-
公开(公告)号：CN114882488B
公开(公告)日：2024-06-28
申请号：CN202210547679.0
申请日：2022-05-18
Applicant: 北京理工大学
IPC: G06V20/62 , G06V20/10 , G06V10/82 , G06V30/18 , G06V30/19 , G06F16/36 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于深度学习与注意力机制的多源遥感图像信息处理方法，包括：步骤1，构建图像描述生成器，所述图像描述生成器基于自上而下图像描述模型构建而成；该自上而下图像描述模型包括顺序连接的注意力LSTM模型和语句生成LSTM模型；步骤2：采用融入词性特征的文本图像匹配的POS‑SCAN模型对图形描述生成器进行训练，得到所述图形描述生成器的损失函数；步骤3：将所述图像描述生成器进行自序列训练后，将所述多源遥感图像进行区域特征提取，并将区域特征提取结果输入所述图像描述生成器，得到所述图像对应的文字标签；步骤4：将所述区域特征提取结果、所述文字标签及候选语句输入相似性评分模块，得到相似度评分结果。
-
公开(公告)号：CN114579270A
公开(公告)日：2022-06-03
申请号：CN202210172467.9
申请日：2022-02-24
Applicant: 北京理工大学 , 深圳市数瑞数据智能技术研究所
IPC: G06F9/48 , G06F9/50 , H04L41/14 , H04L41/147 , H04L41/5041 , H04L41/5051 , H04L67/51
Abstract: 本发明公开了一种基于资源需求预测的任务调度方法及系统，包括：获取待执行任务；通过预测模型对待执行任务进行预测，得到待执行任务的资源需求量，以及执行待执行任务所需时间；根据预测得到的待执行任务的资源需求量，以及执行待执行任务所需时间，同时结合所有执行器的工作状态，通过调度模型对待执行任务进行调度；通过该方法能够对用户提交的任务进行合理调度，进而最大化利用云、网、端资源，并尽量缩短任务的整体执行时间，提高任务调度系统的响应速度。
-
公开(公告)号：CN114564708A
公开(公告)日：2022-05-31
申请号：CN202210173271.1
申请日：2022-02-24
Applicant: 北京理工大学 , 深圳市数瑞数据智能技术研究所
IPC: G06F21/31 , G06F21/62 , G06F16/9535
Abstract: 本发明公开了一种基于布隆过滤器的云网端数据可信共享鉴权方法，包括：S1：获取共享数据，建立鉴权策略；所述共享数据包括数据发布者提供的共享信息和数据申请者的相关信息；S2：获取所述数据申请者的相关信息对应的比特数据长度和哈希函数个数，根据所述鉴权策略构建布隆过滤器，生成智能合约；S3：获取访问所述共享数据的数据申请者信息；所述智能合约中相应的所述布隆过滤器对所述数据申请者的访问权限进行判断；若所述数据申请者拥有访问权限，则向其提供数据接口。本发明利用布隆过滤器对数据共享权限记录方式、权限判定方式、记录存储格式进行改进，使得数据共享权限认定过程更加简单高效，权限记录存储空间大大压缩。
-
公开(公告)号：CN113918568A
公开(公告)日：2022-01-11
申请号：CN202111190481.3
申请日：2021-10-13
Applicant: 国家基础地理信息中心 , 北京理工大学
Abstract: 本申请实施例提供了一种测绘档案归档矢量数据的检测方法、装置及终端设备，其中方法包括：获取待检测归档矢量数据文件；获取所述待检测归档矢量数据文件的关键信息，所述关键信息包括:文件类型、图层信息及存储路径；根据所述待检测归档矢量数据文件的关键信息检测所述待检测归档矢量数据文件的质量。通过所提供的测绘档案归档矢量数据的检测方法方案，实现测绘矢量数据归档质量的自动化检测，大大提高测绘矢量数据归档质量的检测效率，对测绘矢量数据归档质量进行有效控制。
-
公开(公告)号：CN110796723B
公开(公告)日：2021-09-07
申请号：CN201911082689.6
申请日：2019-11-07
Applicant: 北京理工大学
IPC: G06T15/08
Abstract: 本发明公开了一种三维变量间相关性衡量方法及指标优化方法，涉及数据挖掘技术领域，能够实现对三维变量间相关性的衡量，并进一步地对难以直接进行优化的指标进行间接优化。该方法包括：构建三维变量；三维变量包括三个随机变量X、Y和Z。构建三维变量样本；依据三维变量样本建立三个随机变量X、Y和Z分布的三维散点图，其中三个随机变量X、Y和Z分别分布在x维度，y维度以及z维度上。以立方网格划分三维散点图，立方网格为一个x0×y0×z0的立方网格，x0，y0，z0进行随机取值。在每一种x0，y0，z0的取值情况下，计算三个随机变量X、Y和Z的最大互信息值，取所有最大互信息值中的最大值作为最大三维信息系数MTDIC。利用MTDIC作为三维变量间的相关性值。
