-
公开(公告)号：CN105469118A
公开(公告)日：2016-04-06
申请号：CN201510884354.1
申请日：2015-12-04
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6276
Abstract: 本发明涉及基于核函数的融合主动学习和非参半监督聚类的稀有类别检测方法，本发明针对传统稀有类别检测方法中对已标记数据点利用不充分和需要预先指定类别相关信息的问题，提出了一种基于核函数的融合主动学习和非参半监督聚类的稀有类别检测方法，通过使用非参半监督聚类的方法利用少量标注数据和大量未标注数据来优化数据分布模型，并结合主动学习选择出在所有未标记数据点中最具代表性的异常点提交给专家进行标注，从而减少了稀有类别检测过程中人工标注的工作量，提高了稀有类别检测过程的效率，并且解决了在非线性情况下的稀有类别发现问题。
-
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：CN102306176B
公开(公告)日：2013-09-25
申请号：CN201110247045.5
申请日：2011-08-25
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及数据仓库搜索技术，尤其涉及一种基于数据仓库内在特征的OLAP关键词查询方法，将可能的查询结果返回给OLAP用户，简化用户多维分析的过程，本发明只对维度表建立索引，这样提高了索引的速度，消除了无关信息的噪音；在索引过程中，通过过滤非相关维度属性来减少无关信息对查询结果的影响，采用过滤重复的维度列的方法规避冗余数据对语义的影响；根据维度层次粒度产生了维度层次权重系数，通过在传统的全文检索排序策略上增加维度层次权重系数来提升命中结果准确度；通过Joins相似的排序评分方法提高了结果排序的准确性，解决了现有技术中存在的问题。
-
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：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。
-
Patent Agency Ranking
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：CN107133274B
公开(公告)日：2020-12-15
申请号：CN201710228718.X
申请日：2017-04-10
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/33 , G06F16/36 , G06F40/295 , G06F40/30
Abstract: 本发明涉及一种基于图知识库的分布式信息检索集合选择方法，主要包括如下步骤：1)采用实体链接方法，从各个集合的样本文档中获取集合的实体词集；2)基于上下文相关度和结构相关度，计算实体词的权重，使用加权的实体词集表示集合的语义信息；3)采用查询扩展方法扩展查询中包含的实体词，并为查询实体词赋予不同的权重；4)采用查询与集合相关度度量方法计算集合评分，选择评分较高的前若干个集合。本发明利用图知识库中蕴含的实体关系和网络结构，使用基于图知识库的集合语义建模方法、查询扩展方法和查询与集合相关度度量方法，提高了集合选择方法的准确度。
-
公开(公告)号：CN106997389B
公开(公告)日：2020-04-07
申请号：CN201710201405.5
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9537 , G06F16/9536 , G06Q50/14
Abstract: 本发明涉及一种基于多数据集和协同张量分解的旅游景点推荐方法，通过利用不同数据源的用户行为信息为用户提供细粒度的旅游推荐服务。本发明首先从社交网站中获取多个数据集的信息；然后基于用户旅行历史信息构建用户‑景点‑时间张量，并结合协同张量分解模型对该张量进行分解和补全，获得用户的旅行偏爱；最后根据补全的用户‑景点‑时间张量以及用户输入的旅游城市和时间情景信息为用户推荐合适的旅游景点。该方法能够为用户提供基于时间感知的旅游景点推荐服务。
-
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：CN106997389A
公开(公告)日：2017-08-01
申请号：CN201710201405.5
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于多数据集和协同张量分解的旅游景点推荐方法，通过利用不同数据源的用户行为信息为用户提供细粒度的旅游推荐服务。本发明首先从社交网站中获取多个数据集的信息；然后基于用户旅行历史信息构建用户‑景点‑时间张量，并结合协同张量分解模型对该张量进行分解和补全，获得用户的旅行偏爱；最后根据补全的用户‑景点‑时间张量以及用户输入的旅游城市和时间情景信息为用户推荐合适的旅游景点。该方法能够为用户提供基于时间感知的旅游景点推荐服务。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
