-
公开(公告)号：CN116362109B
公开(公告)日：2023-09-12
申请号：CN202310147580.6
申请日：2023-02-09
Applicant: 北京大数据先进技术研究院
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F18/22 , G06F18/214
Abstract: 本发明提供了一种基于数字孪生的智能无人系统和方法，该系统部署于目标无人设备，包括：交互层，用于获取物理状态数据；数智孪生层，包括物理孪生模型和智能孪生模型；物理孪生模型用于根据所述物理状态数据，对所述目标无人设备进行建模，得到物理孪生体；智能孪生模型，用于根据所述物理孪生体，和多个行动策略，得到多个数智孪生体；仿真层，包括环境模拟模块，评估模块和匹配模块；环境模拟模块，用于模拟得到无人设备运行环境；匹配模块，用于将无人设备运行环境分别匹配各个数智孪生体，得到多个综合孪生体；评估模块，用于对多个综合孪生体进行评估，得到最优孪生体，根据最优孪生体，得到最优控制策略。
-
公开(公告)号：CN115577318B
公开(公告)日：2023-07-21
申请号：CN202211211208.9
申请日：2022-09-30
Applicant: 北京大数据先进技术研究院
Abstract: 本发明提供了一种基于半实物的数据融合评估方法、系统、设备及储存介质，涉及计算机技术领域。包括：首先，接收数据仿真平台发送的传感器数据，并对传感器数据进行数据融合，生成多模融合数据，并根据多模融合数据，生成设备控制指令，并将设备控制指令发送至数据仿真平台。然后，接收数据仿真平台反馈的任务评价参数，并根据任务评价参数和任务评价标准的匹配度，确定任务评估分数。最后，根据任务评估分数，对数据融合平台进行模型参数调整。在本发明中，采用半虚拟的方式，使用微服务方式搭建数据融合平台，并用于无人终端的控制的决策，通过任务执行情况对数据融合模块进行优化和调整，大大降低了测试成本，提高了数据融合平台的模型准确度。
-
公开(公告)号：CN116362109A
公开(公告)日：2023-06-30
申请号：CN202310147580.6
申请日：2023-02-09
Applicant: 北京大数据先进技术研究院
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F18/22 , G06F18/214
Abstract: 本发明提供了一种基于数字孪生的智能无人系统和方法，该系统部署于目标无人设备，包括：交互层，用于获取物理状态数据；数智孪生层，包括物理孪生模型和智能孪生模型；物理孪生模型用于根据所述物理状态数据，对所述目标无人设备进行建模，得到物理孪生体；智能孪生模型，用于根据所述物理孪生体，和多个行动策略，得到多个数智孪生体；仿真层，包括环境模拟模块，评估模块和匹配模块；环境模拟模块，用于模拟得到无人设备运行环境；匹配模块，用于将无人设备运行环境分别匹配各个数智孪生体，得到多个综合孪生体；评估模块，用于对多个综合孪生体进行评估，得到最优孪生体，根据最优孪生体，得到最优控制策略。
-
公开(公告)号：CN116049690B
公开(公告)日：2023-06-09
申请号：CN202310042929.X
申请日：2023-01-28
Applicant: 北京大数据先进技术研究院
IPC: G06F18/22 , G06F18/23213
Abstract: 本发明提供了一种移动目标的活动规律确定方法、装置、设备和介质，该方法包括：获取多个移动目标的时空动向信息；根据时空动向信息，确定每对移动目标的相似度；以每个移动目标为节点，连接每对相似度高于阈值的移动目标，构建时空特征网络；根据时空特征网络，获取每个移动目标的嵌入向量；根据嵌入向量的分布情况，确定各个移动目标属于低活跃度集合或高活跃度集合；根据移动目标所在的活跃度集合，和该移动目标的目标事件项，生成该移动目标的候选序列集；根据移动目标所在的活跃度集合，将候选序列集输入对应的序列模式挖掘模型，得到频繁序列模式集；根据频繁序列模式集，确定移动目标参与目标事件项的活动规律。
-
公开(公告)号：CN116049690A
公开(公告)日：2023-05-02
申请号：CN202310042929.X
申请日：2023-01-28
Applicant: 北京大数据先进技术研究院
IPC: G06F18/22 , G06F18/23213
Abstract: 本发明提供了一种移动目标的活动规律确定方法、装置、设备和介质，该方法包括：获取多个移动目标的时空动向信息；根据时空动向信息，确定每对移动目标的相似度；以每个移动目标为节点，连接每对相似度高于阈值的移动目标，构建时空特征网络；根据时空特征网络，获取每个移动目标的嵌入向量；根据嵌入向量的分布情况，确定各个移动目标属于低活跃度集合或高活跃度集合；根据移动目标所在的活跃度集合，和该移动目标的目标事件项，生成该移动目标的候选序列集；根据移动目标所在的活跃度集合，将候选序列集输入对应的序列模式挖掘模型，得到频繁序列模式集；根据频繁序列模式集，确定移动目标参与目标事件项的活动规律。
-
Patent Agency Ranking
公开(公告)号：CN115982632A
公开(公告)日：2023-04-18
