-
公开(公告)号：CN116166897B
公开(公告)日：2024-08-13
申请号：CN202310164364.2
申请日：2023-02-24
Applicant: 北京大学重庆大数据研究院
IPC: G06F16/9537 , G06F16/31 , G06F16/332 , G06F40/289 , G06F18/25 , G06Q50/40
Abstract: 本发明提供的一种基于AIS和ADS‑B结合的热点数据融合方法，包括：S1.获取目标海域的船舶AIS数据以及飞机ADS‑B数据；S2.获取目标海域的新闻事件的文本信息，并从新闻事件文本信息中提取出目标新闻事件信息；S3.将船舶AIS数据、飞机ADS‑B数据以及目标新闻事件信息进行信息融合形成关联信息，通过上述方法，将热点事件以及热点事件发生未知设定范围内的船舶以及飞机相关数据形成一个关联的信息，从而在对热点事件分析时能够同时调用相对应的船舶和飞机相关数据，利于后续船舶以及飞机航行计划等制定。
-
公开(公告)号：CN117111180B
公开(公告)日：2024-07-19
申请号：CN202311028024.3
申请日：2023-08-15
Applicant: 北京大学重庆大数据研究院
Abstract: 本发明提供的一种模式后气象要素发生概率预测方法，包括以下步骤：获取气象原始数据，并采用模式输出机器学习算法确定高精度预测结果；将目标区域的划分为N个格点，将高精度预测结果和原始气象采用模式残差机器学习算法确定出格点预报结果；基于格点预报结果确定每个格点的概率；以目标格点作为圆心，以不同的半径画圆将目标区域划分为3个区域，计算目标格点的权重以及计算从目标格点以外的格点随机选择的n个格点处于不同区的权重；以格点预报结果确定每个格点的概率和各个格点的权重确定目标格点的气象要素发生的概率。
-
公开(公告)号：CN117978679A
公开(公告)日：2024-05-03
申请号：CN202410386319.6
申请日：2024-04-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: H04L43/08 , H04L43/0811 , H04L43/0817 , H04L43/0852 , H04L43/0894 , H04L9/40 , H04L67/12
Abstract: 本申请公开了一种异质物联网熵权确定方法、装置及电子设备。其中，该方法包括：获取待评价对象对应的各项评价指标的目标指标值，其中，待评价对象包括：待评价的异质物联网，评价指标包括：资源评价指标、数据评价指标、服务评价指标；依据目标指标值，确定各个待评价对象的各项评价指标的特征比重；依据特征比重，确定各项评价指标对应的信息熵，并依据信息熵，确定各项评价指标对应的熵权值，其中，熵权值用于作为各项评价指标对应的权重，以计算待评价对象的目标分数，目标分数用于表征待评价对象的性能优劣程度。本申请解决了由于相关技术中缺乏对于不同的物联网系统的统一的评价体系，造成的物联网评价效率低、质量差的技术问题。
-
公开(公告)号：CN117978669A
公开(公告)日：2024-05-03
申请号：CN202410386327.0
申请日：2024-04-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: H04L41/14 , H04L41/0226
Abstract: 本申请公开了一种异质物联网交互方法、装置及非易失性存储介质。其中，该方法包括：第一物联网根据第一物联网中的源数据建立第一元模型；确定第一物联网和第二物联网之间的元模型映射规则，其中，第一物联网和第二物联网互为异质物联网，元模型映射规则包括第一物联网和第二物联网之间的元模型的转换规则；依据元模型映射规则处理第一元模型，得到第二元模型，其中，第二元模型未第二物联网可理解的元模型；依据第二元模型对待发送数据进行调整，并将调整后得到的实体数据发送至第二物联网。本申请解决了由于相关技术中不同物联网之间无法理解其他物联网所采集的数据导致的不同物联网之间无法进行信息交互的技术问题。
-
公开(公告)号：CN117725801B
公开(公告)日：2024-05-03
申请号：CN202410169678.6
申请日：2024-02-06
Applicant: 北京大学 , 北京大学重庆大数据研究院
Inventor： 胡俊
IPC: G06F30/23 , G06T17/20 , G06F30/15 , G06F30/17 , G06F119/14 , G06F111/04
Abstract: 本申请公开了一种基于混合有限元空间计算线弹性力学问题的方法。包括：对各个单元的边界条件进行处理，得到载荷向量和应力约束方程组，依据各单元的三维对称矩阵空间的张量基和k阶拉格朗日基函数在各积分点的值计算内蕴混合有限元空间基函数在对应积分点处的值，再依据该值计算单元能量矩阵，以构造系数矩阵；计算k‑1阶间断拉格朗日基函数在各积分点的值及内蕴混合有限元空间基函数在各积分点处的div值，并由这两个值计算单元散度算子矩阵再追加至系数矩阵；利用应力约束方程组，对系数矩阵和载荷向量进行处理得到线性代数方程组并求解，得到应力与位移结果。本申请解决了采用有限元求解线弹性力学问题时，求解结果精度较低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117933819A
公开(公告)日：2024-04-26
申请号：CN202410134639.2
申请日：2024-01-31
Applicant: 北京大学重庆大数据研究院
IPC: G06Q10/0639 , G06F18/23213 , G06F40/284
