-
公开(公告)号：CN111862153A
公开(公告)日：2020-10-30
申请号：CN202010661169.7
申请日：2020-07-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向行人的长时间多目标跟踪方法，属于多目标跟踪算法领域，具体涉及行人长时间跟踪算法技术领域，以解决如何对长时间遮挡的目标实现正确的目标关联，包括如下步骤：数据预处理、目标检测以及目标跟踪，其中，目标跟踪包括特征提取、特征度量、目标关联、轨迹核查以及轨迹更新。通过数据预处理，实现了原始数据的接收以及图像的处理，之后通过目标检测，获得当前接收图像所涉及的行人信息，在通过目标跟踪，对连续图像序列涉及到的行人，实现目标关联，从而产生跟踪轨迹，该算法在考虑多种复杂情况下，通过二次比对的方式实现对长期遮挡目标的正确关联，提高了算法的鲁棒性，同时提高了目标关联的准确率。
-
公开(公告)号：CN107451290B
公开(公告)日：2020-03-10
申请号：CN201710696637.2
申请日：2017-08-15
Applicant: 电子科技大学
IPC: G06F16/2455 , G06F16/2458
Abstract: 本发明公开了一种并行化的数据流频繁项集挖掘方法，旨在解决现有技术数据挖掘吞吐量小的问题；本申请包括初始化，预挖掘，FP‑Stream结构维护，频繁项集生成四部分,算法收集一小段时间内到达的事务，构成一个事务集，第一个事务集被特殊处理，它被用于初始化，以建立f_list和FP‑Stream结构,每个事务集触发一轮微批处理。每轮微批处理先进行预挖掘，再进行FP‑Stream结构维护，当计算请求到达时，算法利用FP‑Growth算法在指定的时间窗口内挖掘FP‑Stream结构得到频繁项集；本申请采用的算法增加了系统的整体吞吐量，极大程度提高了数据挖掘的处理速度；本申请适用于数据挖掘相关方面。
-
公开(公告)号：CN104932938B
公开(公告)日：2019-08-23
申请号：CN201510330093.9
申请日：2015-06-16
Applicant: 中电科软件信息服务有限公司 , 电子科技大学
IPC: G06F9/48
Abstract: 本发明涉及一种基于遗传算法的云计算资源调度方法。包括：初始化各个服务器参数，接收用户提交的任务，采用改进的遗传算法得到资源调度的分配方案，即任务与服务器的映射关系，调度器根据分配方案进行资源调度。该方法在满足用户需要的同时，快速部署云任务，使得云服务提供商的运行成本最低。
-
公开(公告)号：CN108897820A
公开(公告)日：2018-11-27
申请号：CN201810641090.0
申请日：2018-06-21
Applicant: 电子科技大学
Abstract: 本发明提出一种DENCLUE算法的并行化方法，可以用于大规模数据聚类分析的环境中，通过改进DENCLUE算法的并行化聚类方法，相比传统的集中式执行方法，本发明达到了更快的数据处理速度。此方法主要包括以下步骤：步骤1：划分原始数据；步骤2：并行建立数据空间中网格关联映射；步骤3：生成全局网格关联映射，步骤4：并行挖掘聚。该DENCLUE算法的并行化方法有效提高了数据划分速度以及最终聚类速度，使算法的执行速度得到提升。
-
公开(公告)号：CN107392307A
公开(公告)日：2017-11-24
申请号：CN201710660184.8
申请日：2017-08-04
Applicant: 电子科技大学
CPC classification number: G06N3/0481 , G06F17/18 , G06N3/084 , G06N99/005
Abstract: 本发明的并行化时序数据的预测方法，包括对输入的数据进行训练和预测；训练包括：A.输入历史数据集D；B.数据预处理；C.划分历史数据集D；D.创建对应数量的预测模型，对历史子数据集完成训练并得到训练模型；E.通过历史数据集D得到每个预测模型的误差值，如果误差最小值达到系统要求进入步骤F；F.将得到的网络参数复制到所有的训练模型中输出；预测包括：G.输入预测数据集Y；H.数据预处理；I.划分多个预测子数据集；J.预测步骤F输出的训练模型，预测结果返回主控制节点；K.主控制节点输出总的预测结果。本发明有效提高了回归预测问题中的准确度，同时也明显减少了预测模型的训练时间，提高了训练和预测的效率。
-
Patent Agency Ranking
公开(公告)号：CN104035807B
公开(公告)日：2017-04-12
