-
公开(公告)号：CN110135186A
公开(公告)日：2019-08-16
申请号：CN201910287444.0
申请日：2019-04-11
Applicant: 浙江工业大学
Abstract: 基于区块链技术的医疗数据交易与共享方法，具体包括：步骤1：设备节点产生原始数据，依据和医生节点、个人节点签订的合约，向这些节点请求背书、共识之后存入到源数据链中，保证原始数真实、有效；步骤2：个人节点或医院确权节点发起确权请求，依据和联盟链中的其他医院确权节点签订的合约，向其请求背书、共识之后存入到确权链中，解决交易数据所有权的归属问题，从而解决交易利益的归属问题；步骤3：某医院的交易节点向数据提供医院的交易节点发起交易请求，按照和提供方签订的合约，向其请求背书、共识之后存入到交易链中，确保了每笔交易真实有效、有据可查。数据保护区将数据使用者和数据隔离，保证数据的安全。
-
公开(公告)号：CN106682129A
公开(公告)日：2017-05-17
申请号：CN201611154347.7
申请日：2016-12-14
Applicant: 浙江工业大学
IPC: G06F17/30
Abstract: 个人大数据管理中层次概念向量化增量处理方法，含以下步骤：1)系统初次运行时将全部概念向量化，对全部分枝节点进行概念向量合并操作。2)用户操作概念树时执行：2.1)获取被操作节点及其父节点的概念向量及词总数；2.2)依据公式修改父节点的概念向量；2.3)以父节点为被操作节点从2.1)开始递归执行直到根节点；2.4)更新逆文档频率向量。3)误差累计到一定程度执行：3.1)获取当前逆文档频率向量和逆文档频率初始值向量；3.2)批量更新向量空间中所有向量权重；3.3)更新逆文档频率初始值向量。本发明实现了个人大数据管理中层次概念向量化增量计算方法，能够快速调整概念空间中的概念向量，提高执行效率。
-
公开(公告)号：CN106021560A
公开(公告)日：2016-10-12
申请号：CN201610373112.0
申请日：2016-05-30
Applicant: 浙江工业大学
IPC: G06F17/30
CPC classification number: G06F17/30327
Abstract: 面向数据流的低时延内存B+树索引构建方法，重复执行以下步骤：1)通过时间戳为wT的时间窗接收数据，按等时间分片处理数据，每个分片数据接收完后即进行排序，并与之前已排序数据归并，时间窗到期后异步开启新的时间窗并继续后续步骤；2)获窗口元组总量，计算树结构参数：层数，内部节点的子节点数，内部节点数，叶子节点数，叶子节点的子节点数等；3)据步骤2)的参数一次性分配所需的数据结构；4)自底向上依次并行构建叶子节点和内节点得到子树，其根节点指针为rtPtr；5)将元组 插入到全局B+树上并转步骤1)。
-
公开(公告)号：CN104991812A
公开(公告)日：2015-10-21
申请号：CN201510275352.2
申请日：2015-05-27
Applicant: 浙江工业大学
Abstract: 数据库连接操作CPU密集度估算方法含以下步骤：1)初始化单位时间剩余量tleft＝1以及完成连接输入缓存IB的时间tjoin_IB_left，填满输出缓存OB的连接时间tjoin_OB_left等参数；2)若tleft>0，则转3)，否则终止并输出tcpu；3)若tleft足够连接完IB，转4)，否则转8)；4)若IB连接结果不够填充OB，则转7)；5)若IB连接结果多于填满OB，则连接IB直到填满OB，异步读入IB'与写出OB'，更新tcpu，取可用OB，转2)；6)若IB连接结果刚好填满OB，则取可用IB与OB，更新tcpu。转2)；7)连接完IB，异步读入IB'与写出OB'，取可用IB，更新tcpu，转2)；8)若tleft足够连接满OB，则连接IB直到填满OB，异步读入IB'与写出OB'，取可用OB，更新tcpu，转2)；否则转9)；9)连接IB直到tleft＝0，结果写入OB，更新tcpu，转2)。
-
公开(公告)号：CN117609583A
公开(公告)日：2024-02-27
申请号：CN202310894185.4
申请日：2023-07-20
Applicant: 浙江工业大学 , 中国电子口岸数据中心杭州分中心
IPC: G06F16/906 , G06V10/30 , G06V10/20 , G06V10/44 , G06F40/289 , G06F40/126 , G06F18/25 , G06F18/22 , G06F18/24 , G06F18/214 , G06F18/23213 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06Q50/26
Abstract: 本发明公开了一种基于图像文本组合检索的海关进出口商品归类方法，步骤如下：1)建立海关商品图像文本数据库；2)对图像进行去噪和数据增强操作，对文本数据进行分词、去除停用词和向量化操作；3)使用卷积神经网络提取图像的低、中、高层特征，使用长短期记忆神经网络提取商品文本特征；4)将图像低、中、高层特征与文本特征融合；5)将海关商品图像文本数据库的图像文本数据输入到模型，得到海关商品融合特征，随机抽样获得训练数据集，使用三元组损失函数对模型进行训练；6)进行待检索商品的归类，本发明实现海关进出口商品文本描述信息和图像信息的组合使用，辅助相关企业和海关人员快速准确地对不同的进出口商品进行归类。
