-
公开(公告)号：CN109063908B
公开(公告)日：2020-10-27
申请号：CN201810852241.7
申请日：2018-07-30
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于深度多任务学习的城市AQI预测与空间细粒度AQI等级估计方法，本发明对于AQI预测，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对有监测站区域的AQI进行预测。对于空间细粒度AQI等级估计，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对无监测站区域的AQI等级进行估计。通过共享数据表示，对模型参数进行协同训练。本发明结合深度学习和多任务学习对有空气质量监测站的区域进行AQI预测，对无空气质量监测站的区域进行AQI等级估计，在普适计算、环保等领域具有广阔的应用前景。
-
公开(公告)号：CN109389245A
公开(公告)日：2019-02-26
申请号：CN201811038527.8
申请日：2018-09-06
Applicant: 浙江鸿程计算机系统有限公司 , 浙江省特种设备检验研究院
Abstract: 本发明涉及一种基于深度神经网络的多因素融合学区学龄人口预测方法，包括如下：1)对每个学区的户籍数据和公积金数据进行预处理；2)根据预处理后的数据计算各个学区的人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布，并构建总人口时序和学龄人口时序，进行相对归一化处理；利用CNN和LSTM网络提取总人口时序深度特征和学龄人口时序深度特征；3)将总人口时序深度特征、学龄人口时序深度特征、人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布拼接后送入全连接层，计算学龄人口预测值。本发明对于合理规划教育投入和优化教育资源配置具有重要的现实意义。
-
公开(公告)号：CN103731498A
公开(公告)日：2014-04-16
申请号：CN201310755662.5
申请日：2013-12-31
Applicant: 浙江鸿程计算机系统有限公司
IPC: H04L29/08
Abstract: 本发明涉及计算机数据库处理领域，尤其涉及一种基于副本选择的大数据实时查询系统负载均衡方法，包括节点负载信息收集和节点负载均衡两个过程，节点负载均衡过程包括预处理和选择副本两个阶段。本发明的有益效果：本发明针对现有的大数据实时查询系统负载均衡方法过于简单且不考虑机器当前状态的问题，提出了新的基于副本选择的大数据实时查询系统负载均衡方法，本发明的优点包括：负载均衡效果优于现有的大数据实时查询系统；时间复杂度较小，为O(n2)，其中n为块的数目；适用于异构分布式系统和系统中运行其他任务的情况。
-
公开(公告)号：CN102968618A
公开(公告)日：2013-03-13
申请号：CN201210420633.9
申请日：2012-10-24
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及静态图像中的对象识别技术，尤其涉及一种融合BoF模型和谱聚类算法的静态手势识别方法，包括识别训练方法和识别应用方法，构建层次化BoF模型用于快速准确地捕捉复杂背景下的手势特征分布，再通过谱聚类算法过滤掉属于背景的特征点，保证识别的效率和准确性。本发明的有益效果在于：1、层次化BoF模型在保持了传统BoF模型运行效率高、相对准确的优点基础上，同时又修正了传统BoF模型中不包含特征点空间分布信息的缺陷；2、提出了一种基于谱和HIK的过滤算法(Spectral-HIK)，该算法在尽量保存前景特征点的基础上过滤掉大部分的背景特征点，可以有效的提高整个算法的识别效率及准确率。
-
公开(公告)号：CN113516501A
公开(公告)日：2021-10-19
申请号：CN202110523619.0
申请日：2021-05-13
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明公开了一种基于图神经网络的用户通信行为预测方法和装置，包括：采集用户属性数据、用户行为数据、用户间通话数据，以及待预测行为数据，将用户属性数据和用户行为数据的编码信息作为节点属性，根据用户间通话数据构建节点之间连边信息，以形成用户通信社交图，待预测行为数据作为待预测行为标签；构建包含图神经网络和分类网络的用户通信行为模型，其中，图神经网络用于提取节点特征，分类网络用于基于节点特征进行用户通信行为预测，利用用户通信社交图和待预测行为标签优化用户通信行为模型参数；应用时，将待预测的用户通信社交图输入至参数优化后的用户通信行为模型，经计算得到用户通信行为预测结果。提升用户通信行为预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119887135A
