-
公开(公告)号：CN114665885A
公开(公告)日：2022-06-24
申请号：CN202210330862.5
申请日：2022-03-29
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
Abstract: 一种时序数据库自适应数据压缩方法，涉及数据压缩领域。本发明是为了解决目前时序数据压缩方法还存在无法对时序数据的特征和模式自适应压缩以及压缩率低造成内存空间浪费的问题。本发明包括：获取时序数据中的时间戳和Field Value；获取待压缩的时间戳每个时间点的delta‑of‑delta值；根据每个时间点的delta‑of‑delta值进行压缩获得每个时间点的压缩结果；以时间戳每个时间点为间隔将Field Value分为Field Value数据段，利用时间戳时间点的delta‑of‑delta值对Field Value数据段划分，获得Field Value数据小段；将Field Value数据小段输入训练好的神经网络分类器中，获得Field Value数据小段压缩结果；将时间戳压缩结果和Field Value压缩结果存储到内存中，获得时间序列数据压缩结果。本发明用于时序数据的压缩。
-
公开(公告)号：CN114329155A
公开(公告)日：2022-04-12
申请号：CN202111682432.1
申请日：2021-12-30
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: G06F16/953 , G06F16/9538 , G06F16/2455 , G06F16/2458
Abstract: 一种包含时序数据库的多模态存储缓存系统及查询方法，涉及计算机技术领域。本发明是为了解决目前数据库在时间片的统计分析查询需求下添加对非时间类数据的常规查询的方法还存在由于数据库不够成熟稳定导致存储风险大的问题。本发明包括：交互层、控制层、服务层、数据访问对象层、缓存层、存储层；交互层用于接收用户输入的数据、显示查询结果数据和启动控制层；控制层用于校验接口参数并调度服务层；服务层用于实现数据查询业务逻辑；数据访问对象层用于利用数据访问函数调用缓存层或存储层进行数据查询并返回给服务层；缓存层用于缓存数据访问对象层从存储层库中读取的数据；存储层用于存储数据；本发明用于多模态数据查询。
-
公开(公告)号：CN114884515B
公开(公告)日：2025-01-17
申请号：CN202210372728.1
申请日：2022-04-11
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: H03M7/30 , G06F18/24 , G06N3/0464 , G06N3/048
Abstract: 时序数据库中的自适应数据压缩系统、方法及设备，属于计算机技术领域。为了解决目前针对时序数据库的压缩算法存在的不能对数据进行针对性选择处理及无法同时兼顾轻量化要求的问题。本发明系统包括时序数据库插件和基于配置信息通过接口调用不同的压缩算法进行压缩的数据压缩子系统；其中，时序数据库插件为分类决策模型，分类决策模型包括特征提取单元和利用神经网络模型进行压缩算法自动选择的分类决策单元；数据压缩子系统包括将选出数据压缩算法反馈给用户并将压缩策略写入配置中心的压缩策略配置单元，以及创建新活动来执行数据压缩任务，并定期被唤醒来执行数据整理压缩任务的自适应数据压缩单元。主要用于时序数据库中数据的自适应压缩。
-
公开(公告)号：CN114640355B
公开(公告)日：2023-04-18
申请号：CN202210326314.5
申请日：2022-03-30
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: H03M7/30 , G06F16/174 , G06F16/22 , G06F18/2433
Abstract: 时序数据库的有损压缩及解压缩方法、系统、存储介质、设备，属于数据压缩技术领域。为了解决目前的压缩算法的ΔE选取可能难以适应整个时段的所有数据的问题，本发明所述压缩方法，首先进行离群点检测，然后将离群点单独存储为新的一个文件，记为离群点文件；将剔除离群点后的数据存储为一个文件，记为普通文件；将离群点文件和普通文件同时分别执行有损压缩；对第i段数据压缩后，计算该段压缩误差ei以及误差比动态调整旋转门压缩算法的压缩精度参数ΔEi+1＝ΔE×A×Pi，从而实现数据压缩。解压缩的过程中，首先判别数据点是属于普通文件还是离群点文件，分别根据压缩模型进行线性插值。主要用于时序数据库的有损压缩及解压缩。
-
公开(公告)号：CN114640355A
公开(公告)日：2022-06-17
申请号：CN202210326314.5
申请日：2022-03-30
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: H03M7/30 , G06F16/174 , G06F16/22 , G06K9/62
Abstract: 时序数据库的有损压缩及解压缩方法、系统、存储介质、设备，属于数据压缩技术领域。为了解决目前的压缩算法的ΔE选取可能难以适应整个时段的所有数据的问题，本发明所述压缩方法，首先进行离群点检测，然后将离群点单独存储为新的一个文件，记为离群点文件；将剔除离群点后的数据存储为一个文件，记为普通文件；将离群点文件和普通文件同时分别执行有损压缩；对第i段数据压缩后，计算该段压缩误差ei以及误差比动态调整旋转门压缩算法的压缩精度参数ΔEi+1＝ΔE×A×Pi，从而实现数据压缩。解压缩的过程中，首先判别数据点是属于普通文件还是离群点文件，分别根据压缩模型进行线性插值。主要用于时序数据库的有损压缩及解压缩。
