-
公开(公告)号：CN117786434B
公开(公告)日：2024-06-21
申请号：CN202311567643.X
申请日：2023-11-22
Applicant: 太极计算机股份有限公司
IPC: G06F18/231 , G06F18/22
Abstract: 本发明提供了一种集群管理方法，涉及集成聚类技术领域，包括：基于全部分区的分区特征，提取相对应的分区主集群；基于全部分区主集群的主要特征以及次要特征，构建特征有关联的Σ聚类；基于每两个Σ聚类的全部处理特征，得到相对应的第一聚类相似度；将所述第一聚类相似度最高的两个Σ聚类合并成为一个新的Σ聚类，再次计算每两个新的Σ聚类的第二聚类相似度，直到第二聚类相似度中最大的第三聚类相似度低于预定义阈值；获取所述第三聚类相似度相对应的全部Σ聚类，得到相对应的最佳簇数，得到参与最终共识的集群的数量，有利于完成集成聚类进程。
-
公开(公告)号：CN117668576B
公开(公告)日：2024-06-21
申请号：CN202311563768.5
申请日：2023-11-22
Applicant: 太极计算机股份有限公司
IPC: G06F18/23 , G06F18/22 , G06F18/214 , G06F18/24 , G06F18/25
Abstract: 本发明提供了一种分层聚类共识构架的逻辑处理方法，属于大数据分析技术领域，包括：步骤1：对原始集群共识进行划分，创建多个迷你共识并构建迷你共识聚类组件；步骤2：基于迷你共识聚类组件，将数据集中的个体划分为不同类别的簇，并在每个簇内达成共识，产生初始聚类共识结果；步骤3：对初始聚类共识结果进行相似度分析，并对初始聚类共识结果进行层次划分，得到第一聚类共识结果，同时，对每一第一聚类共识结果进行聚类分析，得到第二聚类共识结果；步骤4：对不同层次的第二聚类共识结果进行融合，生成最终聚类共识结果并对其进行评估，并对聚类共识架构进行调整和优化。本发明可以降低并行实现场景中大集群共识的计算复杂度。
-
公开(公告)号：CN118098227A
公开(公告)日：2024-05-28
申请号：CN202410153993.X
申请日：2024-02-02
Applicant: 太极计算机股份有限公司
Abstract: 本发明涉及数据可视化技术领域，公开了一种基于BI智能分析的语音交互数据可视化处理方法，不局限于数字驾驶舱等的应用，基于机器学习的语音数据分析、识别、调用大量数据对语音识别结果进行可视化分析阐释，特别的对大模型分析结果的可视化呈现，支持语音交互，实现BI智能分析及可视化识别及展示。确定第一目标语音数据和第二目标语音数据，并进行预分析，判断是否包含敏感语音；将第一目标语音数据和第二目标语音数据输入至BI智能语音识别模型，提取多个关键词组，对第一目标语音数据和第二目标语音数据进行可视化展示，实现了对语音数据的智能化分析，提高语音交互数据可视化处理精度和处理效率，使语音数据可视化展示更加直观和易于理解。
-
Patent Agency Ranking
公开(公告)号：CN118070030A
公开(公告)日：2024-05-24
申请号：CN202410044368.1
申请日：2024-01-11
Applicant: 太极计算机股份有限公司
IPC: G06F18/211 , G06F18/23 , G06F18/21 , G06F18/214
Abstract: 本申请涉及信息处理技术领域，特别是涉及多种混合共行的无监督的特征筛选方法及系统。包括：根据应用数据生成原始数据集，并根据原始数据集提取多种特征；建立多个特征评价模型，根据特征评价模型生成各个特征的性能参数；根据各个特征的性能参数对多种特征进行筛选，根据筛选结果生成有效特征；根据数据规模、维度差异智能响应，选取多种筛选方法搭建底层框架，针对原始数据集，采用无监督技术进行特征选择，可以有效去除对聚类没有显著贡献的特征，降低特征维度，选择具有最高信息性的特征进行聚类，提升大模型的模型训练的应用中提取的特征的有效性，去除这些特征可降低计算复杂度，提升聚类效率及聚类结果的准确性。
-
公开(公告)号：CN117971345A
公开(公告)日：2024-05-03
