基于位矩阵模型的时序RDF数据存储及查询方法

    公开(公告)号:CN114791967B

    公开(公告)日:2024-09-27

    申请号:CN202210580025.8

    申请日:2022-05-25

    Abstract: 本发明提出一种基于位矩阵模型的时序RDF数据存储及查询方法,所述数据存储方法包括:以四元组的格式对时序RDF数据进行表示;应用位矩阵存储方式对时序RDF数据中的主谓宾三元组进行存储,同时采取键‑值映射方式对三元组的时间信息进行存储及索引;设计基于时间划分的时序统计信息索引以记录在不同时间区间内各查询模式的统计信息。本发明有效减少了传统位矩阵数据库管理时序RDF时数据的复杂度,可较大幅度提升面向时序RDF数据的检索效率。

    基于位矩阵模型的多元关系图谱数据存储及查询方法

    公开(公告)号:CN116610673A

    公开(公告)日:2023-08-18

    申请号:CN202310550066.7

    申请日:2023-05-16

    Abstract: 本发明提供一种基于位矩阵模型的多元关系图谱数据存储及查询方法,应用于对多元关系图谱数据的存储和索引构建,该存储方法包括:对多元关系图谱数据进行表示,并将多元关系图谱数据序列化为三元组和嵌入式三元组;使用位矩阵模型对三元组或嵌入式三元组数据进行建模和存储,采用矩阵分区的方式管理相同谓词下参与二元关系以及多元关系的实体数据;构建多元实体谓词索引,建立实体与二元关系和多元关系中各谓词的关联关系。本发明减少了传统位矩阵数据库管理多元关系图谱数据的存储空间占用,可有效提升面向多元关系图谱数据的检索效率。

    多成分GAN重建的遥感图像场景分类方法

    公开(公告)号:CN114764880A

    公开(公告)日:2022-07-19

    申请号:CN202210350836.9

    申请日:2022-04-02

    Abstract: 本发明提供了多成分GAN重建的遥感图像场景分类方法,首先将场景数据集按比例随机划分成训练集和测试集;其次对数据集进行预处理,这些经过预处理之后的遥感场景图像数据即为真图;接着以随机初始化的方式获取多个潜在编码输入生成器网络以获得伪图;然后将真图、伪图联合输入到一个特征提取及联合定位模块,参与联合定位获得多个信息性部件;这些信息性部件用作多个潜在编码的更新接着利用全图特征和部件特征分别参与图像级分类和部件级分类,获得最优的分类模型;最后将测试集输入到最优定位网络和最优分类模型,获得最终的预测结果。本发明可以提高多个部件定位准确性和分类效果。

    一种基于双重数据增强策略的音频分类方法

    公开(公告)号:CN110808033A

    公开(公告)日:2020-02-18

    申请号:CN201910911637.9

    申请日:2019-09-25

    Abstract: 本发明公开了一种基于双重数据增强策略的音频分类方法。本发明的方法是:首先对原始音频文件使用旋转、调音、变调、加噪共四种传统音频增强方法进行初次音频数据增强;然后将初次增强音频数据转化为语谱图;再通过随机替换均值对语谱图数据进行二次的数据增强;输入双重数据增强的数据到Inception_Resnet_V2神经网络进行训练,完成特征提取工作;最后通过xgboost分类器对提取到的高层特征进行训练,完成最终音频分类工作。本方法在传统音频增强的基础上添加了对谱图的数据增强,双重数据增强可直接提高训练精度,在测试过程中表现出3%的精确率提升,可广泛应用于环境声分类与声纹识别任务。

    基于局部不相关约束的带钢表面缺陷图像分类方法

    公开(公告)号:CN107784323B

    公开(公告)日:2019-11-08

    申请号:CN201710956407.5

    申请日:2017-10-16

    Abstract: 本发明涉及一种基于局部不相关约束的带钢表面缺陷图像分类方法。其技术方案是:对于一幅带钢表面缺陷图像预处理后的向量数据点Xi分别从所有幅带钢表面缺陷图像预处理后的向量数据点构成矩阵数据X中寻找与一幅带钢表面缺陷图像预处理后的向量数据点Xi类别相同的2个近邻点建立同类局部近邻特征线LW(Xi)和类别不同的2个近邻点建立异类局部近邻特征线LB(Xi),然后计算局部同类散度矩阵SLW和局部异类散度矩阵SLB,构建局部边距SM,建立与局部同类散度矩阵SLW不相关约束,寻找正交和局部不相关的特征子空间,实现局部边距SM的最大化。本发明通过抽取带钢表面缺陷图像的判别特征并分类,具有带钢表面缺陷图像分类效果好的特点。

    基于局部不相关约束的带钢表面缺陷图像分类方法

    公开(公告)号:CN107784323A

    公开(公告)日:2018-03-09

    申请号:CN201710956407.5

    申请日:2017-10-16

    Abstract: 本发明涉及一种基于局部不相关约束的带钢表面缺陷图像分类方法。其技术方案是:对于一幅带钢表面缺陷图像预处理后的向量数据点Xi分别从所有幅带钢表面缺陷图像预处理后的向量数据点构成矩阵数据X中寻找与一幅带钢表面缺陷图像预处理后的向量数据点Xi类别相同的2个近邻点建立同类局部近邻特征线LW(Xi)和类别不同的2个近邻点建立异类局部近邻特征线LB(Xi),然后计算局部同类散度矩阵SLW和局部异类散度矩阵SLB,构建局部边距SM,建立与局部同类散度矩阵SLW不相关约束,寻找正交和局部不相关的特征子空间,实现局部边距SM的最大化。本发明通过抽取带钢表面缺陷图像的判别特征并分类,具有带钢表面缺陷图像分类效果好的特点。

Patent Agency Ranking