-
公开(公告)号：CN114925808B
公开(公告)日：2023-10-10
申请号：CN202210397325.2
申请日：2022-04-15
Applicant: 北京理工大学 , 北京大学深圳研究生院
IPC: G06F18/2433 , G06F18/15 , G06N3/044 , G06N3/08
Abstract: 本发明涉及一种基于云网端资源中不完整时间序列的异常检测方法，包括：输入带有缺失的云网端资源中的时间序列，生成时间序列样本，并对所述时间序列样本进行预处理操作；构建深度学习网络模型，将经过预处理操作的时间序列样本分为训练样本集和测试样本集，所述训练样本集输入所述深度学习网络模型中完成模型训练，所述测试样本集进行模型异常检测测试，得到异常检测结果。本发明提出的方法中云网端资源中不完整时间序列的异常检测模型将缺失值插补过程与异常检测过程相结合，减少了从缺失值插补到异常检测导致的误差传递。相较于现有技术，发明成果在云网端资源中不完整时间序列场景下进行异常检测拥有更高的准确率。
-
公开(公告)号：CN116718178A
公开(公告)日：2023-09-08
申请号：CN202310656161.5
申请日：2023-06-05
Applicant: 北京理工大学
IPC: G01C21/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于行人轨迹和卫星图片补全细粒度路网的方法，深度神经网络中使用混合融合，充分利用各模态信息；卫星图像正负信号同时运用，避免依赖单一轨迹受噪声影响；自适应路网补全，补全路网的拓扑连通性和正确性更优；先对轨迹进行地图匹配，再处理未匹配轨迹，效率高；无需大量调参，路网推断速度快，可拓展性高；实现地图补全，避免影响现有更可靠地图信息。
-
公开(公告)号：CN115712848A
公开(公告)日：2023-02-24
申请号：CN202211297895.0
申请日：2022-10-21
Applicant: 北京理工大学
IPC: G06F18/2323 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 一种基于图结构学习的结构化深度聚类网络，该网络包括：节点特征学习模块；结构化数据特征学习模块；图结构学习模块，用于根据数据特征，包括节点特征和结构化数据特征，对图结构进行学习，并将学习到的图结构用于数据特征的进一步学习；以及自监督聚类模块。本公开在应用传统的自编码器和图卷积网络等提取数据的节点特征、结构化特征的基础上，加入了图结构学习模块，能够克服初始图结构可能存在的噪声和错误，提升聚类的效果；进而通过自监督聚类模块将各模块统一为一体，优化整个网络面向聚类的数据表示，能够提升对大规模数据进行信息分析与提取的准确度和效率。
-
-
公开(公告)号：CN113066130A
公开(公告)日：2021-07-02
申请号：CN202110431929.X
申请日：2021-04-21
Applicant: 国家基础地理信息中心 , 北京速策科技有限公司 , 北京理工大学
IPC: G06T7/73 , G06T7/62 , G06F16/587
Abstract: 本申请提供一种航空摄影影像中心位置解算方法、装置、电子设备和可读存储介质，通过确定第一影像和第二影像中相同的目标测区，对第一影像和第二影像进行特征点提取生成特征加密点，并基于K维树和最优节点优先BBF查询方法将第一影像和第二影像的特征加密点进行匹配，得到多组特征匹配点。根据多组特征匹配点确定第一影像和第二影像的相对位置关系，并根据相对位置关系得到目标测区的位置信息，基于目标测区的位置信息确定第一影像和第二影像的中心位置坐标。该方案中，通过确定目标测区的位置信息进而得到影像的中心位置坐标，可保障得到的中心位置坐标的准确度，且通过K维树和BBF查询法进行匹配处理，可提高匹配效率、加速匹配速度。
-
Patent Agency Ranking
公开(公告)号：CN108763528A
公开(公告)日：2018-11-06
申请号：CN201810549528.2
申请日：2018-05-31
Applicant: 国家基础地理信息中心 , 北京理工大学 , 武大吉奥信息技术有限公司
IPC: G06F17/30
