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2666296个,建议您升级VIP下载更多相关专利
  • [发明专利]移动终端及其数据清理方法和装置-CN201611199972.3在审
  • 李翔 - 北京奇虎科技有限公司
  • 2016-12-22 - 2017-06-13 - G06F12/02
  • 本发明揭示了一种移动终端及其数据清理方法和装置,其中,数据清理方法包括移动终端上的数据清理应用程序获取数据清除命令;将可以被删除的数据按照预设的分类规则进行分类;其中,一分类数据被选中后,获取查看命令,显示被选中分类数据;根据预设的清除规则,清除各分类数据中指定的数据。本发明的移动终端及其数据清理方法和装置,清理数据的应用程序在清理移动终端的数据时,先进行分类,用后可以点击分类数据查看分类内的数据内容,以防止将重要的数据删除。
  • 移动终端及其数据清理方法装置
  • [发明专利]一种基于人工智能的大数据清洗方法及系统-CN202211340839.0在审
  • 王磊;杨柳 - 慕学星凡(成都)科技有限公司
  • 2022-10-29 - 2023-02-03 - G06F16/215
  • 本发明公开了一种基于人工智能的大数据清洗方法及系统,包括初始数据导入模块、数据分类模块、过滤信息导入模块、过滤选定模块、第一过滤模块、第二过滤模块、第三过滤模块、第四过滤模块、二次过滤模块、结果输出模块与综合评价模块;所述初始数据导入模块用于用户导入待清洗的数据,待清洗数据被发送到数据分类模块;所述数据分类模块用于对待清洗的数据进行处理获取到数据分类信息,所述数据分类信息包括单一分类数据与混合分类数据,所述单一分类数据与混合分类数据数据类型包括视频数据、音频数据、文字数据与图片数据;本发明能够更加快速准确的进行数据过滤清洗。
  • 一种基于人工智能数据清洗方法系统
  • [发明专利]一种互联网业务数据分类方法及系统-CN202110671380.1在审
  • 岳晨峰;史鲁强 - 浪潮软件科技有限公司
  • 2021-06-17 - 2021-12-28 - G06F16/953
  • 本发明提供一种互联网业务数据分类方法,包括:确定并抓取待分类数据包;将所述待分类数据包输入至预先训练好的数据分类模型中,得到数据分类结果;其中,所述数据分类模型是基于互联网数据包预设特征,采用SVM算法进行训练所得到本发明通过基于SVM分类算法以数据包统计特征为标准的数据分类方法,证实在以太网网络条件下SVM算法可以以数据包包长和包间的时间间隔这两项作为分类特征将抓取到的数据包进行多类别的分类处理,并且可以通过调整SVM算法的相关参数进一步优化分类效果。
  • 一种互联网业务数据分类方法系统
  • [发明专利]一种分类评估方法、装置、可读存储介质及电子设备-CN202211676371.2在审
  • 高洋洋 - 北京奇艺世纪科技有限公司
  • 2022-12-26 - 2023-03-28 - G06F18/21
  • 本发明提供了一种分类评估方法、装置、计算机可读存储介质及电子设备,该方法包括:基于预设的分类策略对待分类数据进行分类处理,得到预测分类标签;待分类数据包括至少一个分类特征;针对每一分类特征,确定分类特征的第一贡献值和第二贡献值;基于第一贡献值和第二贡献值,确定每一待分类数据的表征值;针对每一类预测分类标签,基于表征值和确定的分割阈值,在预测分类标签对应的第一待分类数据中识别出类重叠数据,基于类重叠数据分类策略进行评估,确定所述分类策略对应的分类评估结果,本发明提供的技术方案可以准确地识别出类重叠数据,实现对分类策略的准确评估。
  • 一种分类评估方法装置可读存储介质电子设备
  • [发明专利]文本分类模型构建、文本分类方法及装置-CN202110322136.4在审
  • 谢先招;向修海 - 武汉优品楚鼎科技有限公司
  • 2021-03-25 - 2021-06-11 - G06F16/35
  • 本发明提供一种文本分类模型构建、文本分类方法及装置,所述文本分类模型构建方法包括:构建情感词典;基于情感词典对预先标注文本数据进行数据清洗,得到中性文本数据集与非中性文本数据集;非中性文本数据集包括利好文本数据集及利空文本数据集,基于中性文本数据集与非中性文本数据集对第一文本分类模型进行训练,得到中性/非中性二分类器;基于利好文本数据集及利空文本数据集对第二文本分类模型进行训练,得到利好/利空二分类器。文本分类方法中,基于所得到的文本分类模型对待测文本数据进行分类,提高了分类准确度,同时提升对于文本数据分类效率。
