“高维贝叶斯”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4242653个，建议您升级VIP下载更多相关专利

[发明专利]面向不确定性估计的高光谱图像分类方法和装置-CN202310076799.1在审
发明人：何欣;陈雨时;李青云;黄凌博;王珺玮 -专利权人：哈尔滨工业大学
申请日： 2023-01-30 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：本申请提出一种面向不确定性估计的高光谱图像分类方法，涉及高光谱图像分类技术领域，该方法包括：获取高光谱图像；构建自适应降维层，将高光谱图像输入自适应降维层提取光谱特征，得到降维后的高光谱图像；利用Gabor滤波器构建Gabor卷积层，使用贝叶斯深度学习刻画Gabor卷积层的参数分布，将降维后的高光谱图像输入到Gabor卷积层中提取高光谱图像的光谱‑空间联合特征；构建贝叶斯全连接层，使贝叶斯全连接层学习标准Dropout层的掩码分布，将光谱‑空间联合特征输入贝叶斯全连接层，通过贝叶斯全连接层进行分类，得到高光谱图像的分类结果。本申请提高了高光谱图像分类方法的分类精度，同时提供了高光谱分类结果的不确定性估计，可以反映对分类结果的可信程度。
面向不确定性估计光谱图像分类方法装置

[发明专利]基于运维管理的问题定位方法、装置及存储介质-CN201811135942.5有效
发明人：吴斌 -专利权人：东软集团股份有限公司
申请日： 2018-09-28 - 公布日： 2020-11-03 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种基于运维管理的问题定位方法、装置及存储介质，其中，该方法包括：获取该运维管理对应网络系统中的所有应用的数据流，根据所有应用的数据流以及每个应用的应用资源指标生成该网络系统的贝叶斯网络结构，进而利用该贝叶斯网络结构定位该网络系统存在的问题。该技术方案中，由于生成的贝叶斯网络结构的精确度高，相应的利用该贝叶斯网络结构在运维管理对应网络系统中定位出的问题准确度高。
基于管理问题定位方法装置存储介质

[发明专利]基于贝叶斯网的移动基站投诉根因分析方法-CN202310251316.7在审
发明人：陶厚国;岳昆;陈祥;段亮;李剑宇;朱恒 -专利权人：云南大学
申请日： 2023-03-14 - 公布日： 2023-06-06 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种基于贝叶斯网的移动基站投诉根因分析方法，将运维变量和用户投诉变量作为节点，根据描述业务知识的关联规则构建贝叶斯网，然后生成贝叶斯网中各个变量的嵌入向量，基于变量嵌入向量进行概率推理，得到各变量发生故障的条件概率，最后计算出各个运维变量对于故障的贡献度，将贡献度较大的运维变量作为移动基站投诉根因集合。本发明将运维变量和用户投诉变量作为节点构建贝叶斯网，基于贝叶斯网推断得到各个运维变量对于故障的贡献度，进而得到准确率高且具有良好可解释性的移动基站投诉根因集合。
基于贝叶斯网移动基站投诉分析方法

[发明专利]基于神经网络和贝叶斯优化的热辐射材料设计方法及系统-CN202210300613.1在审
发明人：鞠生宏;朱德昭;张爱敏;陈力 -专利权人：上海交通大学;昆明贵研新材料科技有限公司
申请日： 2022-03-25 - 公布日： 2022-06-24 - 主分类号： G16C60/00 文献下载
摘要：本发明提供了一种基于神经网络和贝叶斯优化的热辐射材料设计方法及系统，包括如下步骤：模型获取步骤：获取并训练深度学习神经网络模型；循坏迭代步骤：将训练后的深度学习神经网络模型结合贝叶斯优化对热辐射材料结构设计进行循环迭代本发明通过采用深度学习神经网络模型和贝叶斯优化相结合的设计框架，将高维候选空间映射为低维、连续且紧凑的空间，再由贝叶斯优化进行高效搜索，解决了高维热辐射材料难以实现全局优化设计的问题。
基于神经网络贝叶斯优化热辐射材料设计方法系统