Abstract: 本发明提供了一种测绘档案的管理方法，方法包括：接收用户端发送的测绘档案模型建立请求，该请求中包含有建立所述测绘档案模型所需要的数据，包括：测绘档案的属性数据和内容数据；基于所述数据生成测绘档案模型，为所述档案模型分配档案标识和状态标签，存储所述测绘档案模型；实时获取用户端发送的针对所述档案模型的编辑的内容信息，根据获取的所述内容信息更新档案模型状态标签；响应于用户端发送的查看请求，发送所述测绘档案模型和状态标签至用户端进行显示。本发明实施例能够方便高效的对测绘档案的整个生命周期进行监控。
-
公开(公告)号：CN106777274A
公开(公告)日：2017-05-31
申请号：CN201611241944.3
申请日：2016-12-29
Applicant: 北京理工大学
IPC: G06F17/30
CPC classification number: G06F17/30734 , G06F17/30705
Abstract: 本发明涉及一种旅游领域知识图谱的构建方法及系统，属于Web挖掘和智能信息处理领域。旅游领域知识图谱构建任务包括实体属性知识扩充子任务和实体属性值融合子任务。本发明采用一种混合式的实体属性知识扩充方法，集成了基于词汇场、监督学习、模式匹配，以及搜索引擎问答的实体属性知识扩充算法。对于实体属性值融合子任务，采用一种基于来源可信度的多值属性的属性值融合方法、一种基于内容可信度的固定型单值属性的属性值融合方法，以及一种基于学习排序的非固定型单值属性的属性值融合方法。本发明构建了结构化的旅游领域实体知识库，准确地表达了旅游领域实体的属性和属性值知识，提高了用户获取旅游领域知识的效率，具有广阔的应用前景。
-
公开(公告)号：CN106776479A
公开(公告)日：2017-05-31
申请号：CN201611165152.2
申请日：2016-12-16
Applicant: 北京理工大学
CPC classification number: G06F17/16 , G06Q30/0202
Abstract: 本发明提供了一种面向多属性评分系统的评分预测方法，包括步骤：S1：输入数据：收集用户对商品的多个属性的评分，输入多个属性的评分数据；S2：构建模型：利用具有U、C、A三个维度的三维张量表达多属性评分信息；S3：设置参数，得到初始化矩阵S4：张量分解，计算得到中间矩阵和S5：张量填充，完成评分预测。使用本发明所述的方法，可以有效融合多个属性的评分信息，预测用户对商品各个属性的评分。
-
公开(公告)号：CN104317882B
公开(公告)日：2017-05-10
申请号：CN201410564432.5
申请日：2014-10-21
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明公开了一种决策级中文分词融合方法，属于自然语言处理和智能信息处理领域。本方法首先利用三种分词工具对中文文本中的句子进行分词，并对分词结果进行预处理，利用整型数组保存每个分词工具的分词结果。然后采用决策级分词融合模型进行分词，决策级分词融合模型为分层的融合结构，包括特征级和决策级，最后采用一种基于Web的方法识别句子中的未登录词。本方法通过采用决策级融合方式进行分词结果融合，有效提高了分词结果的准确性。本发明在信息检索、文本分类、主题检测、网络内容监控等领域具有广阔的应用前景。
-
公开(公告)号：CN112163707B
公开(公告)日：2024-07-02
申请号：CN202011068745.3
申请日：2020-09-30
Applicant: 北京理工大学
Abstract: 本公开的基于贝叶斯网络的刑期预测方法，通过包括：对已审裁判文书数据进行预处理；利用预处理的已审裁判文书数据进行贝叶斯网络结构学习，得到已审裁判文书法律要素样本集和贝叶斯网络结构；采用极大似然估计法从所述已审裁判文书法律要素样本集进行贝叶斯网络结构参数学习，得到贝叶斯网络刑期预测模型；将未审裁判文书数据输入到贝叶斯网络刑期预测模型，输出刑期预测结果。能够在不确定或不完善的信息条件下，利用诊断推理识别刑期(量刑)重要因素，给出刑期依据和解释，刑期预测模型和刑期预测结果的可解释性强，从裁判文书数据中学习贝叶斯网络结构，克服了专家构建贝叶斯网络的主观性，提高了刑期的准确性，减少搜索空间，提高学习速度。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.026 seconds)