申请号：CN202410182096.1
申请日：2024-02-18
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供一种声明式组件的加载响应优化方法，涉及加载响应技术领域，包括：基于全部待加载声明式组件的数据加载类型，得到每个待加载声明式组件的相对应的数据类型列表；基于所述数据类型列表中的每种数据类型以及可视化类型，对每种数据类型的数据进行拆分压缩，得到相对应的待展示数据；基于每个待加载声明式组件的全部待展示数据以及预设响应时间，对需要进行分段加载的待展示数据设置分段加载序列；基于所述分段加载序列，完成待加载声明式组件的加载响应；基于加载响应过程，得到相对应的代码响应评级。便于提高加载响应效率。
-
公开(公告)号：CN117786432A
公开(公告)日：2024-03-29
申请号：CN202311568026.1
申请日：2023-11-22
Applicant: 太极计算机股份有限公司
IPC: G06F18/23 , G06F18/21 , G06F18/20 , G06F18/40 , G06F18/211 , G06F18/2113 , G06F18/2132 , G06F18/2137
Abstract: 本发明提供了一种基于无监督学习的聚类任务排序方法，属于聚类任务排序技术领域，包括：获取聚类任务的任务数据，基于预设无监督学习算法组中学习算法对聚类任务进行初始排序，得到初始排序数据组；根据聚类任务的任务评价指标结合无监督学习的可视化方式对初始排序数据组调整，得到第一排序数据组；将第一排序数据组中每一学习算法的排序数据进行拆分，得到与无监督学习算法的子排序数据组；基于不同子排序数据组中数据进行比较，提取最优特征数据，并基于最优特征数据在不同学习算法中的排序结果进行调整，实现聚类任务排序。通过多种无监督学习算法对聚类任务进行排序调整，提取最优特征数据再次调整，使得聚类任务的排序更加准确、合理。
-
公开(公告)号：CN117336296B
公开(公告)日：2024-03-26
申请号：CN202311630506.6
申请日：2023-12-01
Applicant: 太极计算机股份有限公司
IPC: H04L67/10 , H04L67/1097 , H04L41/14 , H04L9/40
Abstract: 本发明提供了一种集群共识的智能选择方法，属于智能选择技术领域，其方法包括对系统的预置需求进行因素分析，确定需求占比情况，获取系统处理数据类型，并根据数据类型生成对应特征子集，结合特征子集对需求占比情况进行优化；根据预置需求从当下文献与技术文档库筛选可用共识算法并进行初级评估，确定每种共识算法在不同节点的数据一致性；将一致性超出设定值的共识算法基于优化后的需求占比情况对每个集群进行质量分析，根据质量分析结果选择最适合预置需求的集群共识算法，实现准确高效的选择集群共识算法，更好地满足系统的需求，提高系统与集群的性能与可靠性。
-
公开(公告)号：CN117332303A
公开(公告)日：2024-01-02
申请号：CN202311630041.4
申请日：2023-12-01
Applicant: 太极计算机股份有限公司
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06N3/088
Abstract: 本发明提供了一种用于集群的标签纠正方法，属于标签纠正技术领域，包括：对每个主集群进行无监督的特征选择得到每个主集群所对应的第一多维度标签；创建元集群，获取每个元集群中的元簇，并对第一多维度标签进行降维处理，得到每个元集群第二多维度标签；获取待分配样本的样本特征信息和每个待分配样本的样本特征信息与每个元簇的相似度，并将每个待分配样本分配至相似度最高的元簇中得到最终簇；获取最终簇特征信息，并对相应的第二多维度标签进行纠正。通过无监督特征选择得到第一多维度标签，并通过重新集群进行降维处理得到第二多维度标签再通过相似度对样本进行分配，保证样本能够被分配到具有最高相似性的元簇，从而保证了标签的准确性。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
