-
公开(公告)号：CN117853491B
公开(公告)日：2024-05-24
申请号：CN202410262991.4
申请日：2024-03-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于数字图像处理和计算机视觉领域，提供了基于多场景任务下的少样本工业产品异常检测方法及系统，其技术方案为：将多场景下多种类别的工业产品图像数据集划分为训练集和测试集，所述训练集只包含正常产品图片，将测试集分为支持集和查询集，其中，支持集仅包含正常产品图片，查询集包括各类异常产品图片和对应的正常图片；利用深度对比学习方法构建双孪生网络框架，通过双孪生网络框架构建训练集对应的多场景任务下正常产品的特征分布的目标检测模型；基于训练后的多场景任务下正常产品的特征的目标检测模型建立支持集的特征分布，并通过查询集进行工业产品异常检测得到异常检测结果，可有效地解决实际工业多场景变换下存在的各种问题。
-
公开(公告)号：CN117933831A
公开(公告)日：2024-04-26
申请号：CN202410338056.1
申请日：2024-03-25
Applicant: 山东山科数字经济研究院有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: G06Q10/0639 , G06Q10/10 , G06F16/33 , G06F16/35 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及项目绩效评估的大数据分析领域，公开一种基于机器学习可训练的项目绩效评估方法及系统，属于信息化项目绩效评估评审领域。该方法包括以下步骤：（1）获取目标项目的数据材料，并进行特征要素提取，构建目标项目的实施特征集合；（2）根据特征要素与评估属性进行标签匹配，根据标签匹配结果对特征要素进行分类；（3）利用不同分类的评估准则和绩效制度对项目绩效进行评估，并根据评估结果对项目实施过程中和项目验收的工作表现进行评价打分。该系统包括数据输入模块、特征提取模块、属性分类模块和绩效评估模块。本发明提升了数据收集、数据评估和数据审核等过程中的工作效率，并实现了绩效评估的准确性、全面性和客观性。
-
公开(公告)号：CN117190078B
公开(公告)日：2024-02-09
申请号：CN202311450870.4
申请日：2023-11-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: F17D5/00 , F17D5/02 , F17D1/02 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种输氢管网监测数据异常检测方法及系统，涉及氢能源和数据处理技术领域，该方法包括：获取当前设定时间步长的输氢管网监测数据，提取时间变量序列数据和动态变量序列数据；将提取的数据输入至时序预测模型中，通过时间特征嵌入层和动态特征嵌入层，提取时间特征嵌入和动态特征嵌入，并通过时序编码器和动态编码器分别进行编码，将编码后的特征嵌入输入至转码器中进行融合，输出融合后的变量矩阵；最后动态特征嵌入、编码后的时间特征嵌入和变量矩阵均输入至解码器进行解码，输出预测值；将预测值和实际观测值的差值与设定阈值进行比较，实际观测值是否为异常数据。本发明实现了非平稳的输氢管网监测数据的准确异常检测。
-
公开(公告)号：CN117132584A
公开(公告)日：2023-11-28
申请号：CN202311227287.7
申请日：2023-09-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于深度学习的液晶显示屏瑕疵检测方法及装置，涉及计算机视觉目标检测技术领域，通过设计轻量化特征提取网络，在保证液晶显示屏瑕疵特征提取能力的基础上减少计算量，提高模型的检测速度；设计跨层多尺度特征融合网络，高效的融合特征提取网络的浅层细粒度信息和深层语义信息；设计精细化预测网络，包括特征聚合器和特征提纯模块，特征聚合器融合了多层次的特征，提取更多上下文信息，增强细粒度特征的提取；特征提纯模块抑制了不同尺度特征图的冲突信息，减少语义差异，提高了模型对液晶显示屏瑕疵检测的准确率。
-
公开(公告)号：CN116992870A
公开(公告)日：2023-11-03
申请号：CN202311242919.7
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F40/279 , G06F16/28 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于非对称核函数的文本信息实体关系抽取方法及系统，涉及实体关系抽取技术领域，包括：获取目标文本的句子向量、实体掩码和关系掩码；所述关系掩码中包括实体词的掩码、处于实体词窗口内的周围词的动态掩码和处于实体词窗口外的边缘词的掩码；对句子向量进行特征编码；根据得到的特征向量和实体掩码得到实体向量，根据特征向量和关系掩码得到关系向量，将实体向量和关系向量作为参数以构建非对称核函数；根据非对称核函数确定目标实体对与每个关系的关联度，由此确定目标实体对在目标文本中的关系。实现对关系语义的聚焦，具有良好的可解释性。
