-
公开(公告)号：CN112001482A
公开(公告)日：2020-11-27
申请号：CN202010819584.0
申请日：2020-08-14
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司
摘要： 本发明实施例公开了一种振动预测及模型训练方法、装置、计算机设备和存储介质，该振动预测方法包括：检测电机连续n次通过皮带驱动地铁站台的闸门开启或关闭时、皮带的振幅，获得n条原始振动曲线；将n条原始振动曲线分别输入卷积神经网络中进行处理，以分别提取n个原始振动特征；将n个原始振动特征按照顺序依次输入n个链式依赖的长短期记忆网络中进行处理，以依次输出n个原始隐含特征；将n个原始隐含特征输入深度神经网络中进行处理，以生成电机下一次通过皮带驱动地铁站台的闸门开启或关闭时、皮带的振幅，获得目标振动曲线。实现实时监测皮带在闸门开启或关闭时的状态，有助于提升开启或关闭闸门的控制效果，从而提升检修皮带的效率。
-
公开(公告)号：CN110428109B
公开(公告)日：2020-11-03
申请号：CN201910728058.0
申请日：2019-08-07
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司 , 广东华之源信息工程有限公司
IPC分类号： G06F16/00
摘要： 本发明涉及一种地铁屏蔽门故障间隔时间预测模型建立及预测方法，地铁屏蔽门故障间隔时间预测模型建立，包括以下步骤：步骤1：获取地铁屏蔽门的历史运行数据，对历史运行数据进行预处理；步骤2：对预处理后的历史运行数据建立特征工程，得到特征工程数据；步骤3：对特征工程数据进行WOE和IV计算，得到每一条特征工程数据的IV值；步骤4：筛选出当前站点的当前屏蔽门的若干个IV值作为训练模型的训练数据，将训练数据输入GBDT模型进行训练，得到当前站点的当前屏蔽门的训练模型，得到的训练模型作为预测模型。本发明基于数据驱动对地铁屏蔽门故障进行预测，能够针对性的为每个屏蔽门建立对应的预测模型，预测准确性高，通用性好。
-
公开(公告)号：CN111259657A
公开(公告)日：2020-06-09
申请号：CN202010033448.9
申请日：2020-01-13
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司
IPC分类号： G06F40/279 , G06F40/30 , G06F40/126
摘要： 本发明实施例公开了一种车站名称识别方法、装置、设备及存储介质，涉及数据处理技术领域，其包括：获取基于用户的语音请求数据得到的文本识别结果；查找所述文本识别结果中出现的备选车站名称；生成所述备选车站名称的正则表达式，并根据所述正则表达式在车站名称集合中匹配相关的目标车站名称，所述正则表达式为拼音的混淆发音表达式；利用所述目标车站名称替换所述文本识别结果中的所述备选车站名称，以得到最终文本识别结果。采用上述方案可以解决现有技术中，由于用户混淆发音而无法对语音数据进行正确识别的技术问题。
-
公开(公告)号：CN111242040A
公开(公告)日：2020-06-05
申请号：CN202010040705.1
申请日：2020-01-15
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司 , 广州新科佳都科技有限公司
摘要： 本申请实施例公开了一种动态人脸聚类方法、装置、设备和存储介质。该方法包括对批量人脸图片进行静态聚类处理，得到多个包括邻居人脸集合的簇，根据每个簇中每张人脸图片相对于簇中其他人脸图片的平均相似度，对每个簇中的人脸图片进行筛选，从每个簇中选取多张人脸图片分别建立档案，根据档案的邻居相似度对满足邻居合并条件的簇进行合并，并基于合并后的簇重新建立档案，根据新增人脸图片与每个档案中的人脸图片的平均相似度，确定所述新增人脸图片所对应的档案，将所述新增人脸图片加入所述档案对应的簇中。本方案提高了人脸聚类的效率。
-
公开(公告)号：CN110991607A
公开(公告)日：2020-04-10
申请号：CN201911120453.7
申请日：2019-11-15
申请人： 佳都新太科技股份有限公司 , 广州新科佳都科技有限公司
摘要： 本申请实施例公开了一种地铁客流预测方法，包括：获取乘车数据源；将乘车数据源整合为对应的乘车数据，并根据乘车数据构建时间特征；整合分析以获得若干模型输入量；基于模型输入量构建若干个距离待测时刻不同时刻范围的数据特征集并进行归一化处理，构建每一个时间范围分别对应的RTNN模型，且按照时间范围距离待测时刻由远至近的顺序，将每个RTNN模型中的每一个数据特征依次进行传递。本方案中，基于RTNN网络模型不仅克服了现有技术中只能挖掘一个张量内各元素之间的相互关系或时序关系，而可以刻画多个张量间的时序变化，且结合了时间序列之间的传递性，可以有效避免网络中长时间间隔信息损失的问题。
