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352035个,建议您升级VIP下载更多相关专利
  • [发明专利]一种结合VP树和导向近邻图的近似最近搜索方法-CN202011223218.5在审
  • 徐小良;马丁程;王宇翔 - 杭州电子科技大学
  • 2020-11-05 - 2021-01-29 - G06F16/901
  • 本发明提出的一种结合VP树和导向近邻图的近似最近搜索方法,该方法包括两个过程:索引构建过程和搜索过程。索引构建过程包含:(1)针对高维向量数据构建存放入口点的VP树;(2)使用可导航伸展图将高维向量数据构建成K近邻图;(3)将K近邻图中的每个点的邻居集均匀地划分来得到可导向近邻图。搜索过程包含:(1)查找入口点阶段,通过搜索VP树快速得到大致接近查询点的入口点;(2)导向搜索阶段,从入口点开始,得到查询点的局部最近点;(3)穷尽搜索阶段,利用范围搜索算法穷尽搜索查询点附近的点并返回查询点的top–K个最近点。本发明使用混合式搜索策略有效提升了近似最近搜索的性能。
  • 一种结合vp导向近邻近似搜索方法
  • [发明专利]基于动态裁剪的移动对象反向近邻查询方法-CN201010545434.1有效
  • 寿黎但;陈珂;陈刚;胡天磊;张栋 - 浙江大学
  • 2010-11-12 - 2011-04-06 - G06F17/30
  • 本发明公开了一种基于动态裁剪的移动对象反向近邻查询方法。使用TPR-tree对移动对象建立索引;开发移动对象反向近邻查询处理框架,在过滤阶段得到整个时间段内查询点的所有可能的反向近邻候选点集;在精炼阶段去除候选点中的错误点并确定每个反向近邻查询结果点的有效时间;开发两种适用于移动对象反向近邻动态裁剪策略,整合成统一的移动对象反向近邻动态裁剪算法;实现反向近邻动态裁剪算法上实现移动对象反向近邻查询处理过滤算法;对过滤的结果,实现反向近邻查询的精炼算法,对所有查询候选点进行最近查询正确性验证和反向近邻有效子时间段计算;对获得的结果点及其有效时间段进行合并,获得在每个子时间段上的反向近邻查询结果集。
  • 基于动态裁剪移动对象反向近邻查询方法
  • [发明专利]一种图正则的鲁棒性矩阵分解方法-CN202010481630.0在审
  • 云岳;张育培;代欢;崔嘉琪;安蕊;尚学群 - 西北工业大学
  • 2020-06-01 - 2020-09-15 - G06Q10/04
  • 本发明公开了一种图正则的鲁棒性矩阵分解方法,该方法首先根据课程和学生的相关背景信息,利用距离度量算法找出每门课程最近的k门课程和每个学生最近的的k名学生,构造两个k近邻图,作为目标函数的拉普拉斯正则项;针对于实际数据中的稀疏性以及数据缺失问题,使用加权矩阵分解;在矩阵分解中使用L1模作为优化目标的约束条件,增强算法鲁棒性同时解决教育数据稀疏度过高的问题;结合课程学生关系图,得到成绩预测算法;采用该算法即可根据学生历史数据对未来学习成绩进行预测。
  • 一种正则鲁棒性矩阵分解方法
  • [发明专利]一种基于DTW-DBSCAN算法的空中目标分群方法-CN202110405750.7有效
  • 陈晨;邵壮;陈杰;程子豪 - 北京理工大学
  • 2021-04-15 - 2022-10-21 - G06K9/62
  • 本公开的基于DTW‑DBSCAN算法的空中目标分群方法,通过接收空中目标数据;判断空中目标数据的数量,对空中目标数据进行处理得到最新的空中目标数据;对最新的空中目标数据进行无量纲化处理;计算不同属性的最新的空中目标数据之间的DTW距离,形成DTW距离矩阵;利用KNN算法和数学期望法基于DTW距离矩阵分别生成DTW距离矩阵的平均最近距离集合和平均最近距离集合的邻域密度阈值;依次将平均最近距离集合中的元素和邻域密度阈值输入到DBSCAN算法进行聚类分群,输出空中目标分群结果。
  • 一种基于dtwdbscan算法空中目标分群方法
  • [发明专利]一种基于重构图的图学习模型-CN201910342717.7有效
  • 陈志奎;王勐;高静;李朋;张清辰 - 大连理工大学
  • 2019-04-26 - 2021-03-26 - G06K9/62
  • 一种基于重构图的图学习模型,属于图像标注领域,包括以下步骤:通过改进最近算法,寻找测试图像的语义最近、对其构造相似矩阵,并通过随机点积图对图像进行聚类,挖掘其内部联系,得到加权相似矩阵,然后使用图学习算法获取初步图像标注结果利用标签之间的关系进行标注,在这个过程中考虑标签之间共现的不平衡性,引入最近的图论模型,有效地解决标签不平衡问题。随机点积图用于重建标签的传递矩阵,解决图像标签共存的不对称问题。此外,使用朴素贝叶斯最近分类器来建立图像和标签之间的联合似然函数。本发明针对图像标签存在的分类不平衡的特点,提出基于重构图模型的图像标注模型,能够有效的提高标签的召回率。
  • 一种基于构图学习模型
  • [发明专利]一种基于惩罚控制竞争学习聚类算法的特征分层匹配方法-CN201410439917.1有效
  • 张锋;赵杰煜;文顺;钟意伟 - 宁波大学
  • 2014-09-01 - 2017-02-15 - G06T7/00
  • 本发明公开了一种基于惩罚控制竞争学习聚类算法的特征分层匹配方法,其采用一种能够自动确定类别数的惩罚控制竞争学习聚类算法得到参考特征集和待匹配特征集的聚类结果,然后用参考特征集中的所有中心单元构建一个父层K‑D树,用每个类中的每个样本作为节点组成一个子层K‑D树,进行匹配时将待匹配特征集的每个类的中心单元作为父查询目标在父层K‑D树中找出最近节点,再将待匹配特征集的每个类中的每个样本作为子查询目标,在该类对应的父查询目标的最近节点所属类的子层K‑D树中找出该类对应的每个子查询目标的最近节点,将每个子查询目标与其最近节点作为一个特征匹配对;优点是特征匹配对的数目不多,降低了计算复杂度,提高了图像匹配效率。
  • 一种基于惩罚控制竞争学习算法特征分层匹配方法
  • [发明专利]一种基于机器学习的网络入侵检测方法-CN202011280395.7在审
  • 徐天圯;关昕 - 辽宁工程技术大学
  • 2020-11-16 - 2021-02-19 - H04L29/06
  • 本发明公开了一种基于机器学习的网络入侵检测方法,包括使用平均最近法求得数据集候选Eps参数集合A;依次选用不同K值所对应的K‑平均最近距离;继续执行步骤S2,当生成的簇数不为N时,选取簇数N时所对应的最大K值作为最优K值;最后K值对应的K‑平均最近距离Dk则为最优Eps参数,最优K值对应的MinPts参数则为最优MinPts参数。本发明针对不同攻击类型使用不同机器学习算法,同时引入密度聚类算法,提高了数据处理阶段的处理速度,同时也提高了整体监测效果的精度;使U2R和R2L的检测效果有了明显的提升。
  • 一种基于机器学习网络入侵检测方法

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