公开(公告)日：2025-04-25
申请号：CN202411920970.3
申请日：2024-12-25
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06Q10/105 , G07C9/29
Abstract: 本公开涉及一种考勤数据处理方法及装置。方法包括获取员工的打卡数据和通行数据。该方法还包括基于打卡数据和通行数据，确定考勤记录表，考勤记录表包括多个员工的考勤数据、以及多个与考勤数据对应的第一考勤判断结果。此外，该方法还包括响应于考勤记录表中的第一考勤判断结果为非正常，基于考勤记录表中的考勤数据与差旅数据和请假销假数据，确定第二考勤判断结果，以将考勤记录表中的第一考勤判断结果调整为第二考勤判断结果。通过这种方式，利用两种考勤数据确定员工的有效考勤记录，并结合差旅、请假数据，确定出差、请假记录，这样提高了考勤数据处理正确性和效率。
-
公开(公告)号：CN112651665B
公开(公告)日：2022-12-20
申请号：CN202110049864.2
申请日：2021-01-14
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明公开了一种基于图神经网络的地表水水质指标预测方法和装置，包括以下步骤：采集并预处理水质指标监测数据和天气数据；基于地表水水质指标监测站点的地理位置数据和水文数据构建站点图，依据预处理后的水质指标监测数据、天气数据和站点图对图卷积神经网络、基于LSTM构建的序列编解码器以及多层感知机组成的水质指标预测网络进行参数优化，参数优化结束后，参数确定的水质指标预测网络作为水质指标预测模型；利用水质指标预测模型实现基于预处理后的水质指标监测数据和天气数据的水质指标预测。本发明结合图卷积神经网络和序列编解码器架构来预测地表水水质指标，在卫生健康、环境治理等领域具有广阔的应用前景。
-
公开(公告)号：CN112651665A
公开(公告)日：2021-04-13
申请号：CN202110049864.2
申请日：2021-01-14
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明公开了一种基于图神经网络的地表水水质指标预测方法和装置，包括以下步骤：采集并预处理水质指标监测数据和天气数据；基于地表水水质指标监测站点的地理位置数据和水文数据构建站点图，依据预处理后的水质指标监测数据、天气数据和站点图对图卷积神经网络、基于LSTM构建的序列编解码器以及多层感知机组成的水质指标预测网络进行参数优化，参数优化结束后，参数确定的水质指标预测网络作为水质指标预测模型；利用水质指标预测模型实现基于预处理后的水质指标监测数据和天气数据的水质指标预测。本发明结合图卷积神经网络和序列编解码器架构来预测地表水水质指标，在卫生健康、环境治理等领域具有广阔的应用前景。
-
公开(公告)号：CN106960044B
公开(公告)日：2020-04-07
申请号：CN201710201416.3
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9537
Abstract: 本发明涉及一种基于张量分解及加权HITS的时间感知个性化POI推荐方法，本发明针对传统POI推荐方法中面临的数据稀疏性问题，首先通过引入附加信息的协同张量分解对用户偏好进行建模，然后通过加权HITS同时整合用户偏好与POI的流行度为POI进行打分。最后根据POI打分为用户提供排名靠前的若干POI作为推荐。本发明通过集成协同张量分解与加权HITS考虑用户偏好、时间及当地特色三个因素，克服数据稀疏性问题，为用户提供高质量的个性化POI推荐。
-
公开(公告)号：CN106960044A
公开(公告)日：2017-07-18
申请号：CN201710201416.3
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种基于张量分解及加权HITS的时间感知个性化POI推荐方法，本发明针对传统POI推荐方法中面临的数据稀疏性问题，首先通过引入附加信息的协同张量分解对用户偏好进行建模，然后通过加权HITS同时整合用户偏好与POI的流行度为POI进行打分。最后根据POI打分为用户提供排名靠前的若干POI作为推荐。本发明通过集成协同张量分解与加权HITS考虑用户偏好、时间及当地特色三个因素，克服数据稀疏性问题，为用户提供高质量的个性化POI推荐。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.043 seconds)
