-
公开(公告)号：CN119599489A
公开(公告)日：2025-03-11
申请号：CN202411588010.1
申请日：2024-11-08
Applicant: 中国兵器工业计算机应用技术研究所
Inventor： 王嘉岩 , 葛晋鹏 , 彭龙 , 杜宏博 , 鲁东民 , 李皓 , 李晓政 , 魏中锐 , 纪沈江 , 王强 , 张敏 , 徐天敕 , 邬书豪 , 吕鹏辉 , 张雪峰 , 黄昊 , 杨昊伟 , 饶雷
IPC: G06Q10/0639 , G06Q10/0631 , G06F18/25 , G06N5/04
Abstract: 本发明涉及一种基于自适应博弈算法的车辆集群数据融合和资源分配方法，属于车辆资源技术领域，解决了现有车辆集群在作业中面对动态多变的作业环境以及车辆表现波动时无法做到精准的任务和资源分配的问题。包括：获取车辆集群中各车辆在执行任务过程中产生的若干任务周期的多维度任务数据，得到车辆集群中各车辆的任务表现数据集；对各车辆在当前任务周期的任务表现数据集进行数据融合，得到各车辆的任务表现评分；基于各车辆任务表现评分，对各车辆在当前任务周期的任务执行能力进行评估，动态分配各车辆的任务和资源；以预设任务周期数作为观测窗口，基于各车辆在观测窗口期内的各任务周期的任务表现评分的波动值，渐进式调整各车辆分配的资源。
-
公开(公告)号：CN117950764A
公开(公告)日：2024-04-30
申请号：CN202410139718.2
申请日：2024-01-31
Applicant: 中国兵器工业计算机应用技术研究所
Abstract: 本发明涉及一种基于中间数据的任务断点重跑方法及系统，属于批流一体数据处理领域。本发明方法包括：基于数据处理任务确定相应的DAG图，DAG图用于表示执行所述任务的各任务算子的执行顺序和执行方向；基于DAG图执行数据处理任务，执行时记录输入数据在相应数据源中的偏移位置、各任务算子的执行结果标志，当所述执行结果标志为成功时，记录该任务算子形成的中间数据；其中，所述输入数据为从相应数据源中持续读取的批数据或流数据；在所述任务执行失败时，基于所述执行结果标志以及所述偏移位置或中间数据执行任务断点重跑。本发明方法可以避免失败的批流一体数据处理任务在重跑过程中出现的数据丢失、数据重复等问题，并提升任务重跑效率。
-
公开(公告)号：CN117828166A
公开(公告)日：2024-04-05
申请号：CN202311844404.4
申请日：2023-12-28
Applicant: 中国兵器工业计算机应用技术研究所
IPC: G06F16/9532 , G06F16/332 , G06F16/31 , G06F16/182 , G06F9/50
Abstract: 本发明涉及基于统一搜索及大数据处理的分布式计算引擎，包括：统一接口模块、分布式执行模块和存储管理模块；统一接口模块用于接收计算任务，并进行任务解析，以根据任务解析得到的任务类型启动对应的计算引擎；分布式执行模块包括搜索计算引擎、图计算引擎和流计算引擎，分别用于读取并执行对应的计算任务；存储管理模块用于对搜索计算引擎、流计算引擎和图计算引擎对应的数据进行统一的数据表及存储管理。本发明解决了现有技术中的数据计算引擎在面对多种复杂的计算场景时，无法针对多类型的数据处理任务提供并行高效的实时计算，以进行实时快速响应的问题。
-
公开(公告)号：CN116992349B
公开(公告)日：2025-05-06
申请号：CN202311029925.4
申请日：2023-08-15
Applicant: 中国兵器工业计算机应用技术研究所
IPC: G06F18/241 , G06F18/25 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/08 , G08G3/02
Abstract: 本发明涉及一种基于深度学习的民船轨迹行为分析优化方法，属于船舶轨迹分析领域，解决了现有技术中仅使用AIS数据无法分析民船轨迹行为的问题。方法包括：获取待分析民船的AIS数据、待分析民船所在地的天气信息以及包括待分析民船所在海域的图像信息；对AIS数据、天气信息及海域的图像信息进行预处理，得到四组向量，分别为：AIS信息向量、天气信息向量、海上交通繁忙度向量以及民船吃水量向量，将四组向量输入训练好的民船轨迹分析模型得到民船轨迹分析结果。实现了精准分析民船轨迹，避免与其他船只发生碰撞或阻碍航行。
-
公开(公告)号：CN117332270A
公开(公告)日：2024-01-02
申请号：CN202311292970.9
申请日：2023-10-08
Applicant: 中国兵器工业计算机应用技术研究所
IPC: G06F18/214 , G06F18/24 , G06F16/21 , G06F16/22 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于零样本重放的增量学习方法，属于机器学习方法领域。该方法包括以下步骤：获取物联网设备的实时监控数据；构建物联网监控模型，利用所述物联网监控模型对所述监控数据进行预测得到预测后的监控数据；利用完善的标签体系对预测后的监控数据进行自动化标注；基于零样本重放的方法构建训练样本集对所述物联网监控模型进行训练得到训练好的物联网监控模型；将标注后的监控数据输入训练好的物联网监控模型得到高亮显示的关键信息。该方法使用标注过的样本集进行模型训练，提高了模型抽取信息的准确率以及训练的效率；在增量学习过程中通过同时使用旧样本的样本特征和新样本，在避免产生灾难性遗忘的同时节省了数据存储的开销。
-
Patent Agency Ranking
公开(公告)号：CN119583587A
公开(公告)日：2025-03-07
