-
公开(公告)号：CN103294821A
公开(公告)日：2013-09-11
申请号：CN201310237756.3
申请日：2013-06-17
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 基于多层子查询结果分支树的XML数据查询结果访问方法属于数据库技术领域，适用于多分支树型的多重循环计算形式的查询模式，其特征在于，基于连接、笛卡尔积和选择三种操作，为各层XML数据查询结果构造多层子查询结果分支树，把各子查询结果组织在由1个XML元素和1个有序映射表组成的数据节点中。映射表中按嵌套深度排列的表项保存循环变量和数据节点序列的映射关系，数据节点序列按XML元素序号组织。在数据访问时从根节点出发，从映射表中找到本层循环变量对应的下层子查询结果，经逐层查找可获得所有循环变量对应的子查询结果。本发明提供按用户不同排序要求进行查询以及扩展专用数据组织的方法，同时满足XML数据查询结果访问、排序及可扩展性需求。
-
公开(公告)号：CN117893584A
公开(公告)日：2024-04-16
申请号：CN202410020184.1
申请日：2024-01-07
Applicant: 北京工业大学
IPC: G06T7/33 , G06V10/75 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于编码器和解码器结构的深度学习SAR影像配准方法，该方法基于编码器和解码器的神经网络结构。本发明采用掩码进行配准，通过深度学习网络寻找图像之间掩码的匹配关系，以此来寻找参考图像和主图像之间的匹配关系，实现图像之间的配准。包括，(1)构建掩码数据集，用以训练深度学习模型；(2)构建基于编码器和解码器结构的深度学习模型；(3)使用模型对SAR影像配准；掩码相比于特征点含有更丰富的图像特征信息，具有较强的抗噪声能力，相比于特征点检测、描述和匹配的方法，本发明更具有稳定性且效率更高。
-
公开(公告)号：CN114398079A
公开(公告)日：2022-04-26
申请号：CN202210052857.2
申请日：2022-01-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RvNN+Transformer神经网络模型的代码语义克隆检测方法，给定两个代码片段，先拆分它们的抽象语法树到语句级别，然后通过RvNN获得每个语句级别的树结构信息，然后再通过带方向信息的Transformer来获得每个语句树的顺序信息，再经过最大池化层生成最终的代码表示向量，通过比较两个代码表示向量的差的绝对值来判别两个代码是否是语义克隆。本发明的主要思想是使用具有方向信息的Transformer‑encoder来改进现在的模型，现有的研究大部分仍然使用LSTM或GRU，但不适合并行计算，而且不能很好地关注到全局的信息。实验表明，本发明与现有技术相比，检测具有更高的F1值，且耗时较少。
-
公开(公告)号：CN111125082A
公开(公告)日：2020-05-08
申请号：CN201911366888.X
申请日：2019-12-26
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/2458 , G06N5/02 , G06Q10/06 , G06Q50/04
Abstract: 本发明公开了一种基于关联规则挖掘的水泥工艺参数数据分析方法，输入为水泥厂一段时间生产线上的数据数值以及每步工序下每个工艺参数的判断矩阵数值，输出为水泥工艺的某个特定参数的关联模式。本发明的主要思想是利用基于领域的数据清洗方法和改进的K-means聚类算法来提高数据的离散化精度，通过计算每个工艺参数的权值，对特定参数进行关联模式的挖掘，得到潜在的关联模式。具体步骤如下：1)将水泥工艺参数原始数据进行基于领域的数据清洗；2)将清洗后的数据进行离散化处理，利用得到的不同类别对应区间数据来代替原数据；3)将离散后的数据输入到数据分析模型中，并按照输入的目标参数进行该参数的关联模式挖掘，输出关联模式。
-
公开(公告)号：CN103294821B
公开(公告)日：2016-01-20
申请号：CN201310237756.3
申请日：2013-06-17
Applicant: 北京工业大学
IPC: G06F17/30
Abstract: 基于多层子查询结果分支树的XML数据查询结果访问方法属于数据库技术领域，适用于多分支树型的多重循环计算形式的查询模式，其特征在于，基于连接、笛卡尔积和选择三种操作，为各层XML数据查询结果构造多层子查询结果分支树，把各子查询结果组织在由1个XML元素和1个有序映射表组成的数据节点中。映射表中按嵌套深度排列的表项保存循环变量和数据节点序列的映射关系，数据节点序列按XML元素序号组织。在数据访问时从根节点出发，从映射表中找到本层循环变量对应的下层子查询结果，经逐层查找可获得所有循环变量对应的子查询结果。本发明提供按用户不同排序要求进行查询以及扩展专用数据组织的方法，同时满足XML数据查询结果访问、排序及可扩展性需求。
-
Patent Agency Ranking
