“高维数据”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6003165个，建议您升级VIP下载更多相关专利

[发明专利]高光谱图像降维方法、装置、终端设备及存储介质-CN202011106438.X有效
发明人：曾山;刘彪;康镇 -专利权人：武汉轻工大学
申请日： 2020-10-15 - 公布日： 2023-07-25 - 主分类号： G06T5/00 文献下载
摘要：本发明公开一种高光谱图像降维方法，包括：确定高光谱图像数据中，每个样本点的a个邻近样本点，a为大于等于1的整数；基于每个样本点与对应的邻近样本点之间的空间距离以及光谱差异，获得对应的权重值；并基于权重值，构建高光谱图像数据的邻接矩阵；基于邻接矩阵获得投影矩阵；并基于投影矩阵得到降维后的高光谱图像数据，从而使得降维后的高光谱图像保留了数据内部的非线性结构，同时，由于构建邻接矩阵时，既考虑了空间距离，又考虑了光谱差异，从而使得降维后的高光谱图像可以保留更多的信息，并且鲁棒性更好。本发明还公开了一种高光谱图像降维装置、终端设备及存储介质，降维的鲁棒性更好。
光谱图像方法装置终端设备存储介质

[发明专利]一种适用于大规模数据的降维、关联分析方法-CN202010835235.8在审
发明人：沈项军;徐兆瑞 -专利权人：江苏大学
申请日： 2020-08-19 - 公布日： 2020-12-29 - 主分类号： G06F17/14 文献下载
摘要：本发明公开了一种适用于大规模数据的降维、关联分析方法，通过将高维数据投影到傅里叶域，将线性关联分析的求解特征向量问题转化为寻找有意义的傅里叶域基。由于傅里叶域基是预先定义的，且数据的特征值分布是有序的，因此通过将训练样本分批次输入来加速训练，直到所需的傅立叶基稳定有序。确定傅里叶基个数与投影矩阵，将所述投影矩阵与所述高维数据集相乘从而得到低维数据集，以方便数据的快速处理。本发明的数据降维方法，基于快速傅里叶变换和关联分析，可以去除高维度数据集中的噪声和冗余信息，减少数据处理中不必要的运算过程，提高数据降维计算中的运行速度和内存使用效率。
一种适用于大规模数据关联分析方法

[发明专利]高维数据的可视化分析方法及其分析系统-CN201710620143.6有效
发明人：夏佳志;李强;廖胜辉;奎晓燕;王建新 -专利权人：中南大学
申请日： 2017-07-26 - 公布日： 2020-06-23 - 主分类号： G06F16/28 文献下载
摘要：本发明一种高维数据的可视化分析方法，包括在原始高维数据上建立局部子空间差‑测地距离投影；建立聚类点簇的映射；建立系列子空间的可视分析视图。本发明还公开了实现所述高维数据的可视化分析方法的分析系统。本发明通过建立局部子空间差‑测地距离投影、聚类点簇的映射和系列子空间的可视分析视图，提出了一系列交互式的可视化分析操作，为可视化子空间聚类和分析提供了可靠的技术基础，能够有效指导和帮助用户对高维数据进行有效分析和探索，在高维数据处理中显著减少了用户试验和错误的次数，减少了数据的冗余度，加强了数据分析过程的可交互性，提高了结果的可靠性。
数据可视化分析方法及其系统