[发明专利]基于贝叶斯算法的远程智能运维方法-CN202011068977.9有效
发明人：刘振泽;温泉;徐北辰;王可;李沁哲;何敬宇;王成喜;孙吉;梁亮;程丽丽 -专利权人：吉林大学
申请日： 2020-10-08 - 公布日： 2022-08-16 - 主分类号： G06V40/20 文献下载
摘要：本发明涉及一种基于贝叶斯算法的远程智能运维方法，属于远程运维方法。包括二维码识别、数据库调取动作信息、采集信息、手部特征信息碰撞检测、贝叶斯计算数据库匹配综合判断、搭建贝叶斯网络，贝叶斯网络的参数学习、贝叶斯网络的结构学习、贝叶斯网络的推断方式，远程实时比对数据库存储的动作信息优点是解决了远程运维环境下现场环节缺失以及运维信息交互不便的缺点，提高了针对复杂动作判断的准确性，大大提高远程自动运维的交互效率，不仅可提高用户的体验感，对于运维人员也将增加工作的成就感和乐趣。
基于贝叶斯算法远程智能方法

[发明专利]基于贝叶斯混合公共因子分析器的高维数据的聚类方法-CN201310133415.1有效
发明人：魏昕;李宗辰 -专利权人：南京邮电大学
申请日： 2013-04-17 - 公布日： 2013-07-31 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于贝叶斯混合公共因子分析器的高维数据的聚类方法。本发明首先针对待聚类的高维数据建立贝叶斯混合公共因子分析器的模型，接着对该模型中的各个随机变量的后验分布进行推理，并且得到与这些随机变量相关的统计量，最终通过判决得到每个高维数据所属的类别，从而完成聚类过程本发明建立起的贝叶斯混合公共因子分析器模型具有很强的灵活性，基于贝叶斯准则的推理过程也有效地避免了过拟合问题和维数灾难现象的产生。该方法能够根据高维数据自动调节模型的最优结构，从而自动确定出最优的类别数，从而在降维的同时顺利完成聚类，获得了很好的聚类性能和计算效率。
基于贝叶斯混合公共因子分析器数据方法

[发明专利]一种基于动态贝叶斯的人脸识别身份认证方法-CN201910710960.X在审
发明人：黄玮;薛少聪;王劲松;田永生 -专利权人：天津理工大学
申请日： 2019-08-02 - 公布日： 2019-12-10 - 主分类号： G06K9/00 文献下载
摘要：一种基于动态贝叶斯的人脸识别身份认证方法,该方法包括：首先，摄像头实时捕获与跟踪目标人脸，并采用直方图均衡对捕获的人脸图像进行预处理；然后提取预处理后的人脸图像数据并采用主成分分析(PCA)降维；最后使用动态贝叶斯分类算法对检测目标分类采用PCA算法不仅对高维数据进行降维，还去除了噪声。此外由于传统贝叶斯分类算法假设属性之间是独立的，导致其在复杂的网络结构时分类准确率低，而本文采用的动态贝叶斯分类算法能够通过迭代过程中的交叉和变异，确定最佳贝叶斯网络结构，使得整体的识别精度能有显著提升
贝叶斯分类算法人脸图像网络结构贝叶斯降维人脸预处理人脸图像数据分类准确率提取预处理直方图均衡主成分分析摄像头迭代过程高维数据跟踪目标快速提取目标分类人脸识别身份认证实时捕获算法捕获噪声光照输出检测