公开(公告)号：CN119987325A
公开(公告)日：2025-05-13
申请号：CN202411956932.3
申请日：2024-12-29
Applicant: 北京工业大学 , 山西科华永兴软件应用服务有限公司
IPC: G05B23/02
Abstract: 本发明公开了用于工控系统实时数据识别和获取的方法和系统，具体为一种在内外网络隔离条件下，获取部署于内网的工控系统实时数据的方法。仅通过接收工控主机单向输出的视频流，并利用图像处理技术提取工控系统界面中的实时数据并进行存储。基于工控系统界面中不同展示数据所处位置固定的特点，通过配置需采集数据的位置信息，对工业数据进行精确采集。具体步骤为：1)进行工控界面中需采集数据的位置配置；2)从工控系统单向输出的视频流中按指定时间间隔截取界面图像；3)根据位置配置提取需采集数据对应截图；4)对数据截图进行预处理并进行光学字符识别；5)对识别结果进行正确性验证并存储。本发明高效、精准、实时、安全。
-
公开(公告)号：CN114398079B
公开(公告)日：2025-04-25
申请号：CN202210052857.2
申请日：2022-01-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RvNN+Transformer神经网络模型的代码语义克隆检测方法，给定两个代码片段，先拆分它们的抽象语法树到语句级别，然后通过RvNN获得每个语句级别的树结构信息，然后再通过带方向信息的Transformer来获得每个语句树的顺序信息，再经过最大池化层生成最终的代码表示向量，通过比较两个代码表示向量的差的绝对值来判别两个代码是否是语义克隆。本发明的主要思想是使用具有方向信息的Transformer‑encoder来改进现在的模型，现有的研究大部分仍然使用LSTM或GRU，但不适合并行计算，而且不能很好地关注到全局的信息。实验表明，本发明与现有技术相比，检测具有更高的F1值，且耗时较少。
-
公开(公告)号：CN111061626B
公开(公告)日：2023-11-14
申请号：CN201911130237.0
申请日：2019-11-18
Applicant: 北京工业大学 , 中国科学院软件研究所
Abstract: 本发明公开了基于神经元激活频率分析的测试用例优先级排序方法，输入为待测神经网络、历史数据以及测试集，输出为经过测试用例优先级排序的测试集。本发明的主要思想是将神经网络中的神经元集合划分为频繁激活神经元集合以及非频繁激活神经元集合，通过计算新的测试用例激活频繁激活神经元的数量以及激活非频繁激活神经元的数量，对测试用例进行排序。具体步骤如下：1)确定每个类别数据的神经元频繁激活神经元子集与非频繁激活神经元子集；2)对待排序数据按照激活频繁激活子集与非频繁激活子集中神经元数量对测试用例进行优先级排序。
-
公开(公告)号：CN114631829A
公开(公告)日：2022-06-17
申请号：CN202210239816.4
申请日：2022-03-12
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于深度学习的癫痫脑电波识别方法，涉及生物电信号识别领域。其输入为伴中央颞区棘波的儿童良性癫痫(BECT)脑电波数据和作为对照组的正常脑电波数据，输出为深度学习模型识别出的分类结果；通过对多通道脑电信号进行预处理，生成频谱图，并应用深度可分离卷积网络将BECT脑电波数据和正常脑电波数据区分开来。首先将脑电波中与BECT诊断相关的通道信号提取，切片后采用连续傅里叶变换和功率谱密度对多通道脑电信号进行预处理，生成频谱图，作为神经网络模型训练与测试的输入数据；然后应用深度可分离卷积网络从频谱图中自动提取特征，对BECT脑电波数据和正常脑电波数据进行分类。采用本方法能提高对BECT癫痫疾病脑电波的自动识别准确率。
-
公开(公告)号：CN114420233A
公开(公告)日：2022-04-29
申请号：CN202210052810.6
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G16H10/60 , G16H50/70 , G06F16/35 , G06F16/28 , G06F40/295 , G06F40/186 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种中文电子病历后结构化信息的抽取方法，首先使用BERT模型对含有不同症状实体修饰成分的句子进行分类，然后利用现有的命名实体识别模型对每类句子中的症状实体做不同类别的标注，达到识别实体修饰成分的目的。提出基于规则的中文电子病历中症状实体属性值的特征化抽取方法。通过总结病历文本症状语义段的行文规则，形成属性值的抽取模板，将抽取到属性值存储到数据库中。本发明基于现有的病历文本抽取技术成果，深入分析病历文本的行文规则，对已经完成分词和标注的症状语义段进行实体修饰识别和特征化的属性值抽取，能为后续的上层应用提供结构化的数据支持。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.047 seconds)