-
公开(公告)号：CN112672288A
公开(公告)日：2021-04-16
申请号：CN202011483218.9
申请日：2020-12-15
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司
IPC分类号： H04W4/029 , H04W4/40 , G06Q10/04 , G06F16/9537
摘要： 本申请实施例公开了基于卡口记录的车辆轨迹预测方法及装置。本申请实施例提供的技术方案，通过获取当前车辆已知轨迹末段的卡口序列，基于卡口序列构建对应不同阶数的候选模式，通过候选模式筛选确定命中模式，并提取与命中模式匹配的历史轨迹，作为命中轨迹。以命中模式中最后一个卡口作为预测标记并对齐命中轨迹，从预测标记之后依次使用预设的加权窗口滑动选中各个命中轨迹的卡口作为命中卡口，基于卡口数量和卡口位置的窗口权重从命中卡口中逐个确定预测卡口，基于各个预测卡口选中一个命中轨迹作为预测轨迹。采用上述技术手段，可以基于当前车辆的已知轨迹准确地选择一历史轨迹作为预测轨迹，以此来提升车辆轨迹的预测效率和精准度。
-
公开(公告)号：CN112016623A
公开(公告)日：2020-12-01
申请号：CN202010888418.6
申请日：2020-08-28
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司
IPC分类号： G06K9/62
摘要： 本发明实施例公开了一种人脸聚类方法、装置、设备及存储介质，该方法包括：将包含人脸的原始图像数据划分至多个第一分组中，在每个第一分组中，查找人脸具有差异性的原始图像数据，作为候选图像数据，查找与候选图像数据的人脸相似的原始图像数据，并划分至多个第二分组中，在每个第二分组中，对原始图像数据进行聚类，获得候选人脸集合，若候选人脸集合之间关于人脸相似，则将候选人脸集合合并为目标人脸集合。将包含人脸的原始图像数据分批次划分至不同的分组进行组内处理，降低了单次数据处理的计算量，节省内存，筛选出候选人脸集合再进行集合的合并，便于构造单个人脸数据的邻域，减少耗时，提高人脸聚类效率。
-
公开(公告)号：CN110825785A
公开(公告)日：2020-02-21
申请号：CN201911072865.8
申请日：2019-11-05
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司
IPC分类号： G06F16/2458 , G06Q50/26
摘要： 本申请实施例公开了一种数据挖掘方法、装置、电子设备及存储介质。本申请实施例通过获取用于犯罪团伙挖掘的业务数据，将业务数据进行时间切片得到切片数据集，通过提取犯罪嫌疑人在对应时间段的经纬度信息或手机MAC地址信息，与切片数据集进行比对，通过确定经纬度信息或MAC地址信息存在设定关联关系的第一挖掘对象集合，以该第一挖掘对象集合中确定与犯罪嫌疑人为同伙关系的挖掘对象。采用上述技术手段，可以通过信息关联较快地进行犯罪团伙挖掘，避免繁琐的信息查询流程，进而简化同伙挖掘流程，提高信息挖掘效率。
-
公开(公告)号：CN110414429A
公开(公告)日：2019-11-05
申请号：CN201910686533.2
申请日：2019-07-29
申请人： 佳都新太科技股份有限公司 , 广州佳都科技软件开发有限公司
摘要： 本发明实施例公开了一种人脸聚类方法、装置、设备和存储介质，该方法包括获取人脸相似度矩阵，依据所述人脸相似度矩阵确定成对相似人脸；依据所述成对相似人脸之间的传递关系生成传递相似人脸；确定所述传递相似人脸之间的簇间相似度，依据所述簇间相似度确定每个传递相似人脸的相似簇，将满足预设条件的相似簇进行合并；根据合并结果确定人脸聚类分组。本方案提高了人脸聚类的效率以及准确度。
-
公开(公告)号：CN109359666A
公开(公告)日：2019-02-19
申请号：CN201811040891.8
申请日：2018-09-07
申请人： 佳都新太科技股份有限公司
摘要： 本发明涉及一种基于多特征融合神经网络的车型识别方法及处理终端，所述方法包括如下步骤：步骤1：对预设的神经网络采用训练算法进行训练，获得神经网络的参数，从而确定训练后的神经网络；步骤2：获取包括车辆车型特征的原始图像，对原始图像进行预处理，得到与预设像素尺寸一致的第一图像，并对原始图像采用目标检测算法提取局部特征，得到包括局部特征的第二图像；步骤3：将第一图像作为网络数据层data、第二图像作为网络感兴趣区域层rois输入至所述经过训练后的神经网络进行特征提取，获得融合特征，并利用分类算法对融合特征进行分类，得到车型的分类结果和对应车型的概率。本发明能有效地解决相似车型识别的问题，提高车型识别的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
53 条记录 (耗时 0.05 秒)
