-
公开(公告)号：CN113569141A
公开(公告)日：2021-10-29
申请号：CN202110811299.9
申请日：2021-07-19
Applicant: 华中科技大学 , 武汉烽火技术服务有限公司
IPC: G06F16/9535 , G06F16/2453
Abstract: 本发明公开一种不完整数据的Top‑K查询方法和系统，属于数据查询领域。包括：统计出不完整数据集中每种属性的最小值和最大值，保存数据集中各对象的主键、非主键属性值到元组列表中；遍历元组列表，计算每个对象的最低和最高可能分数，存入元组列表，定位所有对象的最低可能分数位于第K大的值，将其作为判断阈值；遍历元组列表，若对象的最高可能分数不小于判断阈值，将其加入第一候选集；遍历第一候选集，使用填补策略对缺失属性值进行估算，将估算值和最小值中的较大值作为填补值，计算填补后对象的分数，将分数不小于判断阈值的对象加入第二候选集；采用完整数据Top‑K查询方法查询。本发明确保不完整数据Top‑K查询结果正确性的同时有效提高了查询效率。
-
公开(公告)号：CN112395879A
公开(公告)日：2021-02-23
申请号：CN202011244352.3
申请日：2020-11-10
Applicant: 华中科技大学
IPC: G06F40/295 , G06N3/04
Abstract: 本发明属于文本关键信息抽取领域，具体为一种科技文本命名实体识别方法，包括：采用实体识别标注模型对目标领域科技文本进行实体识别标注；其中该模型训练方法为：将目标领域的标注样本和源领域的部分样本输入源领域标注模型，分别得到目标领域和源领域的深层特征向量，计算该两个向量间的MMD；基于MMD调整源领域标注模型参数；采用新的源领域标注模型为目标领域每个未标注样本预测伪标签，将目标领域的标注样本和带伪标签的样本按比例混合并输入新的源领域标注模型，再次计算MMD，重复上述直至MMD最小，得到实体识别标注模型。本发明是面向多领域、多范围文本的基于迁移学习的命名实体识别，有效解决深度学习对特定领域少量数据学习能力不足的问题。
-
公开(公告)号：CN109670914B
公开(公告)日：2020-11-17
申请号：CN201811544768.X
申请日：2018-12-17
Applicant: 华中科技大学 , 武汉烽火技术服务有限公司
Abstract: 本发明公开了一种基于时间动态特性的产品推荐方法，包括：收集目标时间段内用户的购买记录、评论记录及产品描述信息，将目标时间段划分为时间片序列，并生成用户对产品的评分矩阵；获得各产品的属性相对水平，用于表示产品各属性在产品所属时间片内的档次；根据所收集的信息以及产品的属性相对水平，获得任意两个用户的用户相似度，以及任意两个产品在同一用户关注度下的产品相似度；根据用户相似度和产品相似度预测用户对产品的评分，并根据预测结果确定优化函数；对评分矩阵进行分解，并根据优化函数对矩阵分解结果进行调整，以使得优化函数取值最小，从而生成各用户的推荐列表，完成对用户的产品推荐。本发明能够有效提高产品推荐的准确度。
-
公开(公告)号：CN106293007B
公开(公告)日：2018-08-21
申请号：CN201610670330.0
申请日：2016-08-16
Applicant: 华中科技大学
IPC: G06F1/32
Abstract: 本发明公开了一种支持非抢占实时任务集节能调度方法，其步骤包括：初始任务集合处理，获取初始减速因子，获取候选减速因子，分配减速因子；本发明所公开的非抢占实时任务集节能调度方法，在保证非抢占实时任务在截止期之前完成的前提下，充分考虑了任务集的非抢占特性，得到更小的减速因子，从而使得任务集能以更低的速度运行，达到更好的节能效果,可有效节约嵌入式系统能耗，并具有更强的非抢占任务集实时节能调度能力；与现有的实时系统节能调度方法相比，本发明所提出的方法通过精确分析来自高优先级任务的计算负荷，为每个任务分配一个更低的减速因子，能够显著降低系统能耗。
-
公开(公告)号：CN106293009A
公开(公告)日：2017-01-04
申请号：CN201610675752.7
申请日：2016-08-16
Applicant: 华中科技大学
CPC classification number: Y02D10/24 , G06F1/329 , G06F9/4893
Abstract: 本发明公开了一种基于区域划分的嵌入式节能调度方法，包括如下步骤：采用任务实例修订方法对待调度的任务集进行修订；根据任务运行周期及任务集的利用率，为每个任务设置执行阈值；根据执行阈值进行任务调度：当任务的周期区间与垛区间的重叠区域的长度大于任务的执行阈值，则调度该任务使之在当前的垛区间中完成；否则，将该任务调度到下一个垛区间中执行；本发明提供的这种调调方法，将系统中小的空闲时间片段合并，以增加空闲时间片段的平均长度，进而获得足够长的空闲时间用于完成嵌入式处理器的休眠状态转换，从而有效降低处理器的工作负载以达到节能目的。
-
Patent Agency Ranking
公开(公告)号：CN101730260A
