一种基于笔交互的图元拓扑构图方法

    公开(公告)号:CN113012266A

    公开(公告)日:2021-06-22

    申请号:CN202110219119.8

    申请日:2021-02-26

    Abstract: 本发明公开一种基于笔交互的图元拓扑构图方法,涉及计算机交互领域,利用触控笔在触控屏上绘制草图;选中绘制的草图,调用基于YOLOv5神经网络的草图识别引擎进行识别,识别出规范图元信息和无关的书写信息,规范图元信息包括图元类别和位置信息;从草图的笔划数据中去除规范图元对应的草图笔划信息,将剩下的草图笔划识别为线段;根据识别出的图元类别、图元位置、线段,以及线段与图元的位置关系,判断图元连接关系,从而建立图结构表示;根据图结构表示、图元类别和线段,转化为规范化的拓扑结构图,并显示在触控屏的原绘制位置上;存储拓扑结构图,根据需要对规范图元、拓扑结构图进行编辑。

    一种基于深度度量学习的一人多案关联识别方法及系统

    公开(公告)号:CN112925877A

    公开(公告)日:2021-06-08

    申请号:CN201911241577.0

    申请日:2019-12-06

    Abstract: 本发明涉及一种基于深度度量学习的一人多案关联识别方法及系统。该方法获取待进行一人多案关联识别的起诉状,利用预先训练完成的案件要素识别模型得到案件要素信息;将案件要素信息输入预先训练完成的案件相似度量模型,利用深度学习和度量学习技术计算案件要素信息与候选案件集合中的案件的文本语义相似度,进而判断是否存在一人多案的情况,并按人建立案件关联。该系统包括案件要素识别模块、案件相似度量模块、案件关联识别模块。本发明利用深度度量学习与法律业务规则相结合的方法,实现法院立案‑审判‑执行全流程阶段的一人多案的关联识别,为跨区域跨层级的司法资源统筹提供技术支持,为法院公正、高效地审理和执行案件提供保障。

    一种基于异步贝叶斯优化的机器学习超参优化系统及方法

    公开(公告)号:CN109376869A

    公开(公告)日:2019-02-22

    申请号:CN201811588608.5

    申请日:2018-12-25

    Abstract: 本发明涉及一种基于异步贝叶斯优化的机器学习超参优化系统及方法,包括:贝叶斯优化模块、模型参数池模型、Kmeans聚类模块、任务调度模块、自适应确定模型并行度模块;本发明对大数据环境下的机器学习高效的进行自动化调参,有效利用多机并行计算能力,高效的进行大数据机器学习自动化调参,从而使得人们在生产实践中可以更好地使用大数据机器学习。

    一种数据处理流程代码的生成方法

    公开(公告)号:CN102033748B

    公开(公告)日:2013-11-06

    申请号:CN201010578933.0

    申请日:2010-12-03

    Abstract: 本发明涉及一种数据处理流程代码的生成方法,属于云计算的数据集成领域。本方法为:1)将可视化的数据处理流程Ω抽取为一逻辑模型实例;所述数据处理流程为一有向无环图结构流程,其包括流程名、版本、数据处理节点、节点连接信息;2)将逻辑模型实例转换为数据处理流程物理模型实例,所述物理模型实例为一有向无环图结构;3)根据数据处理流程物理模型实例生成数据处理流程的MapReduce代码。本发明降低了用户开发难度、加快了数据分析的进度;此外通过本发明,用户可以对数据处理流程进行参数调优配置,代码优化和流程逻辑自动优化等,极大提高流程的执行效率。

    一种分布式系统运行时的监视数据传输方法

    公开(公告)号:CN102014162B

    公开(公告)日:2013-06-05

    申请号:CN201010573257.8

    申请日:2010-11-30

    Abstract: 本发明公开了一种分布式系统运行时的监视数据传输方法,包括下列步骤:1)建立分布式应用的监视事件模型N,N为有向无环图,结点代表监视事件,有向边确定监视事件的顺序,初始监视状态为源点,终止监视状态为汇点,汇点和入度大于1的结点的前一结点为关键结点;2)分布式应用发送监视事件给监视中心,监视事件中至少包含事件序号和可信度;3)监视中心按照监视事件的事件序号接收监视事件。本发明的方法通过模型将监视事件有序化,减少了数据传输中的丢失、乱序,重复;在保证信息传输可靠性的同时,减少了通讯信道和系统的负载;通过槽对监视事件进行接收,减少了信息接收中的错误和遗漏;采用监视事件还原技术,解决了监视故障问题。

Patent Agency Ranking