[发明专利]基于贝叶斯网络模型的工业智能仪表故障预诊断方法-CN202210552859.8在审
发明人：王强;柳青;吴锦豪;周海婷;周娟;陈家焱;朱凯;吴琳琳 -专利权人：中国计量大学
申请日： 2022-05-19 - 公布日： 2022-09-20 - 主分类号： G06Q10/00 文献下载
摘要：本发明提供了一种基于贝叶斯网络模型的工业智能仪表故障预诊断方法，用于工业智能仪表的故障预测，包括：读取所述工业智能仪表的历史运行监测数据，获取智能工业仪表的故障机理模型；根据故障机理模型搭建工业智能仪表的贝叶斯网络模型，设定贝叶斯网络模型中的节点参数阈值；评估所述工业智能仪表中故障机理模型的先验概率，并对贝叶斯诊断网络模型进行修正；输入工业智能仪表在线监测数据至贝叶斯网络模型中，获取工业智能仪表的诊断故障类型和诊断故障概率本发明的预诊断能够提高故障仪表的检修运维效率，降低企业仪表运维的人力成本和时间成本，预测诊断结果的准确性高。
基于贝叶斯网络模型工业智能仪表故障诊断方法

[发明专利]基于贝叶斯网络高维感知数据本地差分隐私保护发布方法-CN201910304858.X在审
发明人：杨树森;徐静怡;惠永昌 -专利权人：江苏慧中数据科技有限公司
申请日： 2019-04-16 - 公布日： 2019-10-25 - 主分类号： G06F21/62 文献下载
摘要：基于贝叶斯网络高维感知数据本地差分隐私保护发布方法，每个用户持有自己的原始数据，首先在用户端对数据进行本地化隐私处理，后将处理后的数据发送至中心端，中心服务器对所有用户的数据基于贝叶斯网络进行相关性开采，用低维数据的联合概率分布来近似所有属性的联合分布，最后根据低维联合概率分布和贝叶斯网络结构合成新的数据集并发布；解决高维感知数据的属性关联与本地隐私保护需要相结合的难题，该方法不仅解决了高维给本地隐私保护带来的数据规模大和信噪比低的难题，同时也使得本地隐私保护对高维数据相关性识别的准确性问题可以通过参数设置来进行控制。
隐私保护高维贝叶斯网络感知数据联合概率分布低维发布中心服务器准确性问题参数设置高维数据属性关联数据发送数据规模网络结构原始数据贝叶斯数据集信噪比用户端中心端近似隐私合成联合

[发明专利]一种基于可加性假设和图结构高斯过程模型的模拟电路优化方法-CN202111248599.7在审
发明人：曾璇;严昌浩;周电;王艳 -专利权人：复旦大学
申请日： 2021-10-26 - 公布日： 2023-05-02 - 主分类号： G06F30/367 文献下载
摘要：涉及一种高维空间中的贝叶斯优化方法。具体涉及一种基于可加性假设和图结构高斯过程模型的模拟电路优化方法。本发明针对具有可加性假设(Additive Assumption)和图结构(Graph Structure)的高维空间，将原高维参数空间分解为多个互不相交的参数子空间，并在参数子空间中构建各参数间的关系依赖图，应用基于可加性假设和图结构的高斯过程模型(Gaussian Process Regression，GPR)，明显降低高维情况下贝叶斯优化方法的时间复杂度，加速电路优化过程。本方法实验结果表明，在高维模拟电路贝叶斯优化问题中，相较于现有方法可获得更快的收敛速度。
一种基于可加性假设结构过程模型模拟电路优化方法

[发明专利]基于贝叶斯网络属性聚类分析技术的高维隐私数据发布方法-CN202011013027.6在审
发明人：陈恒恒;刘胜军;谢飞;倪志伟;陈千;李海松;卜繁耀;朱旭辉 -专利权人：合肥城市云数据中心股份有限公司;合肥工业大学
申请日： 2020-09-24 - 公布日： 2020-12-25 - 主分类号： G06F21/62 文献下载
摘要：本发明涉及基于贝叶斯网络属性聚类分析技术的高维隐私数据发布方法，与现有技术相比解决了高维隐私数据加噪发布误差大、可用性差、效率低的缺陷。本发明包括以下步骤：高维数据的获取；属性子集的聚类划分；构建加噪贝叶斯网络；生成加噪条件分布；合成数据集的发布。高维大数据环境下，本发明可在确保数据隐私安全与可用性的同时，缩短数据发布算法的运行时间，实现高维大数据环境下隐私数据的有效发布。
基于贝叶斯网络属性聚类分析技术隐私数据发布方法

