-
公开(公告)号：CN107656978B
公开(公告)日：2021-02-12
申请号：CN201710795434.9
申请日：2017-09-06
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 复旦大学
IPC: G06F16/215
Abstract: 本发明涉及一种基于函数依赖的多样性数据修复方法，初始化修复集合；判断修复集合中的修复个数是否小于等于设定修复个数，若是，则初始化输入队列后进行下一步，否则进行最后一步；利用偏好函数w’(c)选择每个修复的修复元素，生成输入队列；利用Genrepair算法进行数据修复；判断修复集合中是否包含与本次相同的修复，若为是，则直接返回第二步，否则将本次修复操作加入修复集合，返回第二步；判断是否满足终止条件，若为是，则修复完成，否则对修复集合进行检查，并进行选取相应修复进行替换。与现有技术相比，本发明同时考虑多样性和代价进行数据修复、提高修复效率以及可以适用于指数级别的修复空间的有效动态采样等优点。
-
公开(公告)号：CN107329993A
公开(公告)日：2017-11-07
申请号：CN201710423572.4
申请日：2017-06-07
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 复旦大学
IPC: G06F17/30
CPC classification number: G06F17/30946
Abstract: 本发明涉及一种基于Geoword的多元电力时序数据索引方法，包括以下步骤：1)获取原始多元电力时序数据，并对其进行降维；2)对降维后的多元电力时序数据进行Geoword编码，获得多元电力时序数据的MTSAX表达；3)根据MTSAX表达构建多元电力时序的MTSAX数据索引。与现有技术相比，本发明具有动态划分、精度可指定、节点不重叠等优点。
-
公开(公告)号：CN107656978A
公开(公告)日：2018-02-02
申请号：CN201710795434.9
申请日：2017-09-06
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 复旦大学
IPC: G06F17/30
CPC classification number: G06F16/215
Abstract: 本发明涉及一种基于函数依赖的多样性数据修复方法，初始化修复集合；判断修复集合中的修复个数是否小于等于设定修复个数，若是，则初始化输入队列后进行下一步，否则进行最后一步；利用偏好函数w’(c)选择每个修复的修复元素，生成输入队列；利用Genrepair算法进行数据修复；判断修复集合中是否包含与本次相同的修复，若为是，则直接返回第二步，否则将本次修复操作加入修复集合，返回第二步；判断是否满足终止条件，若为是，则修复完成，否则对修复集合进行检查，并进行选取相应修复进行替换。与现有技术相比，本发明同时考虑多样性和代价进行数据修复、提高修复效率以及可以适用于指数级别的修复空间的有效动态采样等优点。
-
公开(公告)号：CN107273471A
公开(公告)日：2017-10-20
申请号：CN201710422732.3
申请日：2017-06-07
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 复旦大学
IPC: G06F17/30
CPC classification number: G06F17/3033 , G06F17/30336 , G06F17/30548 , G06F17/30575
Abstract: 本发明涉及一种基于Geohash的二元电力时序数据索引构建方法，包括以下步骤：1)获取原始二元电力时序数据，并对其进行降维；2)对降维后的二元电力时序数据进行Geohash编码，获得二元电力时序数据的BTSAX表达；3)根据BTSAX表达构建二元电力时序的BTSAX数据索引，并采用HBase数据库进行原始二元电力时序数据与二元电力时序数据索引的存储。与现有技术相比，本发明具有动态划分、精度可指定、节点不重叠等优点。
-
公开(公告)号：CN108319678A
公开(公告)日：2018-07-24
申请号：CN201810090501.1
申请日：2018-01-30
Applicant: 复旦大学 , 国网上海市电力公司 , 华东电力试验研究院有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种海量时间序列的分布式索引方法，包括以下步骤：1)iSAX编码：获取全部原始待索引的时间序列，并对每个时间序列进行iSAX编码，获取对应的iSAX字表示，作为索引树中的每个时间序列对应的路径；2)构建索引树：将每个时间序列的iSAX字表示作为索引树中的每个时间序列对应的路径，并根据每个时间序列对应的路径进行索引树结构的构建，对建好的索引树进行存储和查询。与现有技术相比，本发明具有运行效率高、索引精确等优点。
-
Patent Agency Ranking
公开(公告)号：CN116342896A
公开(公告)日：2023-06-27