[发明专利]基于全网域证据集的电子式互感器可信度评估方法和装置-CN201910909246.3有效
发明人：黄奇峰;卢树峰;徐敏锐;李志新;杨世海;陈文广;陈刚;成国锋;周赣;刘西昂;丁俊;徐欣;陆子刚;程思远;吴桥;程含渺;尧赣东 -专利权人：国网江苏省电力有限公司电力科学研究院;国家电网有限公司;国网江苏省电力有限公司;东南大学;国网江苏省电力有限公司扬州供电分公司;江苏省电力试验研究院有限公司
申请日： 2019-09-25 - 公布日： 2021-07-02 - 主分类号： G01R35/02 文献下载
摘要：本发明公开了一种基于全网域证据集的电子式互感器可信度概率评估方法和装置，对电子式互感器高维数据集进行聚类，得到聚类后的电子式互感器高维数据集的不同簇，剔除噪声点数据；根据电子式互感器高维数据集和电子式互感器高维数据集的不同簇的可信度概率，输出为预测的可信度概率，对预先建立的XGBoost模型进行训练，得到训练好的XGBoost模型；将待评估电子式互感器高维数据集，输入训练好的XGBoost模型，得到预测的可信度概率，从而判断电子式互感器是否存在计量误差，在不依赖标准互感器的情况下，评估电子式互感器测量数据的可信度。
基于全网域证据电子互感器可信度评估方法装置

[发明专利]基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法-CN201911369737.X有效
发明人：李贤;丁明理;张永强;杨光磊;董娜;朱月熠;孙晨昕 -专利权人：哈尔滨工业大学
申请日： 2019-12-26 - 公布日： 2022-11-22 - 主分类号： G06V10/44 文献下载
摘要：基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有的基于深度学习方法需要大量标记的训练样本学习模型的参数，存在针对高光谱遥感数据标记训练样本稀少的情况光谱特征提取效果差的问题。本发明所述方法利用D个一维滤波器对归一化数据进行卷积操作，在特征通道方向分成g组；每组利用多个一维滤波器进行一维卷积操作，将每组卷积结果在特征通道方向上堆栈在一起；进行全局和局部相关性并进行加权，洗牌，然后进行一维卷积操作，提取光谱特征；进而确定高光谱遥感数据深度光谱特征提取模型，训练高光谱遥感数据深度光谱特征提取模型。本发明用于高光谱遥感数据深度光谱特征的提取。
基于一维组卷积神经网络光谱遥感数据深度特征提取方法

[发明专利]基于生成对抗网络的单细胞数据批次效应校正方法-CN202310723261.5在审
发明人：彭佳杰;杨光 -专利权人：西北工业大学
申请日： 2023-06-19 - 公布日： 2023-09-29 - 主分类号： G16B20/00 文献下载
摘要：本申请实施例提供了一种基于生成对抗网络的单细胞数据批次效应校正方法，包括：对单细胞数据进行测序，从而得到高维单细胞基因表达计数矩阵；对高维单细胞基因表达计数矩阵基于识别模型根据变分推断的方式进行计算学习，从而去近似估计后验分布，且利用随机生成的高斯噪声和高维单细胞数据的分布均值和分布方差近似估计潜在低维表示分布，从而获得近似的低维表示向量；基于生成模型对所述低维表示向量进行重构，从而获得单细胞重构原始数据；其中，在生成模型重构所述低维表示向量时，对低维表示向量加批次标签，用于去除批次效应。
基于生成对抗网络单细胞数据批次效应校正方法

[发明专利]一种对多个高维数据进行可视化比较的降维方法-CN202110576652.X在审
发明人：汪云海;孙国霞;王银桥;陈路;卢金禹;华博 -专利权人：山东大学
申请日： 2021-05-26 - 公布日： 2021-10-22 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种对多个高维数据进行可视化比较的降维方法，接收待处理的两个高维数据集；对两个数据集计算边相似度；使用t分布‑随机近邻嵌入方法对第一个数据集进行降维处理；基于边相似度，将边向量约束引入到t分布‑随机近邻嵌入方法的优化方程中，通过求解优化得到第二个数据集的降维结果。本发明能够实现适用于比较任务的一致性降维结果。
一种多个高维数据进行可视化比较方法