[发明专利]融合贝叶斯网络和深度学习的飞机作战效能敏感性分析-CN202211338825.5在审
发明人：高晓光;韩浩;王昊;李新宇 -专利权人：西北工业大学
申请日： 2022-10-28 - 公布日： 2023-02-03 - 主分类号： G06N7/01 文献下载
摘要：本发明涉及一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，通过结合贝叶斯网络少量样本数据下的建模优势和深度学习出色的高维数据处理能力来构建飞机作战系统代理模型，为Sobol指数法进行敏感性分析创造完备的条件通过基于互信息层次聚类方法对用于飞机作战效能敏感性分析的高维数据进行初步处理，然后应用自编码器对初步处理后的数据进行特征提取，实现降维，接着通过贝叶斯网络建立模型，至此飞机作战系统代理模型通过深度学习和贝叶斯网络模型的融合成功建立
融合贝叶斯网络深度学习飞机作战效能敏感性分析

[发明专利]基于贝叶斯非参数PCA的高维样本数据维度降低方法-CN201810470715.1在审
发明人：吴骏;李振兴;曹萌;张雷;王崇骏 -专利权人：南京大学
申请日： 2018-05-17 - 公布日： 2018-09-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于贝叶斯非参数PCA的高维样本数据维度降低方法，包括如下步骤：1)数据集预处理阶段；2)降维维度设置阶段：设置合适的维度进行样本数据的降维工作；3)模型训练阶段：使用吉布斯采样方法对模型变量进行采样本发明将贝叶斯非参数方法与PCA方法结合，应用于高维样本数据的维度降低方面，该方法有着数据降维准确、降维后数据区分度高、以及能够自动选择合适的维度进行高维数据的降维等优点。
样本数据维度降低贝叶斯非参数高维降维模型训练采样维度原始数据维度预处理阶段采样结果高维数据模型变量收敛条件输出阶段数据降维自动选择区分度数据集输出应用

[发明专利]结合内/外积特征交互和贝叶斯神经网络的营销预测方法-CN202110125002.3在审
发明人：项亮;方同星 -专利权人：上海数鸣人工智能科技有限公司
申请日： 2021-01-29 - 公布日： 2021-05-18 - 主分类号： G06Q30/02 文献下载
摘要：一种结合内/外积特征交互和贝叶斯神经网络的营销预测方法，包括数据预处理步骤、数据集划分步骤、模型建立步骤和对营销活动点击的预测步骤；其在预测模型的建立过程中，通过有效利用贝叶斯推断，在贝叶斯神经神经网络中引入预测的不确定性，使贝叶斯神经网络模型具有更强的鲁棒性。并且采用内/外积结合的方法，对特征进行了交叉来提取高维隐性特征。因此，本发明可以有效扩展深度学习对于计算广告和推荐系统算法问题的应用，并显著提升对用户点击行为预测的准确性。
结合特征交互贝叶斯神经网络营销预测方法

[发明专利]基于贝叶斯网络推理的预测分析方法以及装置-CN201610765379.4有效
发明人：赵甜芳;石子凡;许力 -专利权人：东软集团股份有限公司
申请日： 2016-08-29 - 公布日： 2019-05-31 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于贝叶斯网络推理的预测分析方法以及装置。其中方法应用于自动化运维系统，包括：从自动化运维系统的数据库中获取自动化运维数据，其中，自动化运维数据包括节点关系表和节点数据表；根据节点关系表生成网络拓扑图，并根据网络拓扑图和节点数据表进行样本文件的统计分析，以生成第一贝叶斯网络；获取目标节点的限定条件，并根据目标节点的限定条件以及第一贝叶斯网络进行推理分析，以得到第一贝叶斯网络中每个节点的区间置信度，并输出每个节点中置信度最大的区间。实现了通过将贝叶斯网络推理应用于自动化运维领域的预测中，扩展了自动化运维系统的预测功能，属于独创性成果。
贝叶斯网络自动化推理运维系统节点关系表网络拓扑图预测限定条件置信度运维获取目标目标节点样本文件统计分析分析维数数据库输出应用

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