-
公开(公告)号：CN113469394A
公开(公告)日：2021-10-01
申请号：CN202010237421.1
申请日：2020-03-30
Applicant: 富士通株式会社
Abstract: 本申请公开一种信息处理装置、信息处理方法和计算机可读存储介质。该信息处理装置包括：历史数据获取单元，被配置成获取关于资源的历史数据，历史数据至少包括资源包含的每个部分在预定历史时间段期间中所包括的多个单位时段内的需求量；预测结果获取单元，被配置成：针对资源包含的每个部分，通过第一组预测模型生成与该部分在下一个单位时段内的需求量有关的第一组预测结果，并且通过第二组预测模型生成与该部分在下一个单位时段内的需求量有关的第二组预测结果；以及融合单元，被配置成针对资源包含的每个部分，通过将第一组预测结果和第二组预测结果进行融合来获得该部分在下一个单位时段内的最终预测需求量。
-
公开(公告)号：CN112560470A
公开(公告)日：2021-03-26
申请号：CN201910842145.9
申请日：2019-09-06
Applicant: 富士通株式会社
IPC: G06F40/289
Abstract: 本公开内容涉及生成用于识别文本中的化学名称的有限状态自动机的方法、装置及识别方法。根据本公开内容的一个实施例，该方法包括以下步骤：将有机物名称集中出现的字符片段的类别的表示常量代入所述有机物名称集以得到转换名称集；基于转换名称集中重复出现的转换名称片段更新转换名称集；以及基于更新的转换名称集生成有限状态自动机。本公开内容的方法、装置和存储介质至少能有助于实现如下效果之一：自动生成识别规则、生成有限状态自动机的方法简单、识别化学名称效率高、识别率高。
-
公开(公告)号：CN108686363A
公开(公告)日：2018-10-23
申请号：CN201710232620.1
申请日：2017-04-11
Applicant: 富士通株式会社
IPC: A63B71/06
Abstract: 本发明涉及动作评价方法和装置。该方法包括：从通过传感器采集的记录中抽取特征，记录包含一个动作的多个数据点；确定所抽取的特征中包括的多个基本动作；利用预先存储的评价模型确定用于对所抽取的特征中包括的多个基本动作进行评价的评价状态序列；以及将所确定的评价状态序列与预先存储的标准评价状态序列进行比较来得到对记录的评价值。根据本发明的方法和装置可以准确地对每个动作进行评价，从而判断用户的某个动作做的是否规范，进而知道如何改进。此外，还可以解决由于握拍的方向不同而导致的传感器采集来的数据不同的问题。
-
公开(公告)号：CN107728775A
公开(公告)日：2018-02-23
申请号：CN201610653994.6
申请日：2016-08-10
Applicant: 富士通株式会社
Abstract: 本发明公开了一种动作识别方法及其装置。该动作识别方法包括：将与待识别的用户动作有关的依时序排列的数据串分割成具有固定时长的多个数据段；针对每一个数据段，将该数据段细分成彼此不重叠的多个子段，计算各个子段中的各个时间点处的数据相对于参考时间点处的数据的相对位置关系，以及依时序将所计算的相对位置关系连接在一起作为该数据段的数据段特征；以及通过预先训练的分类器，基于与待识别的用户动作有关的数据串所包括的所有数据段的数据段特征来识别用户动作。根据本发明的方法及装置能够识别复杂的动作。
-
公开(公告)号：CN104679754B
公开(公告)日：2018-01-02
申请号：CN201310616088.5
申请日：2013-11-27
Applicant: 富士通株式会社
IPC: G06F17/30
Abstract: 提供一种用于数据预测的模型选择设备和方法。该模型选择设备包括：矩阵分解单元，被配置为对预测矩阵进行奇异值分解，其中，预测矩阵的行/列向量是样本向量，列/行向量是对应维度的特征向量，样本向量之一是包含待预测特征序列的待预测向量；模型选择单元，被配置为基于由矩阵分解单元通过进行奇异值分解获得的、能够反映预测矩阵的样本向量的子矩阵来选择要应用于待预测特征序列的预测的模型。根据本公开的方案可以降低矩阵计算维度、减少噪声，从而达到自动、准确地选择预测模型的效果。
-
Patent Agency Ranking
公开(公告)号：CN103729530B
公开(公告)日：2017-05-24
申请号：CN201210391204.3
申请日：2012-10-15
Applicant: 富士通株式会社
