-
公开(公告)号：CN104156418B
公开(公告)日：2015-09-30
申请号：CN201410377347.8
申请日：2014-08-01
Applicant: 北京系统工程研究所
IPC: G06F17/30
Abstract: 本发明公开了一种基于知识重用的演化聚类方法，其通过截取t时刻和以时间窗口长度为限制的有限个历史时刻的数据，应用任一静态聚类方法对数据进行聚类分析，并将聚类结果生成离散化0-1矩阵，之后按时间衰减加权离散化0-1矩阵获得加权0-1矩阵，最后用静态聚类方法对加权0-1矩阵进行静态聚类分析，获得t时刻的演化聚类结果。本发明是通过融合历史时刻的多时间截面静态聚类结果，形成知识积累；从短期来看，可以消除数据噪音提高聚类准确率，从长期来看，可以防止数据扰动保持聚类的稳定性。
-
公开(公告)号：CN104504233A
公开(公告)日：2015-04-08
申请号：CN201410646085.0
申请日：2014-11-14
Applicant: 北京系统工程研究所
IPC: G06F19/00
Abstract: 本发明提供了一种基于多维向量熵随机采样的异常识别方法，该方法包括以下步骤：I、从样本空间Ω中样本点选取采样点，生成子样本空间ω；II、确定所述样本点的多维向量熵；III、重复上述步骤，确定所述样本点多维向量熵的融合结果；IV、确定所述样本点的异常程度；V、确定异常点。该方法通过融合随机采样的样本点，解决大规模数据中的异常识别面临的样本量大、维度高等问题，该方法不仅能降低异常识别的时间复杂度，提高识别效果的准确性，还具有较强的扩展性。
-
公开(公告)号：CN104462184B
公开(公告)日：2018-04-10
申请号：CN201410535911.4
申请日：2014-10-13
Applicant: 北京系统工程研究所
IPC: G06F17/30
Abstract: 本发明提供一种基于双向抽样组合的大规模数据异常识别方法，包括以下步骤：对样本数据集进行横向抽样，得到子样本数据集；对子样本数据集进行属性抽样，得到条带数据集；对条带数据集进行异常程度打分；重复执行上述步骤；组合异常程度分数，并计算异常程度分数的期望值。本发明通过双向抽样方法，既解决了样本量大时间复杂度高，又解决了维灾难的问题；利用抽样方法将数据集进行切分，提高了本发明方法的扩展性。
-
公开(公告)号：CN104504233B
公开(公告)日：2017-06-06
申请号：CN201410646085.0
申请日：2014-11-14
Applicant: 北京系统工程研究所
IPC: G06F19/00
Abstract: 本发明提供了一种基于多维向量熵随机采样的异常识别方法，该方法包括以下步骤：I、从样本空间Ω中样本点选取采样点，生成子样本空间ω；II、确定所述样本点的多维向量熵；III、重复上述步骤，确定所述样本点多维向量熵的融合结果；IV、确定所述样本点的异常程度；V、确定异常点。该方法通过融合随机采样的样本点，解决大规模数据中的异常识别面临的样本量大、维度高等问题，该方法不仅能降低异常识别的时间复杂度，提高识别效果的准确性，还具有较强的扩展性。
-
公开(公告)号：CN105978720A
公开(公告)日：2016-09-28
申请号：CN201610308696.3
申请日：2016-05-11
Applicant: 北京系统工程研究所
CPC classification number: H04L41/5019 , H04L67/322
Abstract: 本发明提供一种满足端到端QoS约束的服务选择方法，所述方法包括如下步骤：(1)获取用户的全局QoS约束需求，并按照归一化方法将QoS值作归一化处理；(2)收集组合服务中每个个体服务的QoS历史信息，并预测每个个体服务下一个时刻的QoS值；(3)针对所述组合服务的基本结构，以及不同的QoS特性和QoS预测值，将全局QoS约束实施分解，得到每个个体服务的QoS约束值；(4)以所述个体服务的QoS约束值为约束，实施服务选择。本发明降低了满足端到端QoS约束下服务组合的时间复杂度，能够在线性时间内组合满足用户需求的组合服务。
-
Patent Agency Ranking
公开(公告)号：CN104156418A
公开(公告)日：2014-11-19
申请号：CN201410377347.8
申请日：2014-08-01
