一种基于RESTFUL的数据流控制方法

    公开(公告)号:CN103986785B

    公开(公告)日:2017-04-19

    申请号:CN201410244385.6

    申请日:2014-06-04

    Abstract: 本发明公开一种基于RESTFUL的数据流控制方法,涉及数据传输技术领域。在分布式系统中,大量的并发访问如果超出了服务器的承受能力,轻则导致服务器抛弃一部分请求,重则导致服务器资源耗尽。本发明用RESTFUL服务实现了一种类似tcp传输的自适应的数据传输技术,利用响应时间的差值来判断当时服务器的状态,能够根据服务器的负载动态地调整传输能力。

    一种利用物体运动轨迹排除噪声干扰的方法

    公开(公告)号:CN103745486A

    公开(公告)日:2014-04-23

    申请号:CN201410016689.7

    申请日:2014-01-15

    Abstract: 本发明公开了一种利用物体运动轨迹排除噪声干扰的方法,采用获取视频图像序列并进行图像序列分割;对目标区域进行色彩评价和目标轮廓评价并对检出目标进行分部建立目标链;采用卡尔曼滤波器预测目标在下一帧中的位置,并进行目标匹配后更新目标链;进行目标轨迹分析,消除场景噪声或抖动的干扰影响;进行运动目标统计方法的实现,与现有技术相比,本发明在经济社会,对商场、展厅、交易场所进行运动物体的识别与统计,能够帮助商家分析市场和制定营销策略;在社会安保方面,可以辅助检测可疑人物的出入,这对于重要公共场所的安全防范有着重要意义;本发明具有获取场景直接、检测范围大、易于挺监控系统融合等优点,具有推广使用的价值。

    一种基于增量学习解决概念漂移的近似查询处理方法

    公开(公告)号:CN117931892A

    公开(公告)日:2024-04-26

    申请号:CN202410103963.8

    申请日:2024-01-25

    Abstract: 本发明提供一种基于增量学习解决概念漂移的近似查询处理方法,包括:获取查询样本集,对查询样本集进行划分得到多个查询样本子集;针对每个查询样本子集分别进行均匀采样构建一个对应的训练集;并利用每个训练集分别对两个BNNs贝叶斯神经网络进行训练构建初始后验混合高斯分布模型;利用EM算法对初始后验混合高斯分布模型进行近似得到估计后验混合高斯分布模型;当数据库中有新的查询样本数据集到达时,则对估计后验混合高斯分布模型进行更新;根据最终的估计后验混合高斯分布模型和用户的查询语句返回用户的查询结果,本发明很好地应对新插入数据的查询,并且避免对旧数据的遗忘,节省了存储资源的开销。

    一种融合词性与双向时间卷积网络的中文命名实体识别方法

    公开(公告)号:CN116562290A

    公开(公告)日:2023-08-08

    申请号:CN202310166563.7

    申请日:2023-02-24

    Inventor: 张鹏 周志强

    Abstract: 本发明涉及一种融合词性与双向时间卷积网络的中文命名实体识别方法,属于计算机领域。该方法将中文文本序列的实体标注信息与词性标注信息作为输入数据,使用中文预训练语言模型产生对应的词向量,并将实体词向量与词性词向量进行融合得到包含词性特征的输入词向量。融合后使用双向时间卷积网络提取文本前向特征与后向特征,最后结合条件随机场模型输出全局最优序列。实验中对时间卷积网络的三个参数:空洞因子、卷积层数和卷积核数进行参数实验并分析其影响原因。该模型与其他模型相比,能有效提高中文命名时实体识别的准确性。

    一种紧凑的宽带高隔离度双极化超表面天线

    公开(公告)号:CN116315718A

    公开(公告)日:2023-06-23

    申请号:CN202310522317.0

    申请日:2023-05-10

    Abstract: 本发明涉及一种紧凑的宽带高隔离度双极化超表面天线,属于天线技术领域。该天线由2×2超表面以及两个具有矩形槽和U型缝隙的L型探针结构组成。天线采用L型探针结构和超表面结构,而没有采用复杂的馈电网络,从而获得了紧凑的天线尺寸。每个端口都能在工作频段内有效地激励两种线极化辐射模式,从而实现了宽带效果。利用特征模分析方法,在L型探针上蚀刻了矩形槽,使得高次模得到抑制,并且提升了天线的隔离度。并且还在L型探针上蚀刻了U型缝隙,使得天线具有高隔离度特性。本发明具有宽带、尺寸紧凑、剖面低、隔离度高、前后比高和交叉极化低的优点,具有潜在的应用价值。

    一种基于超图神经网络多角度特征融合的先决学习方法

    公开(公告)号:CN116306668A

    公开(公告)日:2023-06-23

    申请号:CN202310136040.8

    申请日:2023-02-20

    Abstract: 本发明涉及一种基于超图神经网络多角度特征融合的先决学习方法,属于数据挖掘领域。基于超图编码高阶拓扑结构的能力,依据概念在文档资源中的相关度,概念之间的语义相似度,以及文档资源与概念之间的隶属关系建模超图结构,以充分建模和表达概念之间的关联关系,对不同语义超图结构下生成的概念潜在表征进行两阶段特征融合,概念先决关系和文档先决关系联合训练优化模型。利用同义词概念扩增概念先决关系正样本以解决数据不平衡问题。上述方法提升了模型的预测精度。

Patent Agency Ranking