-
公开(公告)号：CN114374928B
公开(公告)日：2023-12-19
申请号：CN202111664627.3
申请日：2021-12-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04W4/02 , H04W4/80 , G06F16/9537 , G06F16/29
Abstract: 本发明给出了一种基于多源位置数据的城市人员分布计算方法与系统，包括获取城市人员在一段时间内的移动轨迹数据、网络位置数据和WiFi连接数据；对移动轨迹数据根据时间进行排序得到轨迹数据集合，将轨迹数据集合中的位置点和时间相近的数据加入同一个集合中，计算出每个集合中城市人员所在的范围的中心点以及在中心点的停留时间，筛选出对应的停留时间最长的中心点作为城市人员的落脚点；将落脚点与网络位置数据和WiFi连接数据中的位置信息相比较，对落脚点进行更新，通过多次迭代分析出城市人员在所处城市的时间和空间分布。本发明可用于分析城市人员的活动轨迹、预测城市空间分布的各种可能性，从而优化社会资源部署。
-
公开(公告)号：CN111078763B
公开(公告)日：2022-11-11
申请号：CN201911281867.8
申请日：2019-12-13
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/248 , G06F9/445
Abstract: 本发明涉及基于zTree的树形结构异步提取方法、终端设备及存储介质，该方法中包括：S1：采集构成树形结构各节点的数据；S2：查询所有第i级节点对应的数据，并对其是否具有子节点的属性进行设置；S3：前端页面通过zTree进行第i级节点的树形显示；S4：判断i＝1是否成立，如果是，进入S5；否则，设定第i‑1级节点的updateNode属性为true，进入S5；S5：判断i＝I是否成立，如果是，设定zTree中禁用默认的子节点被选中的功能，结束；否则，进入S6；S6：针对显示的每个第i级节点设置加载子节点操作，令i＝i+1，返回S2。本发明在zTree的基础上对其进行优化，实现父节点的批量的提取和操作，能更大范围的体现zTree灵活多变的特性。
-
公开(公告)号：CN111782231B
公开(公告)日：2022-10-11
申请号：CN202010676470.5
申请日：2020-07-14
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F8/61
Abstract: 本申请实施例公开了服务部署方法和装置。该方法的一具体实施方式包括：获取用户配置的服务安装相关数据；根据用户配置的地址集合，将服务安装相关数据发送到用于安装服务的服务器集群中的目标服务器；在目标服务器上生成安装目录，并基于地址集合，将安装目录分发到服务器集群中的每个服务器；控制服务器集群根据服务安装相关数据安装服务，并在服务器集群上启动服务。该实施方式实现了远程自动化地部署、操作服务，降低了服务运维操作的难度。
-
公开(公告)号：CN111581431A
公开(公告)日：2020-08-25
申请号：CN202010351013.9
申请日：2020-04-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开了一种基于动态评估的数据探查方法和装置，通过根据数据源的类型和探查维度调用探查引擎对数据源进行数据探查，得到第一探查结果；对第一探查结果进行评估，得到评估结果，根据评估结果对探查流程进行动态调整，获得动态匹配的探查规则，并通过探查规则获得第二探查结果；计算第二探查结果的有效探查项比例，根据有效探查比例判断探查规则的有效性，对第二探查结果进行确认以获得最终探查结果。通过动态调整数据探查的操作路径，实现不同类型数据的自动探查工作，提高数据探查的工作效率，结合不同的数据源和探查结果，智能推荐探查结果，实现所有接入数据源的自动探查工作，高效支撑各种不同数据源的探查，提升大数据智能化接入效率。
-
公开(公告)号：CN109614587A
公开(公告)日：2019-04-12
申请号：CN201811491970.0
申请日：2018-12-07
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种智能人脉关系分析建模方法、终端设备及存储介质，该方法包括以下步骤：S100：根据用户行为所体现的用户之间联系强弱的程度，将用户之间的关系划分n个维度，并根据用户的空间关系、时间关系和直接关系建立人脉分析模型；S200：通过机器学习建模，确定模型中的直接关系权重、维度权重、空间维度权重和时间维度权重，进而确定最终的人脉分析模型。本发明摈弃了传统的单一因素分析方式，在建立人脉分析模型的基础上进行机器学习模型算法的调优，构建了一个高准确度的人脉分析模型，再以数据为基础，不仅支持分析维度的动态拓展，更能将分析结果反向作用于模型构建的过程，得出精准的人脉关系网络。
-
Patent Agency Ranking
公开(公告)号：CN114358284B
公开(公告)日：2024-12-31
申请号：CN202210031259.7
申请日：2022-01-12
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06N3/0895 , G06F18/214
