-
公开(公告)号：CN113723572B
公开(公告)日：2022-01-28
申请号：CN202111279250.X
申请日：2021-11-01
Applicant: 中南大学
Abstract: 本发明公开了一种船只目标识别方法、计算机系统及程序产品、存储介质，采用人工智能中的迁移学习方法，结合图像目标识别技术，发明了一种基于迁移学习的船只目标识别范式方法，以实现具体应用场景的船只目标识别迁移学习方法的自动评估和筛选范式，形成迁移学习的诊断和选优能力并提升模型识别精度。迁移模型质量评价能力矩阵呈现了不同迁移模型与船只样本工况域之间的关联关系，构建迁移方法能力评估矩阵，为模型选择和模型差异比较提供参考依据。相比所有域仅使用单个最优基模型，本发明识别准确率提升了5.71%。
-
公开(公告)号：CN110795134A
公开(公告)日：2020-02-14
申请号：CN201911045711.X
申请日：2019-10-30
Applicant: 中南大学 , 长沙数达智能科技有限公司
Abstract: 本发明公开了一种基于开源软件包依赖特征的标签推荐方法、模型及系统，该方法包括：从软件的README描述文本中提取长度固定的主题分布特征向量；提取软件依赖包的标签信息，并输出为长度固定的标签独热向量；利用神经网络对特征的整合能力，将主题分布特征向量和标签独热向量拼接组合成开源软件的特征向量，将开源软件的特征向量作为输入特征，建立基于神经网络的标签预测模型，输出预测的软件标签分布分数；根据软件标签及其对应的软件标签分布分数，通过机器学习方法，按照软件标签分布分数的数值大小将软件标签降序排列后，对开源软件的标签进行推荐或对开源软件自动加标签。本发明引入包依赖信息，构建开源软件特征提取模型，利用神经网络预测标签，性能表现良好。
-
公开(公告)号：CN110795134B
公开(公告)日：2021-10-15
申请号：CN201911045711.X
申请日：2019-10-30
Applicant: 中南大学 , 长沙数达智能科技有限公司
Abstract: 本发明公开了一种基于开源软件包依赖特征的标签推荐方法、装置及系统，该方法包括：从软件的README描述文本中提取长度固定的主题分布特征向量；提取软件依赖包的标签信息，并输出为长度固定的标签独热向量；利用神经网络对特征的整合能力，将主题分布特征向量和标签独热向量拼接组合成开源软件的特征向量，将开源软件的特征向量作为输入特征，建立基于神经网络的标签预测模型，输出预测的软件标签分布分数；根据软件标签及其对应的软件标签分布分数，通过机器学习方法，按照软件标签分布分数的数值大小将软件标签降序排列后，对开源软件的标签进行推荐或对开源软件自动加标签。本发明引入包依赖信息，构建开源软件特征提取模型，利用神经网络预测标签，性能表现良好。
-
公开(公告)号：CN110673545A
公开(公告)日：2020-01-10
申请号：CN201910724978.5
申请日：2019-08-07
Applicant: 中南大学
IPC: G05B19/414 , G01L1/25 , G01L5/00 , G01T3/00 , G01T7/10
Abstract: 本发明涉及计算机自动化控制领域，公开了一种中子谱仪用样品台的控制方法及、系统及介质，以实现中子谱仪的自动化测试，本发明的方法包括：定义待测样品的运动轴，根据待测样品在运动轴上的运动路径构建用于控制待测样品按照设定运动路径进行运动的控制模块；按照设定规则选择控制模块的控制策略为单轴控制策略或者双轴控制策略；设定控制模块采用的控制脚本的格式，并按照该设定的控制脚本的格式根据选择的控制策略生成运动控制脚本，运动控制脚本包括待测样品的测试规划运动路径信息；根据运动控制脚本控制待测样品进行运动。
-
公开(公告)号：CN110166279A
公开(公告)日：2019-08-23
申请号：CN201910282178.2
申请日：2019-04-09
Applicant: 中南大学
Abstract: 本发明涉及大数据管理领域，公开了一种非结构化云数据管理系统的动态布局方法，以降低非结构化数据管理系统中由于数据频繁移动导致的数据传输开销，本发明的方法包括确定客户端提交的任务所需的数据集，采用Master节点中的元数据管理器对数据集进行分区，得到第一数据分区集；建立第一数据分区集中每个数据分区的云模型，根据云模型将第一数据分区集中的所有数据分区划分为稳定数据分区组和不稳定数据分区组；采用数据布局算法将不稳定数据分区组中的各数据分区调入Slave存储节点。
-
Patent Agency Ranking