  • 文本分类模型构建方法装置
  • [发明专利]分层抽样方法、装置和用于分层抽样的装置-CN202011141089.5有效
  • 王国赛;范晓昱;何旭 - 华控清交信息科技(北京)有限公司
  • 2020-10-22 - 2021-02-05 - G06K9/62
  • 本发明实施例提供一种分层抽样方法、装置和用于分层抽样的装置,用于对k分类的样本数据集在密文基础上抽取样本,其中,所述样本数据集中的样本数据以及所述样本数据对应的分类标签为密文。其中的方法包括:基于所述样本数据集中各样本数据对应的分类标签,计算所述各样本数据对应所述k分类中每个分类分类标识,所述分类标识为密文;基于预设的采样率以及所述各样本数据对应所述k分类中每个分类分类标识,确定所述样本数据集对应每个分类的采样标识,所述采样标识为密文;根据所述样本数据集对应每个分类的采样标识,抽取所述样本数据集中的样本数据。本发明实施例可以提高样本数据的隐私安全。
  • 分层抽样方法装置用于
  • [发明专利]专利数据的CPC分类方法及装置-CN202210241147.4在审
  • 朱欣昱;刘琦;程序 - 北京中知智慧科技有限公司
  • 2022-03-11 - 2022-06-03 - G06F16/35
  • 本发明公开了一种专利数据的CPC分类方法及装置,其中该方法包括:获取待分类的专利数据;将待分类的专利数据拆分为多个部分;根据预设特征提取策略,对每一部分的待分类的专利数据进行特征提取,得到每一部分的待分类的专利数据对应的特征向量;将每一部分的待分类的专利数据对应的特征向量输入预先建立的神经网络CPC分类模型的多个分类子模型中,得到专利数据的多个CPC分类子结果;根据多个CPC分类子结果预测得到最终的CPC分类结果;神经网络CPC分类模型根据多个历史专利样本数据预先训练生成,分类模型包括多个分类子模型。本发明可以实现高效准确地对专利数据进行CPC分类,提高了专利数据的CPC分类准确率和效率。
  • 专利数据cpc分类方法装置
  • [发明专利]一种数据处理方法及装置-CN201911419495.0在审
  • 刘志煌 - 腾讯云计算(北京)有限责任公司
  • 2019-12-31 - 2020-05-19 - G06F16/35
  • 本申请提供一种数据处理方法及装置,涉及数据处理技术领域,方法包括:获取待分类文本数据,将待分类文本数据划分为至少一个待分类文本子数据,确定每个待分类文本子数据中的属性字段对应的特征字段;按照每个待分类文本子数据按照第一字符排列顺序以及第二字符排列顺序的向量处理方式,分别得到第一向量特征以及第二向量特征,并综合得到每个待分类文本数据的向量特征;通过学习各特征字段对各待分类文本子数据的向量特征向量解析结果的权重影响,得到分类结果,并将所有待分类文本子数据分类结果作为待分类文本数据分类结果本申请解决了待分类数据中各字段之间的长距离依赖的问题,提高了分类准确率。
  • 一种数据处理方法装置
  • [发明专利]心电图数据分类方法、装置及系统-CN202011379001.3有效
  • 陈欢欢;陈傲 - 中国科学技术大学
  • 2020-11-30 - 2022-05-13 - A61B5/318
  • 本发明提供了一种心电图数据分类方法、装置及系统,其中方法包括:利用回声状态网络将待分类心电图数据转换为心电图模型数据;输入心电图模型数据至预先训练好的正常分类器,并获得第一分类结果;输入心电图模型数据至预先训练好的一个或多个异常分类器,并获得一个或多个第二分类结果;针对每个异常分类器输出的第二分类结果:若所述第一分类结果表示所述心电图模型数据正常且所述第二分类结果表示心电图模型数据非异常,则确定所述待分类心电图数据正常;若第一分类结果表示所述心电图模型数据非正常且所述第二分类结果表示所述心电图模型数据异常,则确定所述待分类心电图数据异常。本申请可以对心电图数据进行准确判定,提升准确性。
  • 心电图数据分类方法装置系统

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