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370707个,建议您升级VIP下载更多相关专利
  • [发明专利]行为数据分类方法、分类模型训练方法及装置-CN201711102854.0有效
  • 车昱婧 - 财付通支付科技有限公司
  • 2017-11-10 - 2023-03-24 - G06F18/24
  • 本发明公开了一种行为数据分类方法、分类模型训练方法及装置,属于大数据技术领域。所述方法包括:获取待分类数据,待分类数据包括多个原始变量的特征值;将多个原始变量的特征值输入分类模型,基于分类模型中的指定分类器以及指定分类器的特征值,获取多个原始变量的至少一个衍生变量以及至少一个衍生变量的特征值;在分类模型中基于多个原始变量的特征值、至少一个衍生变量的特征值,得到待分类数据的类别。其中,指定分类器为待分类数据符合的分类条件所对应的分类器。本发明减少了待分类数据的衍生变量数量,从而加快了数据分类的过程的计算速度。
  • 行为数据分类方法模型训练装置
  • [发明专利]一种基于特征变量加权的故障分类诊断方法-CN201811213324.8有效
  • 皇甫皓宁;童楚东;俞海珍 - 宁波大学
  • 2018-10-09 - 2021-06-15 - G06K9/62
  • 本发明公开一种基于特征变量加权的故障分类诊断方法,旨在为各参考故障实施特征变量选择与加权,并建立特征变量加权主成分分析模型,从而实施在线故障分类诊断。具体来讲,本发明方法利用近邻成分分析算法,逐个为各参考故障类型区分出特征变量及其异常程度。然后,利用主成分分析算法为各个故障类型加权后的特征变量建立单分类模型。最后,利用这些单分类模型实施在线故障数据所对应的故障类型的诊断。本发明方法利用各故障的特征变量实施故障分类诊断不仅能消除非特征变量的干扰影响,而且在建立单分类模型时通过加权处理还能凸显各个特征变量的差异。因此,本发明方法是一种更为优选的故障分类诊断方法。
  • 一种基于特征变量加权故障分类诊断方法
  • [发明专利]驾驶场景分类方法、装置、设备及存储介质-CN202310272818.8在审
  • 王薛强;韩旭 - 广州文远知行科技有限公司
  • 2023-03-17 - 2023-08-01 - G06V10/764
  • 本发明涉及自动驾驶技术领域,公开了一种驾驶场景分类方法、装置、设备及存储介质。该方法包括:通过获取自动驾驶数据对应的多类训练变量,每类训练变量包括多个场景变量和接管特征;基于接管特征,对训练变量按照接管强度进行排序,并基于排序的结果,从各训练变量中选取预设数量的训练变量;基于各场景变量,利用预设分类树对选取的训练变量依次执行分类搜索,得到搜索结果;基于搜索结果,从分类树中选取大于预设分类纯度的多个搜索节点,并对选取的各个搜索节点进行聚类,得到聚类结果;根据搜索结果和聚类结果,匹配各自动驾驶数据对应的场景类别,实现提高了对自动驾驶路测数据多种场景的分类效果。
  • 驾驶场景分类方法装置设备存储介质
  • [发明专利]模型训练方法、数据类型识别方法和计算机设备-CN201810386283.6有效
  • 曾利彬 - 创新先进技术有限公司
  • 2018-04-26 - 2021-07-30 - G06Q20/40
  • 所述模型训练方法包括:确定迁移变量和互异变量;所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息;所述互异变量用于表征源地区和目标地区历史数据的特有特征信息;基于源地区的历史数据,训练基于所述迁移变量和所述互异变量构建的第一分类模型;基于目标地区的历史数据和所述第一分类模型的训练结果,训练基于所述迁移变量和所述互异变量构建的第二分类模型;所述第二分类模型包括差异约束项;所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异
  • 模型训练方法数据类型识别计算机设备

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