-
Patent Agency Ranking
公开(公告)号：CN114218287A
公开(公告)日：2022-03-22
申请号：CN202111662253.1
申请日：2021-12-30
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 一种面向时序数据库的查询时间预测方法，涉及计算机技术领域，针对现有技术中查询时间预测速度慢的问题，包括：步骤一：读取时序数据；步骤二：将时序数据写入CnosDB，CnosDB使用CnoSQL查询语句对时序数据进行查询检索，并记录查询时间；步骤三：将查询语句编码为向量化数据；步骤四：对向量化数据提取数据分布特征；步骤五：使用PCA对数据分布特征进行降维；步骤六：利用向量化数据和降维后的数据分布特征作为输入，查询时间作为输出，训练梯度提升回归树模型；步骤七：利用训练好的梯度提升回归树模型进行查询时间预测。本申请在预测时间上，在上述实验中本模型都能在几十毫秒内给出预测结果，具有非常可观的响应速度。
-
公开(公告)号：CN101616106A
公开(公告)日：2009-12-30
申请号：CN200910108839.6
申请日：2009-07-24
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及基于斜投影盲自适应CDMA接收机及其接收方法。基于斜投影盲自适应CDMA接收机，包括信号接收端、滤波单元、PN码同步单元和噪声方差估计单元；其中，信号接收端用于接收外部信号，并与滤波单元连接，PN码同步单元和噪声方差估计单元设置在信号接收端与滤波单元之间。基于斜投影盲自适应CDMA接收机的接收方法包括步骤：一、确定目标信号的扩频码信息；二、确定噪声的方差，由一步中目标信号的数据信息建立目标信号子空间；三、确定二中建立的目标信号子空间和噪声方差所对应的斜投影算子；四、由三步中得到的斜投影算子，提取目标信号，滤除干扰信号。本发明具有计算量小，复杂度低，以及简单方便等优点。
-
公开(公告)号：CN120032000A
公开(公告)日：2025-05-23
申请号：CN202510119074.5
申请日：2025-01-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于扩散模型的3D MRI偏置场校正方法及系统，它属于医学图像分析技术领域。本发明解决了现有3D MRI偏置场校正方法的效率低、精度低以及需要的计算资源大的问题。本发明方法为：获取各张无偏置场的3D MRI医学影像，根据获取的3D MRI医学影像得到3D MRI医学影像数据集；获取用于生成3D偏置场标签的基集；利用得到的3D MRI医学影像数据集和基集对偏置场校正模型进行训练，获得训练好的偏置场校正模型；对带偏置场的3D MRI影像的体素进行均匀抽取，利用均匀抽取出的体素组成训练好的偏置场校正模型的输入图像，利用训练好的偏置场校正模型对输入图像进行T步偏置场校正，根据偏置场校正模型的输出得到校正后3D MRI影像。本发明方法可以应用于3D MRI偏置场校正。
-
公开(公告)号：CN114218287B
公开(公告)日：2022-11-04
申请号：CN202111662253.1
申请日：2021-12-30
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 一种面向时序数据库的查询时间预测方法，涉及计算机技术领域，针对现有技术中查询时间预测速度慢的问题，包括：步骤一：读取时序数据；步骤二：将时序数据写入CnosDB，CnosDB使用CnoSQL查询语句对时序数据进行查询检索，并记录查询时间；步骤三：将查询语句编码为向量化数据；步骤四：对向量化数据提取数据分布特征；步骤五：使用PCA对数据分布特征进行降维；步骤六：利用向量化数据和降维后的数据分布特征作为输入，查询时间作为输出，训练梯度提升回归树模型；步骤七：利用训练好的梯度提升回归树模型进行查询时间预测。本申请在预测时间上，在上述实验中本模型都能在几十毫秒内给出预测结果，具有非常可观的响应速度。
-
公开(公告)号：CN114665884A
公开(公告)日：2022-06-24
申请号：CN202210318623.8
申请日：2022-03-29
Applicant: 北京诺司时空科技有限公司 , 哈尔滨工业大学
Abstract: 时序数据库自适应有损压缩方法、系统及介质，涉及计算机技术领域，针对现有技术中缺少提高数据压缩比的方法的问题，本申请自适应用户的压缩精度需求。用户可以确定压缩精度，通过存储数据段的基和部分偏差来确保压缩在相应的精度内。数据库的数据压缩比高，节省存储空间。有损压缩降低精度，在保持基的同时将部分偏差丢弃，降低存储空间。使用类似Huffman编码的思想进行编码，进一步提升压缩比。编码方式灵活。可以更换编码方式，Huffman编码需要整段全解压缩才能够查询，查询效率低时可以选择更换不同的编码方式来提升效率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.031 seconds)
