一种基于内容和反馈的图像检索方法

    公开(公告)号:CN103218441B

    公开(公告)日:2015-12-09

    申请号:CN201310141628.9

    申请日:2013-04-22

    Abstract: 一种基于内容和反馈的图像检索方法,包括下列操作步骤:(1)图像索引库的建立过程:对于建库图像,构造索引消息,并把索引消息按照Chord协议发布到结构化P2P-Chord环网络上,从而基于结构化P2P-Chord环网络建立起图像索引库;(2)图像查询过程:对于查询图像,构造和发布图像查询消息,查询用户根据反馈结果可更新和重复查询操作,优化查询结果;(3)图像索引库的更新过程:按照设定的周期,资源节点和索引节点对图像索引库进行更新;本发明方法为图像查询提供了高效的组织结构和路由机制,提高了查找效率和查询满意度。

    一种意图驱动的自智网络按需服务方法和系统

    公开(公告)号:CN119255271A

    公开(公告)日:2025-01-03

    申请号:CN202411495076.6

    申请日:2024-10-24

    Abstract: 一种意图驱动的自智网络按需服务方法和系统,包括:采集用户意图;生成配置生成大模型,将用户意图转译成未填充参数的配置命令模板序列;获取网络配置文档,由配置生成大模型修正模板序列,并对语义级参数填充取值;设定若干服务质量指标,由配置生成大模型根据用户意图生成服务质量指标权重矩阵,然后为每个服务质量指标构建一个专家模型,由专家模型计算指标级参数在对应服务质量指标下的资源分配权重向量,最后根据权重矩阵和专家模型的资源分配权重向量确定指标级参数取值,并填充至模板序列;将模板序列逐条输出至网络设备中执行。本发明涉及信息通信网络领域,能从语义层面将用户意图准确转译为配置命令,动态生成满足用户需求的配置命令。

    基于自然语言的网络配置命令生成系统和方法

    公开(公告)号:CN116545854A

    公开(公告)日:2023-08-04

    申请号:CN202310523415.6

    申请日:2023-05-10

    Abstract: 基于自然语言的网络配置命令生成系统,包括如下模块:配置命令库模块、语法检索器模块和命令生成器模块;基于自然语言的网络配置命令生成方法,包括如下操作步骤:(1)配置命令库模块将网络设备手册中的半结构化的配置信息提取为结构化的网络设备的配置功能;(2)语法检索器模块根据用户用自然语言所输入的网络配置意图,从配置命令库模块中检索出最匹配的k条语法;(3)命令生成器模块根据用户用自然语言所输入的网络配置意图和语法检索器模块所检索出的最匹配的k条语法,生成网络设备的网络配置命令及其上下文。

    一种非等间距离散深度补全的方法

    公开(公告)号:CN113269152B

    公开(公告)日:2022-07-01

    申请号:CN202110712259.9

    申请日:2021-06-25

    Abstract: 一种非等间距离散深度补全的方法,包括下列操作步骤:(1)将深度区间按照非等间距的方式离散为k个分割区间;(2)将一幅单通道的雷达深度图离散为k个通道的深度概率图;(3)基于残差网络构建并训练第一深度补全网络,使用单通道雷达深度图和RGB格式可见光图像作为第一深度补全网络的输入;完成深度补全后的单通道的深度图作为输出;(4)基于残差网络构建并训练第二深度补全网络,使用k个通道的深度概率图和RGB格式可见光图像作为第二深度补全网络的输入;完成深度补全后的k个通道的深度图作为输出。

    一种非等间距离散深度补全的方法

    公开(公告)号:CN113269152A

    公开(公告)日:2021-08-17

    申请号:CN202110712259.9

    申请日:2021-06-25

    Abstract: 一种非等间距离散深度补全的方法,包括下列操作步骤:(1)将深度区间按照非等间距的方式离散为k个分割区间;(2)将一幅单通道的雷达深度图离散为k个通道的深度概率图;(3)基于残差网络构建并训练第一深度补全网络,使用单通道雷达深度图和RGB格式可见光图像作为第一深度补全网络的输入;完成深度补全后的单通道的深度图作为输出;(4)基于残差网络构建并训练第二深度补全网络,使用k个通道的深度概率图和RGB格式可见光图像作为第二深度补全网络的输入;完成深度补全后的k个通道的深度图作为输出。

    基于深度学习实现应用感知的SDN网络资源调度方法

    公开(公告)号:CN108881028B

    公开(公告)日:2020-06-26

    申请号:CN201810573044.1

    申请日:2018-06-06

    Abstract: 基于深度学习实现应用感知的SDN网络资源调度方法,其内容是:基于SDN网络的网络特性,在位于数据平面的虚拟网络功能VNF上部署深度神经网络DNN,该DNN对交换机转发的应用数据流进行学习和分类,并把分类结果上报给SDN控制器,SDN控制器根据分类结果进行网络资源调度,生成满足该应用数据流网络资源需求的路由信息,并把该路由信息下发给交换机,本发明的方法大大提高了系统的灵活性和鲁棒性,实现了根据应用的资源需求对网络资源进行合理调度,从而提高了网络的服务质量。

Patent Agency Ranking