-
公开(公告)号：CN118626477B
公开(公告)日：2025-01-21
申请号：CN202410647397.7
申请日：2024-05-23
Applicant: 北京京航计算通讯研究所 , 天津神舟通用数据技术有限公司
IPC: G06F16/215 , G06F16/25
Abstract: 本申请公开了一种面向航天离散制造平台的多源数据预处理方法及系统，涉及航天离散制造数据预处理技术领域，该方法包括：通过至少一个动态配置的适配器组件适配处理输入的多源异构数据，以使数据格式统一化和标准化，得到已适配数据；将已适配数据传输至分布式清洗引擎，分布式清洗引擎对已适配数据执行数据集合的错误检测、模式识别和逻辑一致性校正，得到清洗数据集；通过质量评估模块对清洗数据集计算数据质量指数；基于数据质量指数，动态调整清洗规则；通过预设的质量反馈控制机制，根据上层应用的需求和反馈提供数据追溯和校正指导，持续优化数据质量。本申请能够有效提高数据库系统的清洗规则可扩展性、动态柔性和继承重用性。
-
公开(公告)号：CN118626477A
公开(公告)日：2024-09-10
申请号：CN202410647397.7
申请日：2024-05-23
Applicant: 北京京航计算通讯研究所 , 天津神舟通用数据技术有限公司
IPC: G06F16/215 , G06F16/25
Abstract: 本申请公开了一种面向航天离散制造平台的多源数据预处理方法及系统，涉及航天离散制造数据预处理技术领域，该方法包括：通过至少一个动态配置的适配器组件适配处理输入的多源异构数据，以使数据格式统一化和标准化，得到已适配数据；将已适配数据传输至分布式清洗引擎，分布式清洗引擎对已适配数据执行数据集合的错误检测、模式识别和逻辑一致性校正，得到清洗数据集；通过质量评估模块对清洗数据集计算数据质量指数；基于数据质量指数，动态调整清洗规则；通过预设的质量反馈控制机制，根据上层应用的需求和反馈提供数据追溯和校正指导，持续优化数据质量。本申请能够有效提高数据库系统的清洗规则可扩展性、动态柔性和继承重用性。
-
公开(公告)号：CN119027580A
公开(公告)日：2024-11-26
申请号：CN202410952671.1
申请日：2024-07-16
Applicant: 北京京航计算通讯研究所
Abstract: 多粒度系统原型远程全息重构方法及装置，能够提升对模型数据的高效重构能力，使系统快速理解三维模型之间的关系，快速构建三维模型，有效地解决了现有多粒度系统原型技术在远程全息重构方面的局限性，为大规模、高维度数据的系统原型高效处理、传输与渲染提供了一种新的解决方案。方法包括：(1)对模型数据进行模块化处理，将模块的属性表示为一个三元组M＝ ；(2)对全息数据进行多粒度划分；(3)利用高性能压缩算法对处理后的全息数据进行压缩；(4)将压缩后的全息数据进行远程传输，并在接收端进行解压缩和重构；(5)采用渐进式加载策略对用户关注的模型进行局部渲染，降低单次渲染总量。
-
公开(公告)号：CN118378237B
公开(公告)日：2024-10-18
申请号：CN202410513392.5
申请日：2024-04-26
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于开发平台的微服务组件动态鉴权方法，属于微服务技术领域，解决了现有微服务组件的授权控制不灵活且精细度不高的问题。该方法包括：基于开发平台申请项目时，根据项目信息和选择的各组件生成项目工程和授权文件；选择的各组件中包括鉴权组件；项目工程部署运行时，鉴权组件装载授权文件并验证自身是否具备基础授权，如果具备，其它运行组件将生成的身份令牌与其在服务注册中心注册的服务名称一起作为待验证的组件信息发送给鉴权组件；鉴权组件获取服务注册中心的服务实例信息，对待验证的组件信息进行验证，对未授权的运行组件的服务实例和超过实例授权数的服务实例进行强制下线。实现了对微服务组件的动态授权和精细化控制。
-
公开(公告)号：CN116090449B
公开(公告)日：2024-05-14
申请号：CN202211433872.8
申请日：2022-11-16
Applicant: 北京京航计算通讯研究所
IPC: G06F40/289 , G06F16/28 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种质量问题分析报告的实体关系抽取方法及系统，属于关系抽取技术领域，解决了现有技术中样本不均衡时关系抽取准确率低的问题。包括从质量问题分析报告中提取待推理信息，对待推理信息进行预处理后，传入实体关系抽取模型，推理出实体关系；实体关系抽取模型是基于历史质量问题分析报告构建训练集和测试集，对PCNN模型进行迭代训练和测试，直至模型准确率不小于阈值而得到；其中，训练时根据各关系类别的样本权重更新训练集，根据各训练样本的训练结果动态更新各关系类别标签；测试时根据各测试样本的验证结果计算模型准确率，若模型准确率小于阈值，更新各关系类别的样本权重后再次训练和测试。实现了实体间关系抽取的高准确率。
-
Patent Agency Ranking