Abstract: 本发明提供的一种业务数据分析验证方法，包括以下步骤：对获取的业务数据进行完整性评价，其中，完整性评价包括数据范围完整性和数据记录完整性；基于数据范围完整性和数据记录完整性确定出完整业务数据；对完整业务数据进行分析，得出完整业务数据的结论文本，并对完整业务数据的结论文本进行词向量转换，将结论文本的词向量输入至k‑means算法中将结论文本分为n个组；对每个组内的任意两个不同的结论进行冲突验证，并进行冲突标记；按照冲突标记数量进行降序排列，形成冲突列表并导出。
-
公开(公告)号：CN117435993A
公开(公告)日：2024-01-23
申请号：CN202311443629.9
申请日：2023-11-01
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F18/2415 , A61B5/369 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于数据增强和对抗优化的跨病人癫痫脑电信号分类方法，属于癫痫检测技术领域，解决了现有技术中癫痫跨病人脑电信号分类方法准确率和效率低的问题。方法包括以下步骤：获取脑电信号片段，对其中的癫痫发作期脑电信号片段进行数据增强，基于数据增强后的脑电信号片段构建训练样本集；构建跨病人癫痫脑电信号分类模型，采用对抗优化策略基于所述训练样本集对所述跨病人癫痫脑电信号分类模型进行训练，得到训练好的跨病人癫痫脑电信号分类模型；将待分类脑电信号输入训练好的跨病人癫痫脑电信号分类模型得到待分类脑电信号的分类结果。实现了快速准确的跨病人癫痫患者脑电信号分类。
-
公开(公告)号：CN117077530A
公开(公告)日：2023-11-17
申请号：CN202311070382.0
申请日：2023-08-23
Applicant: 北京大学重庆大数据研究院
IPC: G06F30/27 , G01W1/10 , G06F30/28 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明提供的一种融合深度学习算法的大气辐射传输模拟方法，包括以下步骤：获取目标位置典型的大气背景数据，并对典型的大气背景数据进行预处理，根据预处理后的典型的大气背景数据确定出卫星通道平均透过率；构建深度学习网络，将预处理后的典型的大气背景数据以及将卫星通道平均透过率作为标签并输入至深度学习网络中对深度学习网络进行训练；实时获取目标位置的大气背景数据，并将实时的大气背景数据以及卫星观测天顶角输入至训练完成的深度学习网络中进行处理，得到大气透过率预测值；构建大气辐射传输模拟模型，将大气透过率预测值输入至大气辐射传输模拟模型中得到辐射强度，基于辐射强度确定出目标位置的辐射亮温。
-
公开(公告)号：CN117056807A
公开(公告)日：2023-11-14
申请号：CN202311027672.7
申请日：2023-08-15
Applicant: 北京大学重庆大数据研究院
IPC: G06F18/241 , G06N3/0442 , G06N3/08 , G06F18/214 , G06V10/26 , G06V10/764
Abstract: 本发明提供的一种基于语义分割网络和长短期记忆网络的集成云检测方法，包括：获取多通道卫星的历史图像数据以及根据历史图像数据得到的云检测图像，并提取历史图像数据的特征信息；构建单像素点云检测模型，所述单像素云检测模型包括三个长短期记忆网络LSTM和一个全连接层，三个长短期记忆网络LSTM的输入和输出顺次连接形成串联结构，然后串联结构中的最后一个长短期记忆网络LSTM的输出与全连接层的输入连接；将特征信息输入至单像素点云检测模型中并对单像素点云检测模型进行训练；构建DeepLabv3plus语义分割网络，将特征信息输入至DeepLabv3plus语义分割网络中并对DeepLabv3plus语义分割网络进行训练；获取多通道卫星的实时图像数据，并提取实时图像数据的特征信息；将实时图像数据的特征信息分别输入至训练完成的单像素点云检测模型和DeepLabv3plus语义分割网络中进行处理，将DeepLabv3plus语义分割网络的输出结果与单像素点云检测模型的输出结果进行加权求和得到最终的云检测结果。
-
公开(公告)号：CN116842172A
公开(公告)日：2023-10-03
申请号：CN202310724024.0
申请日：2023-06-16
Applicant: 北京大学重庆大数据研究院
IPC: G06F16/34 , G06F40/284 , G06F18/22 , G06N3/045 , G06N3/048
Abstract: 本发明提供的一种基于特点主题的文本摘要生成方法，包括以下步骤：S2.对事件新闻进行预处理；S3.对预处理后的事件新闻中的语句进行权重计算，并将各语句的权重进行由大到小进行排序，选择权重最大的m个语句，并将筛选出的m个语句在事件新闻原文中的顺序进行组合形成摘要信息；S4.采用Bert模型对预处理后的新闻事件进行处理，得到文本X，并将文本输入至SRU模型中进行训练，并将SRU模型的输出输入至注意力模型中进行提取，得到注意力特征A，并基于注意力特征A得到事件新闻文本第i个语句的预测结果；S5.构建摘要生成模型UniLM,将第i个语句的预测结果和步骤S3中形成的摘要信息输入至摘要生成模型UniLM中并对摘要生成模型UniLM进行训练；S6.获取目标事件新闻，将目标事件新闻通过步骤S2、S3和S4处理后，将步骤S3处理后得到的摘要信息和步骤S4中的SRU模型输出的信息输入至步骤S5训练完成后的摘要生成模型UniLM中处理，输出最终的文本摘要。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.044 seconds)