申请号：CN201410312993.6
申请日：2014-07-02
Applicant: 电子科技大学
IPC: G06F9/445
Abstract: 本发明涉及缓存管理领域，公开了一种云存储系统的元数据缓存替换方法，将元数据分为私有元数据和共享元数据，将元数据缓存区分为私有缓存区和共享缓存区；分别设定针对私有缓存区和共享缓存区的替换策略，所述云存储系统根据相应的替换策略分别对共享缓存区中的共享元数据以及私有缓存区中的私有元数据分别进行替换。分别满足私有元数据和共享元数据不同的替换管理要求，避免两种元数据在缓存替换时的相互干扰，提高系统针对元数据的替换管理能力，提高元数据缓存的命中率，加快系统响应，提升系统性能。能够适应于云存储环境下，用户数量庞大、数据量庞大、负载多变的访问特性。
-
公开(公告)号：CN106156013A
公开(公告)日：2016-11-23
申请号：CN201610522056.2
申请日：2016-06-30
Applicant: 电子科技大学
IPC: G06F17/28
CPC classification number: G06F17/289
Abstract: 本发明涉及一种通过优先翻译由一个或多个短语嵌套组成的固定搭配型短语达到整句翻译目的的机器翻译方法。本发明的实施方式，包括以下步骤：标记固定搭配，将源语言句子中的固定搭配标记出来；翻译固定搭配，将固定搭配分为两部分分别翻译，再重组译文；短语划分，将原句子剩余部分划分为所有可能的短语，固定搭配部分作为已翻译部分；构造候选短语表，仅仅将存在于短语翻译概率表中的短语筛选出来，并加入候选短语表；句子翻译，对于由固定搭配译文及其他未翻译部分组成的局部翻译的源语言句子，利用现有启发式解码器和候选短语表为其生成最优译文。本发明的第一阶段为翻译固定搭配型短语，第二阶段为翻译句子剩余部分。
-
公开(公告)号：CN105868266A
公开(公告)日：2016-08-17
申请号：CN201610055727.9
申请日：2016-01-27
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/2465 , G06F16/285
Abstract: 本发明属于数据挖掘算法在高维数据流处理领域的应用，特别涉及到一种基于聚类模型的高维数据流离群点检测方法。该方法首先通过样本数据流进行聚类，再分析聚类结果中每一个簇的特征维，在计算测试数据集属于哪个簇的时候，只计算与该簇特征维相关的属性，忽略吊冗余属性的计算，从而有效的降低了计算量。如果发现某个数据点不属于任何簇，该点将形成新的簇，如果某个簇长时间没有吸收新的数据点且该簇的数据点个数很少，那么该簇即是包含离群点的簇。本发明具有在高维数据流离群点检测时的效率和准确率都比传统的基于滑动窗口的离群点检测算法要高的技术效果。
-
公开(公告)号：CN105225226A
公开(公告)日：2016-01-06
申请号：CN201510552958.6
申请日：2015-09-02
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图像分割的级联可变形部件模型目标检测方法，属于图像检测领域。本发明以级联可变形部件检测方法为基础，在目标检测阶段提取物体的HOG特征，并通过计算构建像素梯度的查询表以快速获取HOG特征向量，减少特征提取时间。并基于分水岭图像分割方法对图像进行处理，计算权值构建掩膜以分离HOG特征的前景和背景，从而降低图像背景对目标检测的影响，提高检测准确率。然后利用训练阶段得到的模板与图像金字塔进行卷积，并在匹配过程中对目标假设进行裁剪，计算相应得分响应最终检测出目标。本发明在保证检测速度的情况下提高了传统方法的检测准确率。
-
公开(公告)号：CN103020256A
公开(公告)日：2013-04-03
申请号：CN201210562345.7
申请日：2012-12-21
Applicant: 电子科技大学
IPC: G06F17/30
Abstract: 本发明提供一种大规模数据的关联规则挖掘方法，包括以下步骤：1）对输入数据进行基于相似度的分类预处理，使得同一分类中的记录间具有高相似度；2）对每个分类中的数据进行基于Apriori算法的挖掘，得到各分类的频繁项集；3）合并所有分类的频繁项集，将大于最小置信度的频繁项集对应关联规则判定为强关联规则。本发明能够减少产生不必要的关联性小的候选项集，从而提高整体数据的关联规则挖掘效率，具有更好的扩展性。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.025 seconds)
