-
公开(公告)号：CN119694535A
公开(公告)日：2025-03-25
申请号：CN202411745890.9
申请日：2024-11-29
Applicant: 成都四方伟业软件股份有限公司 , 成都信息工程大学
IPC: G16H50/20 , G16H50/70 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0499
Abstract: 本发明公开了一种利用多源数据的智能医疗诊断与决策支持方法，包括以下步骤：S1.收集医疗多源数据；S2.对收集到的数据进行数据预处理，得到标准化数据；S3.对标准化数据进行多模态处理，得到图像特征、文本特征、结构化特征以及融合特征；S4.构建不同模态的医疗诊断模型；S5.基于医疗诊断模型通过动态权重调整机制生成对应的个性化诊断结果并生成治疗方案。本发明设计了动态权重调整机制和基于知识图谱的个性化推荐算法，能够为每位患者提供量身定制的诊断结果和治疗建议，会根据每个患者的独特特征动态调整各类数据的重要性，并结合最新的医学知识，生成真正个性化的诊疗方案。
-
公开(公告)号：CN112966784A
公开(公告)日：2021-06-15
申请号：CN202110391933.8
申请日：2021-04-13
Applicant: 成都四方伟业软件股份有限公司
Abstract: 本发明公开了一种重复图片分类方法及装置，主要解决现有技术中存在的现有加载装饰图片的方法消耗内存资源，降低可视化设计平台的性能；拉长可视化产品开发周期的问题。本发明提出的分类算法可以对psd文件导出的装饰图片进行分类，将相似的装饰图片归为一类并保存，前端工程师只需要从该类装饰图中选择一张图片就可以完成可视化页面设计中该装饰图片的配置，可以大幅度减少前端工程师的可视化页面开发时的内存资源消耗，提高装饰图片加载性能，从而提升用户使用体验度。
-
公开(公告)号：CN112800085A
公开(公告)日：2021-05-14
申请号：CN202110391934.2
申请日：2021-04-13
Applicant: 成都四方伟业软件股份有限公司
IPC: G06F16/2453 , G06F16/2455
Abstract: 本发明公开了一种基于布隆过滤器识别表间主外键字段的方法及装置，主要解决现有技术中存在的现有数据库缺少表间主外键元数据使得数据库建模分析及处理困难，降低项目实施过程中进行数据探查、人工确定表间主外键的大量人力成本和资源投入的问题。该本发明先对数据库表的数量进行判定，数量低于设定阈值采用现有方法，高于设定阈值则通过表字段数据内容创建布隆过滤器，由计算表字段的包含关系转换为对字段的过滤器的包含关系的计算，识别表间主外键字段，解决大数量表计算资源消耗巨大的问题，通过阈值分开处理不同数量的数据库表，合理的分配了资源，减少资源消耗。
-
公开(公告)号：CN111563937A
公开(公告)日：2020-08-21
申请号：CN202010671984.1
申请日：2020-07-14
Applicant: 成都四方伟业软件股份有限公司
Abstract: 本发明公开了一种图片颜色提取方法及装置，解决了传统的颜色提取一般采用ISOData聚类算法，该聚类中心数目变动范围由初始聚类中心数K0决定，其最终输出的聚类中心数目范围是[K0/2，2K0]，当遇到已经知道类别数目范围时，则会产生错误的分类结果的问题。通过改进的ISOData聚类算法提取可视化页面的辅助配色实现设计图辅助配色的自动化配置，避免了使用者还要使用第三方颜色提取工具提取各个主题颜色，然后还要在UE可视化设计界面进行颜色配置的繁琐过程。
-
公开(公告)号：CN120047780A
公开(公告)日：2025-05-27
申请号：CN202411826165.4
申请日：2024-12-11
Applicant: 成都四方伟业软件股份有限公司 , 四川大学
IPC: G06V10/80 , G06V10/766 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了融合多图卷积的表格数据学习方法，基于GTabGNN模型架构，包括以下步骤：在模型的图表示构建层将表格数据初始化为适应图神经网络处理的图数据，并构建基于列的特征嵌入图和基于行的实例交互图两个图表示；将其并行输入图嵌入表示学习层，通过模型的ACGNN双核卷积模块和VG层级池化模块增强节点的嵌入表示并保留重要节点差异；通过模型的特征融合模块自适应融合两个图表示，并通过分类和回归层将其用于最终任务。本方案通过分别构建实例交互图和特征嵌入图，结合双核卷积和层级池化模块增强节点嵌入表示，并通过自适应融合机制平衡实例与特征关系，提升了预测模型的准确性与效率。
-
Patent Agency Ranking
公开(公告)号：CN119760308A
公开(公告)日：2025-04-04
申请号：CN202411821268.1
申请日：2024-12-11
Applicant: 成都四方伟业软件股份有限公司 , 四川大学