Abstract: 本发明提出了一种基于类别信息对神经网络分步训练的方法、装置及存储介质，该方法包括：获取步骤，获取所述神经网络的初始权重数据，并将所述初始权重数据存储在一指定存储区中；选择步骤，从待训练的N个类别训练样本集合中选择n个未标记类别样本集合；训练步骤，使用所述选择n个未标记类别样本集合对所述神经网络进行迭代计算得到训练后的神经网络；更新步骤，将训练后神经网络模型的权重数据更新所述指定存储区中的初始权重数据；本发明中，从N个类别中选择n个类别未标记样本集合标记后进行神经网络的训练，在训练过程中充分利用样本的类别信息，提高了神经网络的训练精度，提高了更新效率，保证了神经网络的训练速度。
-
公开(公告)号：CN111614733B
公开(公告)日：2022-08-02
申请号：CN202010358133.1
申请日：2020-04-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L67/10 , H04L67/30 , H04L61/5007 , H04L61/103
Abstract: 本发明提出了一种分布式多分片集群的部署方法、装置及存储介质，该方法包括：配置服务器的配置步骤，基于配置服务器的IP将配置服务器配置为不同的服务类型并创建配置文件；分片服务器的配置步骤，基于分片服务器的数量将一个分片服务器上的主节点、副本集节点和仲裁节点分别设置属于不同的服务器节点上；路由服务器的配置步骤，用于建立路由服务与分片服务之间的对应关系。本发明利用循环算法，将一个分片的副本集配置成非本机节点，如果循环到最后一个分片，他的副本集就是第一个分片，使得数据在不同的节点有个备份，确保了数据的完整性。从而实现了高效、快速地部署服务，适用于在分布式、多分片以及副本集配置的场景。
-
公开(公告)号：CN113920353B
公开(公告)日：2022-07-29
申请号：CN202111300505.6
申请日：2021-11-04
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/762 , G06V40/16 , G06V10/74 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种无监督的人脸图像二次聚类方法、装置及存储介质，该方法包括：对获取的n张人脸图像计算相似度矩阵和图像质量分数，并基于图像质量分数对相似度矩阵进行调整，基于调整后的相似度矩阵对n张人脸图像进行初次聚类得到初次聚类结果；基于所述聚类结果中的每个簇中的图像数量分为离散簇和聚集簇；在选出每个簇的代表元后，利用并查集算法先将满足条件的离散簇合并至聚集簇，再进行聚集簇之间的合并，得到二次聚类后的人脸图像。本发明创造性地提出了二次聚类的方式，在前后两次聚类中使用不同的相似度阈值，逐步求精；并且在聚类过程，针对聚类样本/聚类簇的特点对相似度计算作精细调整，最终实现高精确率和高归档率的人脸聚类。
-
公开(公告)号：CN114358284A
公开(公告)日：2022-04-15
申请号：CN202210031259.7
申请日：2022-01-12
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提出了一种基于类别信息对神经网络分步训练的方法、装置及存储介质，该方法包括：获取步骤，获取所述神经网络的初始权重数据，并将所述初始权重数据存储在一指定存储区中；选择步骤，从待训练的N个类别训练样本集合中选择n个未标记类别样本集合；训练步骤，使用所述选择n个未标记类别样本集合对所述神经网络进行迭代计算得到训练后的神经网络；更新步骤，将训练后神经网络模型的权重数据更新所述指定存储区中的初始权重数据；本发明中，从N个类别中选择n个类别未标记样本集合标记后进行神经网络的训练，在训练过程中充分利用样本的类别信息，提高了神经网络的训练精度，提高了更新效率，保证了神经网络的训练速度。
-
公开(公告)号：CN113920353A
公开(公告)日：2022-01-11
申请号：CN202111300505.6
申请日：2021-11-04
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/762 , G06V40/16 , G06V10/74 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种无监督的人脸图像二次聚类方法、装置及存储介质，该方法包括：对获取的n张人脸图像计算相似度矩阵和图像质量分数，并基于图像质量分数对相似度矩阵进行调整，基于调整后的相似度矩阵对n张人脸图像进行初次聚类得到初次聚类结果；基于所述聚类结果中的每个簇中的图像数量分为离散簇和聚集簇；在选出每个簇的代表元后，利用并查集算法先将满足条件的离散簇合并至聚集簇，再进行聚集簇之间的合并，得到二次聚类后的人脸图像。本发明创造性地提出了二次聚类的方式，在前后两次聚类中使用不同的相似度阈值，逐步求精；并且在聚类过程，针对聚类样本/聚类簇的特点对相似度计算作精细调整，最终实现高精确率和高归档率的人脸聚类。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.032 seconds)