申请号：CN202411574175.3
申请日：2024-11-06
Applicant: 中国兵器工业计算机应用技术研究所
Inventor： 王嘉岩 , 葛晋鹏 , 孟英谦 , 杜宏博 , 鲁东民 , 李皓 , 李晓政 , 魏中锐 , 纪沈江 , 王强 , 张敏 , 徐天敕 , 邬书豪 , 吕鹏辉 , 张雪峰 , 黄昊 , 杨昊伟 , 饶雷
IPC: H04L67/12 , G06F18/24 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度学习与自适应优化的车辆集群动态分级存储方法，属于数据存储技术领域，解决了现有车辆数据存储系统面临的冷热数据分配不灵活、缓存管理效率低、异常检测能力弱以及冷数据长期存储效率低的问题。包括：获取车辆集群中各车辆的多源车辆数据并进行预处理，得到各车辆在同一时间轴的同步多源车辆数据；基于各车辆的同步多源车辆数据，使用多层次动态时效性及访问频率特征提取网络对同步多源数据进行分类，将各车辆数据标记为冷数据、热数据或中频数据；其中，所述多层次动态时效性及访问频率特征提取网络基于优先级评分对各车辆数据进行分类；构建多层动态缓存架构，对同步多源车辆数据基于标记结果进行动态多层次缓存存储。
-
公开(公告)号：CN117950764B
公开(公告)日：2024-09-17
申请号：CN202410139718.2
申请日：2024-01-31
Applicant: 中国兵器工业计算机应用技术研究所
Abstract: 本发明涉及一种基于中间数据的任务断点重跑方法及系统，属于批流一体数据处理领域。本发明方法包括：基于数据处理任务确定相应的DAG图，DAG图用于表示执行所述任务的各任务算子的执行顺序和执行方向；基于DAG图执行数据处理任务，执行时记录输入数据在相应数据源中的偏移位置、各任务算子的执行结果标志，当所述执行结果标志为成功时，记录该任务算子形成的中间数据；其中，所述输入数据为从相应数据源中持续读取的批数据或流数据；在所述任务执行失败时，基于所述执行结果标志以及所述偏移位置或中间数据执行任务断点重跑。本发明方法可以避免失败的批流一体数据处理任务在重跑过程中出现的数据丢失、数据重复等问题，并提升任务重跑效率。
-
公开(公告)号：CN115757655A
公开(公告)日：2023-03-07
申请号：CN202211424823.8
申请日：2022-11-14
Applicant: 中国兵器工业计算机应用技术研究所
IPC: G06F16/28 , G06N7/01 , G06F16/215
Abstract: 本发明涉及一种基于元数据管理的数据血缘分析系统和方法，属于大数据技术领域。本发明通过获取多个数据源的原始数据，基于清洗规则进行清洗处理，得到清洗后数据；基于数据规范规则对清洗后数据进行规范化处理，得到规范数据；所述数据规范规则包括标准代码映射库和规范化规则；使用数据集成算法集成所述规范数据得到集成后数据；构建元数据管理体系；基于元数据管理体系进行数据的血缘分析并存储到图数据库。本发明提供的血缘分析系统和方法，对异地、异构数据做到表字段级别的血缘分析，支持快速准确的对数据质量回溯和定位问题，实现了对数据、数据源、API、清洗规则、数据标准、应用和管理全要素血缘关系展示。
-
公开(公告)号：CN117332269A
公开(公告)日：2024-01-02
申请号：CN202311292957.3
申请日：2023-10-08
Applicant: 中国兵器工业计算机应用技术研究所
IPC: G06F18/214 , G06F18/24 , G06N3/0455 , G06N3/08 , G06F16/23
Abstract: 本发明涉及一种基于标签体系的结构化数据增量学习方法，属于自然语言处理领域。该方法包括以下步骤：建立初始标签体系，基于所述初始标签体系对结构化数据集进行人工标注，构建第一训练样本集；构建Bert模型，基于第一训练样本集对Bert模型进行训练得到训练好的Bert模型；将业务数据输入训练好的Bert模型得到相应的特征值，基于所述特征值得到完善的标签体系；构建物联网监控模型，利用所述物联网监控模型对业务数据进行预测得到预测后的业务数据；利用所述完善的标签体系对预测后的业务数据进行标注，构建第二训练样本集；基于第二训练样本集对所述物联网监控模型进行训练得到训练好的物联网监控模型。该方法可自动生成业务所需的特征标签，利用完善的标签体系对业务数据进行标注，提高了模型的识别效果和训练效率。
-
公开(公告)号：CN116992349A
公开(公告)日：2023-11-03
申请号：CN202311029925.4
申请日：2023-08-15
Applicant: 中国兵器工业计算机应用技术研究所
IPC: G06F18/241 , G06F18/25 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/08 , G08G3/02
Abstract: 本发明涉及一种基于深度学习的民船轨迹行为分析优化方法，属于船舶轨迹分析领域，解决了现有技术中仅使用AIS数据无法分析民船轨迹行为的问题。方法包括：获取待分析民船的AIS数据、待分析民船所在地的天气信息以及包括待分析民船所在海域的图像信息；对AIS数据、天气信息及海域的图像信息进行预处理，得到四组向量，分别为：AIS信息向量、天气信息向量、海上交通繁忙度向量以及民船吃水量向量，将四组向量输入训练好的民船轨迹分析模型得到民船轨迹分析结果。实现了精准分析民船轨迹，避免与其他船只发生碰撞或阻碍航行。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.043 seconds)