-
Patent Agency Ranking
公开(公告)号：CN116167412A
公开(公告)日：2023-05-26
申请号：CN202310161397.1
申请日：2023-02-24
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于时间卷积网络的运动心率预测方法，包括：步骤1：采集学生运动过程中心率及经纬度的历史数据，进行运动速度及加速度数据转化、异常值处理，并对其做归一化处理及数据集划分。步骤2：构建时间卷积网络模型。使用划分后的训练数据集训练网络模型，利用测试数据集选取预测结果最好的模型进行保存。步骤3：采集近期学生运动的心率及经纬度数据，进行预处理后，输入训练好的神经网络模型，对模型输出值进行逆归一化后得到运动心率预测结果。本发明使用时间卷积网络接收多序列的速度及加速度输入，避免循环神经网络中经常出现的梯度爆炸或消失的问题，且并行的特点使其处理效率更高、速度更快。
-
公开(公告)号：CN112784435B
公开(公告)日：2023-05-23
申请号：CN202110147178.9
申请日：2021-02-03
Applicant: 浙江工业大学
Abstract: 本发明提出了一种基于性能事件计数和温度的GPU实时功率建模方法，基于GPU厂商所提供的内部硬件性能事件访问接口以及相关的GPU管理库，编写相应的数据采集程序来获取建模所需的训练数据D，再通过特征选择选出最终用于构建GPU实时功率模型的性能事件集合，最后利用回归树算法构建GPU实时功率回归预测模型，对于没有内置功率传感器的GPU也可以较准确的估计其实时功率。本发明所提出的GPU实时功率模型不仅能够精确的预测GPU的实时功率，还支持细粒度的功率剖析，这为GPU能效研究创造了更多节能的机会。
-
公开(公告)号：CN114841066A
公开(公告)日：2022-08-02
申请号：CN202210465886.1
申请日：2022-04-29
Applicant: 浙江工业大学
IPC: G06F30/27 , G06F30/28 , G06K9/62 , G06N3/04 , G06N3/08 , G01D21/02 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种扬尘颗粒物飘移轨迹模型及其建模方法，包括如下步骤：1)数据预处理阶段：预处理数据；2)模型预训练阶段：根据站点设备的地理位置划分网格；3)模型预训练阶段：通过模拟数据和传统物理方法进行模型预训练；4)迁移学习微调阶段：使用训练好的模型预测真实的扬尘颗粒物飘移轨迹。本发明引入物理场的概念，用编解码器结构的网络替换速度场的计算，同时优化了对流项，扩散项，体积力项的计算。实验表明，本发明提出的扬尘轨迹预测模型在计算速度和计算稳定性较传统方法有较大提升，且较神经网络方法有更好的通用性和可解释性。
-
公开(公告)号：CN114822763A
公开(公告)日：2022-07-29
申请号：CN202210465881.9
申请日：2022-04-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种运动数据驱动的个性化运动处方推荐方法，步骤如下：1)原数据的预处理，包括异常值的删除，缺失值的填充；2)对预处理后的数据进行特征选择并进行聚类分析，选出最能表达学生运动能力的特征；3)根据学生基本属性标签、体测数据属性标签、运动能力属性标签来表示学生的运动用户画像；4)依据学生的用户画像根据运动处方规则来推荐学生运动处方；5)运动处方效果评估，根据自我疲劳度感觉RPE对学生实际完成运动处方与推荐运动处方进行评估；6)运动处方微调，学生可自主选择更换运动处方或被动调整运动处方，其依据原则都为运动后RPE的等级选择，根据选择情况调整运动处方，直至给出符合学生自身状况的运动处方。
-
公开(公告)号：CN112836105B
公开(公告)日：2022-05-24
申请号：CN202110160544.4
申请日：2021-02-05
Applicant: 浙江工业大学
IPC: G06F16/906 , G06F16/9035 , G06K9/62
Abstract: 本发明旨在提供一种基于运动生理表征融合的大规模学生有氧能力分群方法，具体步骤如下：1)预处理时序数据，包含剔除异常值、多变量序列截取与插值、标准化处理、说明数据来源和运动记录切片；2)构建基于多模态和自监督学习的有氧能力模型，主要由人体泛化有氧能力模型、个性化长期有氧能力模型和个性化短期有氧能力模型组成。3)实施大规模学生有氧能力分群，通过有氧能力模型获得10个不同时段的运动生理表征向量，再将这些表征向量进行均值化来获得最终的有氧能力表征向量。最后构建基于single‑linkage的聚类器来对学生有氧能力表征向量进行分群聚类；4)评估分群效果，依据FMI指数对每一个学生有氧能力的分群结果进行评估。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.021 seconds)