IPC: G06F19/00
Abstract: 本发明涉及一种对序列进行处理的装置和方法。对序列进行处理的装置包括：划分单元，被配置用于以多个不同的子序列长度，分别将序列划分为多个子序列；相似度计算单元，被配置用于针对每一个子序列长度，计算每两个子序列之间的相似度；周期确定单元，被配置用于确定使相似度的平均值最大的子序列长度作为序列的周期；识别单元，被配置用于在与周期对应的多个子序列中识别异常子序列；以及校正单元，被配置用于对异常子序列进行校正以获得新的序列。
-
公开(公告)号：CN106326911A
公开(公告)日：2017-01-11
申请号：CN201510394629.3
申请日：2015-07-07
Applicant: 富士通株式会社
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 本发明公开了一种时序特征的优化方法和优化装置。该优化方法包括：将多个时序特征进行组合，以形成多个特征组合，其中每个特征组合中均具有预定数量的时序特征；计算每个特征组合的重要度向量；根据每个特征组合的重要度向量，对所述多个特征组合进行聚类，以形成多个类；以及在所述多个类中选取所述多个时序特征中的一部分时序特征。该优化方法通过将时序特征进行组合并计算组合的重要度向量，并且以此为依据对特征组合进行聚类，从而将相关的特征聚为同一类，在每个类中可适当地选取时序特征，以用于机器学习。如此，可优化用于机器学习的时序特征，使得所选取的时序特征更加有利于机器学习的效果。
-
公开(公告)号：CN106156161A
公开(公告)日：2016-11-23
申请号：CN201510179002.6
申请日：2015-04-15
Applicant: 富士通株式会社
IPC: G06F17/30
Abstract: 公开了一种模型融合方法、模型融合设备和分类方法，该模型融合方法包括：分类阈值确定步骤，确定多个分类模型中的每个的用于对多个训练样本进行分类的分类阈值；空间划分步骤，针对多个分类模型中的每个，将该分类模型关于多个训练样本的输出得分根据各个输出得分的概率密度划分成多个子空间；置信度确定步骤，针对多个分类模型中的每个，基于所划分的多个子空间，确定多个子空间内的各个单元的置信度，该置信度表示各个单元的输出得分的置信水平；以及分类阈值融合步骤，基于多个分类模型中的每个的预定权重和各个分类模型的分类阈值，对多个分类模型的分类阈值进行融合。根据本公开的实施例，可以有效地实现多模型融合，以优化分类性能。
-
公开(公告)号：CN103294729B
公开(公告)日：2016-08-17
申请号：CN201210055852.1
申请日：2012-03-05
Applicant: 富士通株式会社
IPC: G06F17/30
Abstract: 提供一种处理、预测包含样本点的时间序列的方法和设备。该处理包含样本点的时间序列的方法包括：确定每个历史时间序列/当前时间序列中的每个样本点在每个历史时间序列/当前时间序列中的相对位置；将每个历史时间序列/当前时间序列中的每个样本点编码为能够反映其在每个历史时间序列/当前时间序列中的相对位置的编码；根据编码后的历史时间序列与编码后的当前时间序列之间的相似度，从编码后的历史时间序列中选择参考时间序列；以及通过统计参考时间序列中的编码的平均值和标准差，来确定参考时间序列中的编码在参考时间序列中的分布函数，其中，参考时间序列和分布函数用于预测当前时间序列中的下一样本点。
-
公开(公告)号：CN105654102A
公开(公告)日：2016-06-08
申请号：CN201410643379.8
申请日：2014-11-10
Applicant: 富士通株式会社
Abstract: 本申请公开了一种用于多模型系统中的模型融合的数据处理装置和数据处理方法，该数据处理装置包括：特征空间划分单元，被配置为将待测数据集的特征空间分割为多个特征空间划分，以使得该特征空间划分对于多个模型中的至少一个模型而言是优化的；融合单元，被配置为基于训练数据集获得特征空间上的至少由多个模型的子集融合得到的融合模型，其中，融合单元以特征空间划分为单位来获得新特征空间划分模式，同时针对新特征空间划分模式以及各个新特征空间划分使用的、作为多个模型的子集的模型子集两者进行优化，以获得针对整个特征空间的融合模型的整体最佳性能。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.038 seconds)
