这样下次进行算法选型时可以直接采用算法模型根据输入的多维影响因素预测得到用户对未部署的预测算法的评价。从而减少算法选型的成本和周期，提高算法选型的效率。
一种应用推荐算法确定方法装置

[发明专利]一种基于深度学习的漏洞影响范围推理方法和系统-CN202310019150.6在审
发明人：刘泽鑫;吴敬征;凌祥;罗天悦;王丽敏;屈晟;武延军 -专利权人：中国科学院软件研究所
申请日： 2023-01-06 - 公布日： 2023-07-11 - 主分类号： G06F21/57 文献下载
摘要：本发明涉及一种基于深度学习的漏洞影响范围推理方法和系统。该方法的步骤包括：采集漏洞信息，根据漏洞信息获取软件产品与漏洞的关联关系，构建漏洞知识图谱；根据漏洞知识图谱，构建漏洞影响范围推理算法模型的数据集；利用构建的数据集，构建漏洞影响范围推理算法模型并对其进行训练；利用训练完成的漏洞影响范围推理算法模型，进行漏洞影响范围推理。进一步该方法还包括对所述漏洞影响范围推理算法模型的训练结果进行评估的步骤。本发明为了解决漏洞的影响范围推理准确率偏低的问题，提出了一种基于深度学习的漏洞影响范围推理方法，可以有效提高漏洞影响范围推理的准确率，提高安全漏洞挖掘能力。
一种基于深度学习漏洞影响范围推理方法系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条