-
Patent Agency Ranking
公开(公告)号：CN115344414A
公开(公告)日：2022-11-15
申请号：CN202210974407.9
申请日：2022-08-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明提供了一种日志异常检测方法及系统，应用于系统的日志异常检测领域。该系统使用Drain、Word2Vec、TF‑IDF算法以及LSTM和Transformer模型。所述系统包括：首先使用Drain对日志进行解析；然后使用Word2Vec生成词向量，并使用TF‑IDF生成加权日志序列特征向量和组件值特征向量；最后，使用一个添加了LSTM的Transformer作为最终的分类模型。本发明不仅能捕获日志中的语义信息和顺序关系，而且还能考虑组件值的信息，进而能够发现多种类型的系统异常，减少系统崩溃次数。本发明以较低的计算成本来解决日志异常检测的不稳定性问题，提高异常检测的准确性和效率，提高应对异常的能力，保证系统运行的安全。
-
公开(公告)号：CN114706559A
公开(公告)日：2022-07-05
申请号：CN202210319424.9
申请日：2022-03-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明公开了一种基于需求识别的软件规模度量方法。该方法以软件的需求规范文档为基础，获取软件需求并进行需求分类，通过对功能需求中的功能点识别统计得到软件规模。包括:获取目标软件的需求规范文档；对目标软件需求文档进行数据预处理,得到需求语句数据；使用图注意力网络和BERT构建自动需求分类模型进行需求识别分类；对功能需求则进行功能点规模计算，对非功能需求进行属性嵌入和全局统计；最后以功能点规模估算为主，全局非功能需求分类统计和系统特性作为调整系数完成软件规模度量。
-
公开(公告)号：CN114697108A
公开(公告)日：2022-07-01
申请号：CN202210318745.7
申请日：2022-03-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: H04L9/40 , H04L41/142 , G06K9/62
Abstract: 本发明提供了一种系统日志异常检测方法，应用于系统的日志异常检测领域。该方法结合了Drain算法、TF‑IDF算法以及多种异常检测模型，最终使用投票融合。所述方法包括：获取原始日志数据；提取变量，保存常量为模板，将日志解析为结构化文本；特征提取，将字符串转化为可量化的数字；将经过处理后的日志数据输入日志检测模型组，得到预测结果；对日志检测模型输出的检测结果进行投票融合，并输出日志异常检测结果。本发明通过对多个检测结果进行投票融合，能够及时发现系统日志中记录的异常模式，以便对系统的异常进行部署，提高预测结果的准确性，帮助人工完成快速的异常筛查，满足对系统日志异常检测的需求，降低系统运行的成本。
-
公开(公告)号：CN120031913A
公开(公告)日：2025-05-23
申请号：CN202510036639.3
申请日：2025-01-09
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于图像处理技术领域，公开了一种基于分割大模型的3D物体跟踪方法及系统，包括获取数据集，并进行预处理，获得连续运动的图像数据；构建轻量化分割模型，将图像数据输入分割模型，对图像进行特征提取，对图像特征进行特征放大，对放大后的图像特征进行遮罩求解，对得到的遮罩进行边缘优化，获得第一概率图；采用颜色直方图法对图像数据进行概率图计算，获得第二概率图，融合第一和第二概率图，将融合后的概率图进行位姿优化，获得位姿矩阵，利用位姿矩阵进行物体跟踪；对轻量化分割模型进行训练，获得训练好的分割模型。本发明设计了3D物体追踪框架Fuse‑Tracker，利用EF‑SAM轻量化分割模型进行计算，获得轻量化效果的同时提高了3D物体追踪精度。
-
公开(公告)号：CN118898614B
公开(公告)日：2025-01-28
申请号：CN202411397545.0
申请日：2024-10-09
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了基于多域高效特征聚合网络的齿轮缺陷检测方法及系统，涉及计算机视觉应用领域，用于缺陷检测的多域高效特征聚合网络包括多域混合特征提取网络、多尺度特征聚焦传播融合网络以及检测头网络；所述多域混合特征提取网络，采用多域特征无损下采样模块在频域和空间域下对齿轮图像进行下采样，构建初始特征图，利用高效混合特征感知模块从局部和全局、空间和通道的角度对初始特征图进行增强，得到多尺度特征图；所述多尺度特征聚焦传播融合网络，对多尺度特征进行融合，得到融合后的特征图；所述检测头网络，根据融合后的特征图，检测齿轮缺陷；本发明构建多域高效特征聚合网络，进行鲁棒性强、精度高的齿轮缺陷检测。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.067 seconds)