申请号：CN202310309313.4
申请日：2023-03-27
Applicant: 复旦大学
Abstract: 本发明提供了一种基于transformer的全景图像特征表示学习方法，包括：将第一全景图像划分为若干方格，用多层深度卷积神经网络提取各方格的特征，得到各方格的第一特征向量；基于方格划分若干第一窗口，对各第一窗口内的所有方格进行自注意力操作，得到各方格的第二特征向量；使整张第一全景图像的所有方格经过滑动变换及自注意力操作，得到各方格的第三特征向量；将复制后的第一全景图像进行90°的俯仰角旋转得到第二全景图像，进行交叉注意力操作，得到各方格的第四特征向量；基于获取的特征向量，以每四个相邻的方格的特征作为一组进行合并，得到第一全景图像的处理后特征。本发明克服了全景图像的空间畸变问题和边界不连续问题。
-
公开(公告)号：CN116992948A
公开(公告)日：2023-11-03
申请号：CN202210437374.4
申请日：2022-04-21
Applicant: 复旦大学 , 华东建筑集团股份有限公司
IPC: G06N3/0895 , G06N3/0455
Abstract: 本发明提供了一种多元时间序列自监督表征学习方法，包括：对多元时间序列数据特性进行发掘，同时针对时间维度特征及通道维度特征设计基于Transformer的双塔编码器；根据不同的自监督学习任务对多元时间序列数据进行预处理；通过双塔编码器进行编码并得到样本表征；以通道维度特征为核心设计自监督学习任务，对样本表征进行训练，并通过梯度更新方法更新双塔编码器的参数；加载自监督训练好的双塔编码器，为多元时间序列数据生成适合运用于下游任务的表征。双塔编码器与自监督学习任务共同构成了自监督学习框架，该框架有助于让多元时间序列数据在没有标签的情况下更好地学习到样本自身与样本之间的关系，从而增强表征的表达能力，以更加适用于下游任务。
-
公开(公告)号：CN116975045A
公开(公告)日：2023-10-31
申请号：CN202210411716.5
申请日：2022-04-19
Applicant: 复旦大学 , 华东建筑集团股份有限公司
IPC: G06F16/22 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种基于对比学习的时间序列深度哈希方法，包括：基于对比学习架构构建时间序列哈希网络模型；对训练数据进行预处理并设置网络超参数；按梯度更新方法将经过预处理的训练数据送入时间序列哈希网络模型，基于对比学习对所述时间序列哈希网络模型进行优化，保存精度最高的模型；加载保存好的最优模型，将待处理的时间序列数据送入所述最优模型中，得到对应的哈希编码，用哈希编码去预先转换好的历史时间序列哈希数据库中计算汉明距离来查询相似，得到相似查询的结果。本发明提供了的基于对比学习的时间序列深度哈希方法可以端到端训练生成哈希编码，加快重建网络的收敛，增强编码网络泛化能力，从而改善时间序列哈希相似查询效果。
-
公开(公告)号：CN110287596A
公开(公告)日：2019-09-27
申请号：CN201910558212.4
申请日：2019-06-26
Applicant: 复旦大学 , 华东建筑设计研究院有限公司
Abstract: 本发明提供一种基于IFC标准的建筑空间特征描述方法，用于描述多个建筑空间的拓扑特征，所述建筑空间由IFC模型表述，所述基于IFC标准的建筑空间特征描述方法包括以下步骤：从所述IFC模型中抽取反映所述建筑空间的IfcSpace对象，将所有所述IfcSpace对象之间的关系用图结构表示；根据所述图结构中的点与边的关系抽取得到不同的子图；在所述图结构上进行参数传播，生成每个所述建筑空间的多维特征。通过对多个建筑空间进行建模，抽取出其对应的IFC模型中的IfcSpace对象，并对多个建筑空间之间的关系进行提取，使用图结构及参数传播的方法生成可用于描述建筑空间之属性的多维特征，解决了建筑领域基于IFC标准的建筑空间对象拓扑特征缺乏自动化提取与表达的问题。
-
公开(公告)号：CN116049415A
公开(公告)日：2023-05-02
申请号：CN202111280136.9
申请日：2021-10-28
Applicant: 华东建筑集团股份有限公司 , 复旦大学
Abstract: 本发明提供了一种文档级关系三元组的抽取方法，包括：对包含训练数据的文档中的先验知识进行发掘并构建不同种类的先验图结构以表示不同先验知识之间的内在联系；将各个种类的先验图结构与关系预训练模型通过多通道模型融合，利用所述关系预训练模型编码文档以及所述先验图结构中的信息后，针对具体语句自适应计算各个先验图结构的权重；通过权重聚合后的综合信息对所述文档进行实体之间的关系抽取与推理，得到对应的关系三元组。通过权重聚合后的综合信息对文档进行实体之间的关系抽取与推理，有助于提高模型在文档级复杂环境下的相关信息甄别能力，进而提高需要多步推理的关系三元组的抽取性能，从而改善文档级关系三元组抽取的结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.092 seconds)