IPC: G06F18/10 , G06F18/214 , G06F18/2431 , G06F18/2411 , G06N3/042 , G06N3/0442 , G06F123/02
Abstract: 本发明公开了一种融合条件随机场的空间自适应多元时序预测方法，基于融合条件随机场的空间自适应多元时序预测模型，对变量间拓扑关系随时间变化的动态演化过程显式建模，捕捉动态空间依赖，具体包括：根据图结构学习，得到用于进行图卷积操作的拓扑结构；利用条件随机场的条件建模和全局信息处理能力，基于线性链条件随机场模型构建CRF条件随机场模块，捕捉动态空间依赖；设置损失函数，在训练数据集上训练完成的空间自适应多元时序预测模型模型，部署到实际生产环境中对多元时序的未来情况进行预测。本方案有效建模动态空间关联，进而获得多元时间序列的动态时空嵌入表示用于预测。
-
公开(公告)号：CN114154496A
公开(公告)日：2022-03-08
申请号：CN202210117139.9
申请日：2022-02-08
Applicant: 成都四方伟业软件股份有限公司
IPC: G06F40/284 , G06F40/30 , G06F40/242 , G06F16/335
Abstract: 本发明公开了基于深度学习BERT模型的煤监类案对比方法及装置，主要解决现有技术中存在的现有比对方法会忽略词义和语义，以及词与词之间的关系所隐藏的大量语义的信息，会导致这一部分信息丢失，导致对比搜索结果不准确的问题。该发明通过创建BERT分词器，搭建、训练BERT模型；通过BERT分词器读取煤监隐患信息数据库和待搜索隐患信息文本，并对其进行分词，然后通过模型bert得到文本语义向量的相似度；最终得出得分最高的隐患记录返回搜索结果；本发明能够更为准确的进行煤监类案对比计算。
-
公开(公告)号：CN112001311A
公开(公告)日：2020-11-27
申请号：CN202010860179.3
申请日：2020-08-25
Applicant: 成都四方伟业软件股份有限公司
IPC: G06K9/00 , G06K9/20 , G06K9/34 , G06K9/38 , G06T7/11 , G06T7/13 , G06T7/136 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图形边缘检测实现手写数字识别的方法及装置，主要解决现有技术中存在的现有深度学习OCR手写数字识别技术需要更多地数字样本，深度学习模型复杂及准确率难以有高保障的问题。该发明包括的步骤为先对手绘图预处理得到二值化图；然后提取二值化图中单个数字的轮廓线；再然后计算单个数字的外边框后对外边框进行升序排列；最后识别外边框内的数字，再将单个数字连接起来形成整体数字。通过上述方案，本发明达到了模型简单及识别准确率高的目的，具有很高的实用价值和推广价值。
-
公开(公告)号：CN111488885A
公开(公告)日：2020-08-04
申请号：CN202010594898.5
申请日：2020-06-28
Applicant: 成都四方伟业软件股份有限公司
Abstract: 本发明公开了一种图片主题色系智能提取方法及装置，通过统计各类别的像素个数，并按照像素个数从多到少进行排序，根据排序结果确定图片的背景色、文本色、辅助色和线条色。当需要通过设计图或彩色图配置UE界面主题颜色时，此方法可以大幅度减少人工劳动力，缩短产品生产周期。解决了现有方案需要人工提取主题设计，工作量较大且带有一定的主观性的问题。避免了使用者还要使用第三方颜色提取工具提取各个主题颜色，然后还要在UE可视化设计界面进行颜色配置的繁琐过程。
-
公开(公告)号：CN119785176A
公开(公告)日：2025-04-08
申请号：CN202411854318.6
申请日：2024-12-16
Applicant: 成都四方伟业软件股份有限公司 , 电子科技大学
IPC: G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/30 , G06V10/26 , G06V10/80
Abstract: 本发明公开了一种基于深度学习掌子面勘测方法，包括：获取掌子面及其周边区域的高分辨率点云数据并对数据进行预处理；将隧道掌子面区域与周围区域自动分割，从分割的掌子面点云中提取微小的变形特征；构建CNN卷积神经网络和LSTM长短期记忆网络的融合预测模型FDNN，提取掌子面点云的空间特征，处理点云变形数据的时间依赖性，捕捉掌子面在施工期间的动态变化；进行模型训练优化损失函数，调整模型参数并进行多轮迭代训练；将实时点云数据输入训练好的融合预测模型FDNN，进行掌子面变形趋势预测，并预设变形安全阈值。本方案实现了变形特征的全面学习，并捕捉到掌子面细微的时空变化，提高了监测效果。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.04 seconds)