公开(公告)日：2010-06-09
申请号：CN200910272681.6
申请日：2009-11-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于梯度划分的媒体访问控制方法，该方法考虑到无线传感器网络中传感器节点的空间相关性问题，能够在事件源区域合理选择上报节点，以提高目标跟踪应用的重建精度。该方法是对Sift MAC的一种改进，在Sift MAC中加入自适应的梯度划分算法(依接收信号强度划分传感器节点的分布区域，选用接收信号强度大的传感器节点进行数据上报，提高目标重建精度)、梯度收缩和扩张过程及传感器节点空间相关性的控制策略，并改进了无线信道竞争过程。该方法以控制目标位置重建误差为主要设计目标，同时该方法有着良好的灵活性和对传感器节点的数量及拓扑结构变化的适应能力，并能实现低延迟和低能耗。
-
公开(公告)号：CN112148916B
公开(公告)日：2024-12-13
申请号：CN202011044741.1
申请日：2020-09-28
Applicant: 华中科技大学
IPC: G06F16/583 , G06F16/538 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于监督的跨模态检索方法、装置、设备及介质，方法包括：对图像模态和文本模态的训练样本数据进行特征提取；将提取的图像数据特征和文本数据特征映射至公共表示空间；分别计算标签空间的损失、公共表示空间中各个模态内和不同模态间的损失、以及图像和文本模态间的不变性损失，并加以不同的权重，得到检索模型的损失函数；通过最小化损失函数来优化检索模型的参数；将目标检索数据利用优化后的检索模型映射到公共表示空间，计算目标检索数据与图文数据集中数据之间的相似度，得到对应的检索排序结果。如此，保留了不同语义数据样本的判别性以及原始数据的语义信息，能更有效地计算跨模态数据间的相关性，具有更高的检索准确率。
-
公开(公告)号：CN117576341B
公开(公告)日：2024-08-27
申请号：CN202311476137.X
申请日：2023-11-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于孔洞检测的建筑减面方法、系统及存储介质，属于三维建模技术领域，包括：探测待测建筑的三维模型各面片中的孔洞结构，得到存在孔洞结构的面片集合；遍历当前面片集合中每条边界边，对每条边界边新增面片，得到由新增面片组成的实体孔洞；生成所述模型对应的三维外轮廓，并将得到的实体孔洞雕刻在对应的三维外轮廓上，进行平面化与简化后，得到简化后的模型。本发明的方法能够在建筑模型简化过程中，快速稳定地生成面片数量较低的模型，同时保持建筑外观的重要特征；能够有效探测和构建建筑中普遍存在但难以检测的孔洞凹陷结构等细节，并在简化过程中予以保留，提升了减面后的三维建筑模型的精确度和简化效率。
-
公开(公告)号：CN118247410B
公开(公告)日：2024-08-02
申请号：CN202410667504.2
申请日：2024-05-28
Applicant: 华中科技大学
Abstract: 本发明属于建筑模型简化技术领域，公开了一种基于可微渲染的外观驱动的建筑模型简化方法，包括：采用包裹算法，生成原始建筑模型对应的封闭表面网格，在封闭表面网格的偏移表面上进行贪婪的细化和孔洞雕刻，得到原始建筑模型对应的包裹网格模型；简化包裹网格模型的面片数并进行初始纹理重映射，得到包含初始纹理的简化网格；将包含初始纹理的简化网格输入至可微分渲染模型中进行几何形状和纹理信息优化，得到所需的低多边形模型。本发明的方法能够弥补可微渲染中无法保持建筑模型的建筑特征和低视觉差异的不足之处，能够在低面片数的情况下保证建筑模型的建筑特征和低视觉差异，同时能够进行自动纹理化。
-
公开(公告)号：CN112199501B
公开(公告)日：2024-03-19
申请号：CN202011090173.9
申请日：2020-10-13
Applicant: 华中科技大学
IPC: G06F16/35 , G06F40/30 , G06F40/289 , G06F40/284 , G06N3/0442 , G06N3/0464
Abstract: 本发明属于文本分类技术领域，具体涉及一种科技信息文本分类方法，包括：基于每个待分类的科技信息文本的文本特征，对该科技信息文本进行粗粒度弱分类，若分类结果不准确，对该科技信息文本粗粒度强分类，得到粗粒度类别；对文本抽取高层语义信息特征，并采用粗粒度类别辅助粗粒度类别对应的细粒度分类器来基于高层语义信息特征对文本进行细粒度弱分类，若分类结果不准确，采用细粒度强分类器，最终得到该文本的细粒度类别，细粒度强分类器为采用科技文本数据微调已在海量文本数据中训练的深度神经网络模型所得。本发明基于多粒度组合优化进行文本分类，将分类任务进行分解，通过强化简单的子任务性能，高效地提升文本分类任务的准确率和性能。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.025 seconds)
