-
公开(公告)号:CN119168105A
公开(公告)日:2024-12-20
申请号:CN202410438408.0
申请日:2024-04-12
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06Q10/04 , G06Q50/26 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F123/02
Abstract: 本发明公开了一种基于联邦学习的文本数据分布式处理方法,包括下述步骤:通过数据采集和存储模块完成对特定人员的信息和活动数据采集,并建立统一的数据标准方法,将标注完成的数据放入数据库进行存储;完成无关数据清除、缺失值和异常值的处理、数据特征的统计及分组训练数据;采用LSTM神经网络模型构建联邦学习训练模块,并对其进行训练得到可用的预警模型;将预警模型部署在部门的本地服务器上,对特定人员的轨迹信息进行实时预测,进而判定是否存在危险行为,如果存在出现危险行为可能性,则及时采取措施;在解决现有技术中存在的数据流通困难、计算成本和难以进行全局优化等问题的同时,对特定人员的行动轨迹进行预测,从而保障公共安全。
-
公开(公告)号:CN117764238A
公开(公告)日:2024-03-26
申请号:CN202311820181.8
申请日:2023-12-27
Applicant: 喀什地区电子信息产业技术研究院 , 电子科技大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/044 , G06N3/084 , G06F18/213 , G06F18/25 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种基于复杂图形表征的农作物病虫害预测方法、电子设备和存储介质,方法包括以下步骤:利用病虫害影响因子‑复杂图形表征模块,构建病虫害的各种影响因子之间的关系的复杂图形结构;利用基于图卷积神经网络的特征提取模块,对复杂图形结构中的影响因子进行挑选并映射后、实现图形的特征提取;利用基于循环神经网络的病虫害预测模块,将特征提取模块处理得到的图形特征构造为特征演化序列,并将特征演化序列输入至循环神经网络时间序列机器学习模型,预测未来一定时间内病虫害的发生情况,即病虫害爆发率。本发明提出了一种基于多源异构数据的创新思路,通过综合分析已知数据,能够更早地发现潜在的病虫害威胁,并迅速采取防控措施。
-
公开(公告)号:CN118297227A
公开(公告)日:2024-07-05
申请号:CN202410438057.3
申请日:2024-04-12
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于长短期记忆神经网络的人员流动趋势分析方法,解决现有传统方法精度不高、预测不准在实际场景下难以使用的不足之处,同时也解决基于深度学习的方法难以同时捕捉空间依赖和时间依赖的不足之处,通过融合多种神经网络的方法,同时捕捉空间和时间依赖,实现人员流动趋势分析;包括下述步骤:1)构建并训练人员流动量预测模型,其中,人员流动量预测模型包括深度残差模块、长短期记忆模块、Hadamard乘积及全连接模块;2)利用训练好后的人员流动量预测模型进行人员流动量的预测。
-
公开(公告)号:CN117935141A
公开(公告)日:2024-04-26
申请号:CN202311801979.8
申请日:2023-12-26
Applicant: 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种基于MobileSAM的电梯内通用场景监测方法,通过对电梯内的拍摄的图像进行细粒度图像语义分割,实现了精细的场景分析,可以自动检测和识别电梯内的不同对象与场景,例如人员数量、物体数量与类别或事件类型等,包括下述步骤:1)数据采集:通过电梯内部摄像头采集图像或视频数据;2)图像预处理:将步骤1)所采集的数据进行图像预处理;3)语义分割:采用MobileSAM语义分割网络,对图像进行全场景语义分割,形成语义标签;4)业务实现:分析语义标签,确定电梯内的具体事件和情况。
-
公开(公告)号:CN118485069A
公开(公告)日:2024-08-13
申请号:CN202410504783.0
申请日:2024-04-25
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06F40/284 , G06N3/0464 , G06N3/0455 , G06F18/10 , G06F18/25 , G06F18/2433 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种基于Transformer和CNN的敏感词检测方法,解决传统的Transformer不能为长距离相关文本信息生成自适应权重,局部语义提取能力不足,在敏感词汇检测中词性理解能力不足的问题,包括:对待检测文本进行数据清洗、文本过滤、分词得到词语;使用 对词语进行填充,然后使用Word2Vec将单词映射到一个向量空间中的Word embeddings;生成每个单词的Position embeddings和Segment embeddings;将得到的三种embeddings分别相加作为Transformer网络的输入、相拼接作为CNN网络的输入进行处理;将Switchable Normalization的输出和最大池化的输出相加进行融合得到融合特征;将融合特征通过全连接层进行信息整合,送入Dropout层进行信息筛选,以0.5倍的权重与Dropout层的输出相加;最后再通过一个全连接层和Softmax进行二分类判别。
-
公开(公告)号:CN117851396A
公开(公告)日:2024-04-09
申请号:CN202410127578.7
申请日:2024-01-30
Applicant: 喀什地区电子信息产业技术研究院
IPC: G06F16/215 , G06F16/23 , G06F16/2455 , G06F16/25 , G06F16/28
Abstract: 本发明公开了一种基于湖仓一体的数据编目方法及系统,属于数据管理领域,包括:建设数据湖,并将外部数据源中的数据提取到数据湖中;清洗数据湖中的原始数据;为清洗后的数据添加元数据信息并采用多级编目架构进行编目;其中,所述多级编目架构中每个目录针对特定的数据领域进行配置和管理,当外部数据源更新时,通过后台线程定时刷新拉取最新数据并更新元数据。本发明实现多源异构数据的集成、整合和编目,以提供更方便、可靠和高效的并发数据访问和分析。
-
-
-
-
-