申请号：CN202310277864.7
申请日：2023-03-21
Applicant: 北京大数据先进技术研究院
IPC: G06F18/24 , G06F18/214
Abstract: 本公开关于一种高维不平衡缺失数据的分类方法、装置、电子设备及介质，涉及大数据技术领域，该方法通过获取待分类的初始数据集；所述初始数据集存在高维不平衡缺失特性；基于初始数据集中的多个特征，从多个特征中选择目标特征，并将目标特征对应的数据作为初始子集；从预设数据填补算法中选择目标填补算法，并使用目标填补算法对初始子集进行数据填补，得到中间数据集；从预设数据重采样算法中选择目标重采样算法，并使用目标重采样算法对中间数据集进行重采样，得到目标数据集；对目标数据集中的数据进行分类。通过进行特征选择、数据填补以及重采样，可以在一定程度上解决初始数据集所具有的高维不平衡缺失特性，提高数据分类的效果。
-
公开(公告)号：CN115203440A
公开(公告)日：2022-10-18
申请号：CN202211125561.5
申请日：2022-09-16
Applicant: 北京大数据先进技术研究院
IPC: G06F16/36 , G06F40/295 , G06F40/30
Abstract: 本申请公开了一种面向时空动向数据的事件图谱构建方法、装置及电子设备，该方法包括：构建时空动向事件本体模型，包括具有时空动向属性的实体模型、事件模型和关系模型；获取目标领域的时空动向数据；基于时空动向事件本体模型，利用预设时空动向事件识别策略对时空动向数据进行识别，得到时空动向数据对应的时空动向事件类型和事件元素；对时空动向数据对应的时空动向事件进行融合，得到面向时空动向数据的事件图谱。本申请基于时空动向数据构建了能够表征事件和实体随时空动向变化的事件图谱，可支持事件、节点、关系、路径的搜索和计算，满足了时空动向数据的语义搜索需求，实现了对时空动向事件的深度认知，为情报分析等领域提供了重要支撑。
-
公开(公告)号：CN119942004A
公开(公告)日：2025-05-06
申请号：CN202510429811.1
申请日：2025-04-08
Applicant: 北京大数据先进技术研究院
IPC: G06T17/00
Abstract: 本公开提供基于事件相机的三维高斯泼溅实现三维重建方法，属于计算机技术领域，旨在解决相关技术中的三维重建方法效果不好的问题。所述方法包括：获取针对目标场景的事件流；根据所述事件流，确定目标场景的初始三维高斯泼溅模型；根据所述事件流确定各个像素的时间表面信息；所述时间表面信息表征事件的动态时空背景信息；根据各个像素的时间表面信息，确定目标场景的地面实况；所述地面实况表征目标场景的实际亮度变化；根据所述初始三维高斯泼溅模型，确定渲染预测值，所述渲染预测值表征所述初始三维高斯泼溅模型在两个视角的渲染强度差；基于所述地面实况与所述渲染预测值之间的差异，对所述初始三维高斯泼溅模型进行调整，得到目标场景对应的三维高斯泼溅模型。
-
公开(公告)号：CN119904919A
公开(公告)日：2025-04-29
申请号：CN202510398957.4
申请日：2025-04-01
Applicant: 北京大数据先进技术研究院
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/26
Abstract: 本公开提供一种目标跟踪方法、装置及设备，属于目标跟踪技术领域，旨在解决相关技术中的目标跟踪方法无法对目标进行有效跟踪的问题。所述方法包括：获取各个模态的搜索区域图像对应的搜索区域序列，以及，获取各个动态模板对应的第一目标序列和各个静态模板对应的第二目标序列，所述静态模板表征跟踪目标的初始特征，所述动态模板表征跟踪目标的运动特征；将所述各个模态的搜索区域序列、第一目标序列、第二目标序列输入到权重共享的编码层，进行时序信息融合和模态间信息融合，得到每个模态的融合特征序列；根据各个模态的融合特征序列，在所述搜索区域图像中框选出所述跟踪目标。
-
公开(公告)号：CN118503440B
公开(公告)日：2024-11-08
申请号：CN202410441883.3
申请日：2024-04-12
Applicant: 北京大数据先进技术研究院
IPC: G06F16/36 , G06N5/025 , G06F16/2458 , G06F16/28 , G06F40/216 , G06F40/30
Abstract: 本申请提供了一种基于隐含超类挖掘的本体生成方法、装置和设备，涉及数据处理技术领域，该方法包括：从关系数据库中获取待处理的多个关系数据表；提取多个关系数据表中各个数据列的列名称，获取每个列名称在多个关系数据表中的出现次数信息；根据出现次数信息，确定目标列名称，目标列名称表示集中出现在多个关系数据表中的高频列名称；根据目标列名称，从多个关系数据表中确定子类关系数据表；将目标列名称所对应的数据列作为隐含超类所具有的数据列，将子类关系数据表所对应的类，作为隐含超类的子类；隐含超类表征多个关系数据表之间的主要特征；根据隐含超类，生成针对多个关系数据表的关系型数据本体。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.031 seconds)