Applicant: 北京系统工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06K9/6218
Abstract: 本发明公开了一种基于知识重用的演化聚类方法，其通过截取t时刻和以时间窗口长度为限制的有限个历史时刻的数据，应用任一静态聚类方法对数据进行聚类分析，并将聚类结果生成离散化0-1矩阵，之后按时间衰减加权离散化0-1矩阵获得加权0-1矩阵，最后用静态聚类方法对加权0-1矩阵进行静态聚类分析，获得t时刻的演化聚类结果。本发明是通过融合历史时刻的多时间截面静态聚类结果，形成知识积累；从短期来看，可以消除数据噪音提高聚类准确率，从长期来看，可以防止数据扰动保持聚类的稳定性。
-
公开(公告)号：CN105046206B
公开(公告)日：2019-02-01
申请号：CN201510355350.4
申请日：2015-06-24
Applicant: 北京系统工程研究所
Abstract: 本发明实施例公开了一种基于视频中运动先验信息的行人检测方法及装置，涉及视频中的行人检测技术领域，解决了现有技术中视频中的行人检测方法复杂度较高、很难实现实时检测的问题。所述方法包括：通过背景差分的方法提取待检测视频中的运动信息；对所述运动信息中的运动目标进行区域聚类，得到运动密集区域块；对所述待检测视频中的视频帧图像依据所述运动密集区域块进行分割处理，分别建立图像金字塔；对所述运动密集区域块的每层图像金字塔进行特征提取，仅提取运动区域及附近像素的特征信息；运用滑窗的方式，检测所述运动密集区域块的每层金字塔图像中的行人，定位行人目标，获取行人检测结果。本发明的实施例主要用于视频中的行人检测。
-
公开(公告)号：CN106059789A
公开(公告)日：2016-10-26
申请号：CN201610307914.1
申请日：2016-05-11
Applicant: 北京系统工程研究所
CPC classification number: H04L41/5041 , G06F17/30864
Abstract: 本发明提供一种基于CLM矩阵的服务按需动态组合方法，该方法构建基于目标系统中全部服务的CLM矩阵；其中，CLM矩阵的行代表服务的各个输入参数；CLM矩阵的列代表服务的输出结果；根据用户需求及用户引导，得到满足用户需求的服务组合。本发明提出的方法简洁、快速且有效；其以用户为中心，按照用户需求，可以迅速查找是否存在服务的输出可以满足一个服务的输入参数，对服务组合周期各个阶段提供灵活支持，实现服务的按需动态组合。
-
公开(公告)号：CN105954737A
公开(公告)日：2016-09-21
申请号：CN201610475582.8
申请日：2016-06-24
Applicant: 北京系统工程研究所
IPC: G01S11/02
Abstract: 本发明提供一种应用于跳频测距中的频率排布方法及其装置，其包括，步骤一、从发射端的所有可用子载波中筛选能够被接收端识别的所述可用子载波作为有效子载波；步骤二、将所述有效子载波的频率值按照预定规则排布成时间频率矩阵；其中，所述预定规则为：以所述有效子载波中最小频率值的作为所述时间频率矩阵中每行的第一个频率值，且每行的相邻的所述有效子载波相互不干扰。本发明有效规避同一个跳频时隙内两个频率不能相距太近的问题，具有更高的测距精度和更大的测距范围。
-
公开(公告)号：CN105046206A
公开(公告)日：2015-11-11
申请号：CN201510355350.4
申请日：2015-06-24
Applicant: 北京系统工程研究所
Abstract: 本发明实施例公开了一种基于视频中运动先验信息的行人检测方法及装置，涉及视频中的行人检测技术领域，解决了现有技术中视频中的行人检测方法复杂度较高、很难实现实时检测的问题。所述方法包括：通过背景差分的方法提取待检测视频中的运动信息；对所述运动信息中的运动目标进行区域聚类，得到运动密集区域块；对所述待检测视频中的视频帧图像依据所述运动密集区域块进行分割处理，分别建立图像金字塔；对所述运动密集区域块的每层图像金字塔进行特征提取，仅提取运动区域及附近像素的特征信息；运用滑窗的方式，检测所述运动密集区域块的每层金字塔图像中的行人，定位行人目标，获取行人检测结果。本发明的实施例主要用于视频中的行人检测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