公开(公告)号：CN110032676A
公开(公告)日：2019-07-19
申请号：CN201910196896.8
申请日：2019-03-15
Applicant: 中南大学
IPC: G06F16/9532 , G06F16/242
Abstract: 本发明涉及面向大数据关联的存储和查询技术领域，公开了一种基于谓词关联的SPARQL查询优化方法及系统，更快速且有效地实现分布式SPARQL查询，本发明的方法包括获取历史查询的SPARQL中的RDF三元组，使用谓词命名RDF三元组，得到原始RDF数据集；对RDF数据集进行划分得到VP表，根据VP表统计RDF数据中谓词连接的主词和宾词数量，定义谓词的四种连通特性，并根据连通特性强弱对谓词进行优先级排序；构建谓词之间的关联性，并根据该关联性将历史SPARQL查询图转化为树状谓词图，优化树状谓词图，根据优化后的树状谓词图生成相关表并将SPARQL转化成查询指令；采用查询指令查询待查表。
-
公开(公告)号：CN109241355A
公开(公告)日：2019-01-18
申请号：CN201810638160.7
申请日：2018-06-20
Applicant: 中南大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明涉及计算机处理技术领域，公开了一种有向无环图的可达性查询方法、系统及可读存储介质，以提高查询效率和可扩展性。本发明方法包括：将DAG图转换为最小森林和非森林边集；为最小森林的每一个节点分配一个间隔标签(X,Y)；以及根据所述非森林边集得到每个节点所对应的被删入边源点的集合和相应的关键祖先节点；然后在查询任意两节点是否可达的过程中，先根据所述最小森林的间隔标签进行可达性分析，如果不可达，再根据所查询节点所对应被删入边源点的集合和/或关键祖先节点进行可达性分析。本发明可在大数据计算和处理平台下实现，如：Spark平台，用Scala语言实现，对比目前最优算法，能够将查询时间降低4到5个数量级。
-
公开(公告)号：CN107609138A
公开(公告)日：2018-01-19
申请号：CN201710852493.5
申请日：2017-09-19
Applicant: 中南大学
IPC: G06F17/30
Abstract: 本发明涉及分布式计算领域，公开了一种云模型数据布局方法和系统，以减少跨数据中心传输所产生的时间开销和移动次数，提高任务执行效率，为用户提供更方便更快捷的服务；本发明首先选取第一批数据集和第二批数据集建立云滴组，然后基于云滴组确定虚拟数据代理并计算虚拟数据代理的特征，进而确定虚拟数据代理的云模型，然后计算云滴组中包括的数据集以外的其余数据集相对于每个虚拟数据代理的隶属度，将其根据最大隶属度划分到相应的虚拟数据代理中；最后将虚拟数据代理映射到对其包括的数据集请求次数之和最多的数据中心。
-
公开(公告)号：CN118841078B
公开(公告)日：2025-04-08
申请号：CN202410831000.X
申请日：2024-06-26
Applicant: 中南大学湘雅医院 , 杭州迪谱医学检验实验室有限公司
Abstract: 本发明公开了一种纳米孔多重靶向微生物鉴定方法、系统、设备和介质，属于基于纳米孔测序的宏基因组学技术领域。本发明的方法和系统对嵌合序列进行拆分，可以检出更多的物种序列数，特别是对于某些低丰度或在扩增时容易发生嵌合的物种，检测灵敏度得到显著提升，进一步，本发明的方法和系统对纳米孔测序的错误进行校正得到一致性序列，进一步提升物种鉴定的精度和可信度。
-
公开(公告)号：CN115183921A
公开(公告)日：2022-10-14
申请号：CN202210833362.3
申请日：2022-07-14
Applicant: 中南大学
Abstract: 本发明提供一种实时峰位误差反馈的全自动化测量材料残余应力方法，包括如下步骤：获取衍射数据：利用中子应力谱仪控制系统的中子探测器采集衍射数据，并对所采集的衍射数据进行数据转换；基于深度神经网络构建一个用于中子应力谱仪控制系统的中子衍射峰形拟合模型；利用中子衍射峰形拟合模型实时计算峰位误差，并通过峰位误差反馈控制实现材料测点的全自动化切换模式，最终达到全自动化测量材料残余应力的目的。本发明能够在小于衍射峰位误差阈值的前提下，充分获取材料测点的衍射数据，如此形成基于全局信息融合的智能化全流程控制体系，不仅能够加速材料残余应力的测量工作，还能实现中子谱仪在无人操作环境下高度自动化和精准化。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.033 seconds)