[发明专利]X射线断层合成装置、图像处理装置以及记录介质-CN202010473043.7有效
发明人：山川惠介;高桥启子;中村正 -专利权人：富士胶片医疗健康株式会社
申请日： 2020-05-29 - 公布日： 2023-09-15 - 主分类号： A61B6/03 文献下载
摘要：本发明提供X射线断层合成装置、图像处理装置以及计算机可读记录介质，其能够在二维测定投影数据上高精度地提取被拍摄体内的小的高吸收体的区域。当在投影角度方向上排列了多个上述投影角度中的每个投影角度的二维测定投影数据的情况下，使二维测定投影数据在其二维平面内移位，使得二维测定投影数据中包含的高吸收体区域的范围的一部分或者全部范围在二维平面的面内方向上至少与邻接的投影角度的二维测定投影数据中包含的高吸收体区域的范围重叠在投影角度方向上排列移位后的多个投影角度中的每个投影角度的二维测定投影数据来取得三维的测定投影数据，从第一开始点通过区域扩张处理求出三维区域。
射线断层合成装置图像处理以及记录介质

[发明专利]一种高维地震数据输入下去除沉积背景的方法及装置-CN201711089163.1有效
发明人：窦玉坛 -专利权人：中国石油天然气股份有限公司
申请日： 2017-11-08 - 公布日： 2019-07-09 - 主分类号： G01V1/30 文献下载
摘要：本申请实施例公开了一种高维地震数据输入下去除沉积背景的方法及装置，所述方法包括将待测储层的高维度原始地震数据进行Wheeler转换，获得高维Wheeler域地震数据；将所述高维Wheeler域地震数据进行聚类分析处理，获得聚类结果；在所述聚类结果中，分别计算单个聚类在相同采样点上的地震道数据的平均值，以所述平均值作为对应聚类在所述相同采样点上的地震数据，形成聚类地震道数据；对所述聚类地震道数据进行线性叠加处理获得线性叠加向量，根据所述线性叠加向量确定沉积背景数据；对所述高维Wheeler域地震数据和沉积背景数据进行体运算，获得待测储层岩性地震数据。
一种地震数据输入去除沉积背景方法装置

[发明专利]一种细胞分类器的构建方法、装置及系统-CN201810351529.6在审
发明人：赵乐;吴佳妮 -专利权人：赵乐;吴佳妮
申请日： 2018-04-19 - 公布日： 2018-09-11 - 主分类号： G06K9/00 文献下载
摘要：本申请实施例公开了一种细胞分类器的构建方法、装置及系统，所述方法包括通过质谱细胞术对M个单细胞样本点进行分析，获得M个单细胞样本点的高维数据；对所述M个单细胞样本点的高维数据贴标签，获得N组带有标签的高维数据，其中，同一组高维数据的标签标识的细胞类型相同；通过SVM对所述N组高维数据进行两两分类训练，构建N(N‑1)/2个分类器。在本申请实施例中，将质谱细胞术这种单细胞识别准确率更高的技术与SVM这种机器学习的方法相结合，建立了高准确率、自动化的细胞分类器，不仅可以实现高准确率的细胞识别，而且可以实现识别过程的自动化。
高维数据细胞分类样本点准确率构建装置及系统质谱自动化细胞标签标识机器学习细胞类型细胞识别分类器贴标签申请标签分类分析

[发明专利]数据可视化的处理方法、装置及存储介质-CN202210999703.4在审
发明人：陈礼波;孙康;霍思宇;任高远;李熙;高静 -专利权人：中国联合网络通信集团有限公司;中讯邮电咨询设计院有限公司
申请日： 2022-08-19 - 公布日： 2022-11-11 - 主分类号： G06F16/904 文献下载
摘要：本申请提供一种数据可视化的处理方法、装置及存储介质，涉及数据处理领域，用于提高数据可视化的效果。该方法包括：获取多个高维数据。对多个高维数据进行分类，确定第一数据集，第一数据集包括目标类型对应的高维数据。根据决策树算法和多个预设特征对第一数据集进行分裂，确定多个特征集合，一个预设特征对应一个特征集合，多个预设特征为第一数据集中的高维数据的特征。
数据可视化处理方法装置存储介质