公开(公告)号：CN119290063A
公开(公告)日：2025-01-10
申请号：CN202411279781.2
申请日：2024-09-12
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种临近空间环境数据质量提升方法，属于临近空间环境探测技术领域，解决了现有技术中临近空间环境数据可用性和准确度不高的问题。包括获取待处理的各临近空间环境数据文件；对各临近空间环境数据文件进行解析处理，得到第一临近空间环境数据；对所述第一临近空间环境数据进行异常数据处理，得到第二临近空间环境数据；对所述第二临近空间环境数据进行分辨率处理，得到处理后的临近空间环境数据；其中，所述第一临近空间环境数据包括采集信息和各采集信息下的标准化的临近空间环境参量数据；其中，所述标准化的临近空间环境参量包括经度、纬度、海拔高度和大气参量，所述采集信息包括站点名称、采集设备名称和采集时间。
-
公开(公告)号：CN118378237A
公开(公告)日：2024-07-23
申请号：CN202410513392.5
申请日：2024-04-26
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于开发平台的微服务组件动态鉴权方法，属于微服务技术领域，解决了现有微服务组件的授权控制不灵活且精细度不高的问题。该方法包括：基于开发平台申请项目时，根据项目信息和选择的各组件生成项目工程和授权文件；选择的各组件中包括鉴权组件；项目工程部署运行时，鉴权组件装载授权文件并验证自身是否具备基础授权，如果具备，其它运行组件将生成的身份令牌与其在服务注册中心注册的服务名称一起作为待验证的组件信息发送给鉴权组件；鉴权组件获取服务注册中心的服务实例信息，对待验证的组件信息进行验证，对未授权的运行组件的服务实例和超过实例授权数的服务实例进行强制下线。实现了对微服务组件的动态授权和精细化控制。
-
公开(公告)号：CN115729526A
公开(公告)日：2023-03-03
申请号：CN202211509215.7
申请日：2022-11-29
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种单体和微服务一体化软件开发方法，属于计算机软件技术领域，解决了现有无法自动识别单体和微服务部署模式且无法共用一套前端界面的问题。包括构建通用工程，在其中构建自定义注解类和切面类，以声明自定义注解类为切面类的切入点，通过切面类的前置通知方法及其输入参数，获取声明了自定义注解类的变量对应的实例；构建依赖于通用工程的业务工程，包括模型子工程、API子工程、服务子工程、单体启动子工程和微服务启动子工程；在服务子工程的控制类中定义API子工程中服务接口类的变量，并在变量上声明自定义注解类；对业务工程中单体启动子工程或微服务启动子工程打包，生成当前业务工程的部署包。实现了单体微服务模式的自动识别。
-
公开(公告)号：CN115729526B
公开(公告)日：2024-08-20
申请号：CN202211509215.7
申请日：2022-11-29
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种单体和微服务一体化软件开发方法，属于计算机软件技术领域，解决了现有无法自动识别单体和微服务部署模式且无法共用一套前端界面的问题。包括构建通用工程，在其中构建自定义注解类和切面类，以声明自定义注解类为切面类的切入点，通过切面类的前置通知方法及其输入参数，获取声明了自定义注解类的变量对应的实例；构建依赖于通用工程的业务工程，包括模型子工程、API子工程、服务子工程、单体启动子工程和微服务启动子工程；在服务子工程的控制类中定义API子工程中服务接口类的变量，并在变量上声明自定义注解类；对业务工程中单体启动子工程或微服务启动子工程打包，生成当前业务工程的部署包。实现了单体微服务模式的自动识别。
-
公开(公告)号：CN116090449A
公开(公告)日：2023-05-09
申请号：CN202211433872.8
申请日：2022-11-16
Applicant: 北京京航计算通讯研究所
IPC: G06F40/289 , G06F16/28 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种质量问题分析报告的实体关系抽取方法及系统，属于关系抽取技术领域，解决了现有技术中样本不均衡时关系抽取准确率低的问题。包括从质量问题分析报告中提取待推理信息，对待推理信息进行预处理后，传入实体关系抽取模型，推理出实体关系；实体关系抽取模型是基于历史质量问题分析报告构建训练集和测试集，对PCNN模型进行迭代训练和测试，直至模型准确率不小于阈值而得到；其中，训练时根据各关系类别的样本权重更新训练集，根据各训练样本的训练结果动态更新各关系类别标签；测试时根据各测试样本的验证结果计算模型准确率，若模型准确率小于阈值，更新各关系类别的样本权重后再次训练和测试。实现了实体间关系抽取的高准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.061 seconds)