-
Patent Agency Ranking
公开(公告)号：CN110990453B
公开(公告)日：2021-07-16
申请号：CN201911176601.7
申请日：2019-11-26
Applicant: 北京理工大学
IPC: G06F16/2458
Abstract: 本发明公开了本发明提供了数据集中强相关变量提取及专利数量影响因素提取方法，能够计算两两变量之间的相关性，更有利于挖掘现实数据中隐藏的关联关系。其中数据集中强相关变量提取方法，通过对数据进行分块划分，并采用邻域向量检测以及自适应加权的方式进行两变量之间相关性的计算。本发明还提供了一种利用强相关变量提取方法进行专利数量影响因素提取的方法，根据该方法提取的影响因素与专利数量存在较强的相关性，从而获得专利数量与其他变量之间隐藏的关联关系。
-
公开(公告)号：CN110990453A
公开(公告)日：2020-04-10
申请号：CN201911176601.7
申请日：2019-11-26
Applicant: 北京理工大学
IPC: G06F16/2458
Abstract: 本发明公开了本发明提供了数据集中强相关变量提取及专利数量影响因素提取方法，能够计算两两变量之间的相关性，更有利于挖掘现实数据中隐藏的关联关系。其中数据集中强相关变量提取方法，通过对数据进行分块划分，并采用邻域向量检测以及自适应加权的方式进行两变量之间相关性的计算。本发明还提供了一种利用强相关变量提取方法进行专利数量影响因素提取的方法，根据该方法提取的影响因素与专利数量存在较强的相关性，从而获得专利数量与其他变量之间隐藏的关联关系。
-
公开(公告)号：CN110798802A
公开(公告)日：2020-02-14
申请号：CN201911066648.8
申请日：2019-11-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种共享自行车骨架网络提取方法，属于计算机应用技术领域，该方法能够针对由具有空间位置特征的网络节点组成的网络进行骨干网络提取。包括如下步骤：构建共享自行车网络。计算共享自行车网络中所有边的显著性，保留显著性大于零的边为骨干网络的边。计算共享自行车网络中所有节点的拓扑势。对共享自行车网络中的所有节点，依据其地理位置进行空间密度聚类，得到骑行区域簇。对于每个骑行区域簇，对当前骑行区域簇内的网络节点按照拓扑势的值进行降序排序，选取降序排序后的前设定个数的节点构成当前骑行区域簇的骨干核心节点。合并所有骑行区域簇的骨干核心节点，利用骨干网络的边对骨干核心节点进行连接构成骨架网络。
-
公开(公告)号：CN110796723A
公开(公告)日：2020-02-14
申请号：CN201911082689.6
申请日：2019-11-07
Applicant: 北京理工大学
IPC: G06T15/08
Abstract: 本发明公开了一种三维变量间相关性衡量方法及指标优化方法，涉及数据挖掘技术领域，能够实现对三维变量间相关性的衡量，并进一步地对难以直接进行优化的指标进行间接优化。该方法包括：构建三维变量；三维变量包括三个随机变量X、Y和Z。构建三维变量样本；依据三维变量样本建立三个随机变量X、Y和Z分布的三维散点图，其中三个随机变量X、Y和Z分别分布在x维度，y维度以及z维度上。以立方网格划分三维散点图，立方网格为一个x0×y0×z0的立方网格，x0，y0，z0进行随机取值。在每一种x0，y0，z0的取值情况下，计算三个随机变量X、Y和Z的最大互信息值，取所有最大互信息值中的最大值作为最大三维信息系数MTDIC。利用MTDIC作为三维变量间的相关性值。
-
公开(公告)号：CN110705618A
公开(公告)日：2020-01-17
申请号：CN201910903391.0
申请日：2019-09-24
Applicant: 北京理工大学
Abstract: 本发明公开了一种服务于聚类任务的自编码器网络优化方法，属于聚类分析技术领域，能够在聚类分析之前对待聚类的数据集进行重新表示，使聚类任务获得更好的准确性。包括如下步骤：构建标准的自编码器网络。构造目标函数，当前目标函数为Loss1，以待聚类的数据集作为输入，对自编码器网络进行预训练，获得预训练的最优网络参数。针对采用上述预训练的最优网络参数，将目标函数修改为Loss，对自编码器网络进行二次训练，直至自编码器网络达到最优。将二次训练后达到最优的自编码器网络中的编码器部分取出，作为聚类数据预处理模型，将上述待聚类的数据集作为聚类数据预处理模型的输入，聚类数据预处理模型的输出作为聚类任务的输入。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.025 seconds)