[发明专利]一种基于大数据平台的高维天气预报数据降维方法-CN201910398824.1在审
发明人：汪步惟;车建峰;王勃;范高锋;冯双磊;王伟胜;刘纯;王钊;张菲;王铮;姜文玲;赵艳青;靳双龙 -专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网江苏省电力有限公司
申请日： 2019-05-14 - 公布日： 2020-11-17 - 主分类号： G01W1/10 文献下载
摘要：一种基于大数据平台的高维天气预报数据降维方法，构建大数据平台，获取多源气象数据；通过所述大数据平台进行所述多源气象数据的融合，形成数值天气预报数据；对所述数值天气预报数据进行数据预处理；进行所述数值天气预报数据的维度筛选；对所述高维天气预报数据进行降维。本发明可以提高天气预报数据的有效利用率，实现电力行业数值天气预报的建立与应用。
一种基于数据平台天气预报方法

[发明专利]一种基于张量计算的6G移动通信系统及其数据处理方法-CN201911327251.X有效
发明人：张文胜;李连杰;孙健;王承祥 -专利权人：山东大学
申请日： 2019-12-20 - 公布日： 2021-05-25 - 主分类号： H04L12/24 文献下载
摘要：本发明涉及一种基于张量计算的6G移动通信系统及其数据处理方法，包括依次连接的高维信源、张量压缩单元、发送设备、信道、接收设备、张量补全单元、信宿；张量压缩单元用于将待传输的高维信源进行压缩，减少高维信源的信息冗余；张量补全单元用于补充完整高维信号在传输过程中受到干扰造成的信息丢失项；本发明解决了未来6G移动通信系统中的“痛点”，能实现高维数据的压缩及补全，并取得良好的效果。提高了对6G中高维数据处理能力，为未来6G的实现打下基础。
一种基于张量计算移动通信系统及其数据处理方法

[发明专利]一种射频数据传输方法及系统-CN201611080980.6在审
发明人：陈泳伊 -专利权人：无锡华润矽科微电子有限公司
申请日： 2016-11-30 - 公布日： 2018-06-05 - 主分类号： H04W28/06 文献下载
摘要：本发明公开了一种射频数据传输方法及系统，其中，所述射频数据传输方法包括：获取待发送的原始射频数据；利用所述原始射频数据获取原始射频数据的主成分；基于所述原始射频数据的主成分构建投影矩阵；基于所述投影矩阵对所述原始射频数据进行降维压缩以获取经过降维压缩后的射频数据；发送所述投影矩阵及经过降维压缩后的射频数据；基于所述投影矩阵及经过降维压缩后的射频数据逆向重构原始射频数据。本发明在不改变射频数据传输机制的前提下，采用主成分分析方法对高维线性射频数据进行降维压缩后再进行发送，并实现了原始射频数据的逆向重构。本发明显著提升了高维线性射频数据的传输效率。
射频数据降维压缩射频数据传输投影矩阵线性射频发送高维重构主成分分析传输效率构建

[发明专利]一种基于流形学习的人脸识别方法-CN201310320237.3在审
发明人：程建;马莹;张敬献;王峰;李鸿升 -专利权人：电子科技大学
申请日： 2013-07-26 - 公布日： 2013-10-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于流形学习的人脸识别方法，属于图像处理技术领域，解决了传统方法中直接对高维图像进行处理所消耗资源过多的问题。本发明结合最近特征子空间分类器和局部线性嵌入两种方法用于人脸图像的降维处理，然后采用最近邻分类器对降维后的数据进行识别，首先构建人脸图像高维数据，将人脸图像样本按行拉伸为一维向量；然后对构建的人脸图像高维数据进行降维处理，获得所有人脸图像在同一低维空间的低维表示；最后在低维嵌入空间。本发明通过对图像进行训练，实时采集待测试图像，进行人脸识别，比采用基于欧氏距离的局部线性嵌入方法更为合理，识别准确率更高，也比直接采用高维数据进行识别的运算复杂度更低，更加简便。
一种基于流形学习识别方法

首页
«上一页
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