-
公开(公告)号：CN108596326A
公开(公告)日：2018-09-28
申请号：CN201810376662.7
申请日：2018-04-25
Applicant: 北京邮电大学
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 本发明提供一种支持大规模组合优化问题的稀疏蚂蚁系统，包括：初始解构造模块；迭代求解模块；稀疏信息素矩阵更新模块；及优化解计算模块。还提供使用稀疏蚂蚁系统求解大规模组合优化问题最优解的方法，包括：步骤一，构造初始解；步骤二，多次迭代求优化解，并在M只蚂蚁中求全局迭代最优解，每只蚂蚁循环N次，每次计算得到次步解结点j，最终得到本次迭代的可行解，在M只蚂蚁的可行解中选择全局最优解，并将本次迭代的全局最优解与至今迭代最优解进行比较和更新；步骤三，每次迭代完成后，根据迭代全局最优解更新稀疏信息素矩阵；步骤四，按步骤二和三的规则循环迭代，直到达到规定的迭代次数或可行解的总成本小于等于目标优化解。
-
公开(公告)号：CN107247773A
公开(公告)日：2017-10-13
申请号：CN201710422493.1
申请日：2017-06-07
Applicant: 北京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30327 , G06F17/3033 , G06F17/30533
Abstract: 本发明提供了一种基于区块链的在分布式数据库中进行交易查询的方法，包括如下步骤：步骤S101，设计Bloom过滤器，根据设计好的Bloom过滤器找出包含指定交易ID的候选区块；步骤S102，对候选区块进行遍历筛选，找出包含交易ID的目标交易所在的具体区块，然后构造验证消息VerifyMessage；步骤S103，通过解析VerifyMessage，对区块所在交易路径进行完整性验证；步骤S104，根据验证结果，返回对应信息，实现基于区块链的分布式数据库中任意交易的查询。采用本发明的方法，实现基于区块链的分布式数据库中任意交易的查询，提高区块链数据的利用率。
-
公开(公告)号：CN107247773B
公开(公告)日：2018-05-15
申请号：CN201710422493.1
申请日：2017-06-07
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于区块链的在分布式数据库中进行交易查询的方法，包括如下步骤：步骤S101，设计Bloom过滤器，根据设计好的Bloom过滤器找出包含指定交易ID的候选区块；步骤S102，对候选区块进行遍历筛选，找出包含交易ID的目标交易所在的具体区块，然后构造验证消息VerifyMessage；步骤S103，通过解析VerifyMessage，对区块所在交易路径进行完整性验证；步骤S104，根据验证结果，返回对应信息，实现基于区块链的分布式数据库中任意交易的查询。采用本发明的方法，实现基于区块链的分布式数据库中任意交易的查询，提高区块链数据的利用率。
-
公开(公告)号：CN118675030A
公开(公告)日：2024-09-20
申请号：CN202410821561.1
申请日：2024-06-24
Applicant: 中国航天空气动力技术研究院 , 北京邮电大学
IPC: G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06V10/74
Abstract: 本发明提供了一种混合专家目标检测系统及方法，其中，系统包括：门控神经网络以及多专家融合系统，门控神经网络包括：编码器、解码器以及路由器；编码器用于将输入的图像以及图像中的提示文本进行编码，获取图像‑文本模态融合向量；解码器用于对图像‑文本模态融合向量进行解码，获取场景语义信息向量，路由器用于根据场景语义信息向量获取最优专家模型；多专家融合系统用于根据最优专家模型调用相应的模型对所述图像进行目标检测。本发明基于场景语义指导多个专家模型协同工作，实现可根据场景需要调用其专家的混合专家目标检测范式，解决传统目标检测适用场景单一的问题。
-
公开(公告)号：CN117094248A
公开(公告)日：2023-11-21
申请号：CN202311050277.0
申请日：2023-08-21
Applicant: 中国航天空气动力技术研究院 , 北京邮电大学
IPC: G06F30/28 , G06F30/27 , G06N5/01 , G06F119/14 , G06F113/08
Abstract: 本申请涉及一种原位环境下航天流场大数据的自动化分析方法和装置。方法包括：基于CFD求解器生成流场数据；根据所述流场数据，得到流场拓扑重构数据；对所述流场数据进行预处理，得到处理后流场数据；基于决策树模型，对所述处理后流场数据进行预测，得到预测数据；根据所述预测数据，基于几何特征转换，得到渲染参数；根据所述渲染参数和所述流场拓扑重构数据，基于原位环境，实现流场数据可视化。本方法解决了航天流场数据网格规模较大，传统的后处理模式不能满足规模巨大复杂的流场数据分析，无法实现流场的实时分析与可视化的问题。
-
Patent Agency Ranking
公开(公告)号：CN108520050B
公开(公告)日：2019-01-25
申请号：CN201810297017.6
申请日：2018-03-30
Applicant: 北京邮电大学
IPC: G06F16/22 , G06F16/2455 , G06Q20/38
Abstract: 本发明提供了一种基于二维定位的Merkle树缓存装置，基于组相联缓存机制，每一行高速缓存由标记域和数据域两部分组成：(1)标记域包括计数域、修改位、失效位以及偏移域和级别域，用于表示数据的身份和状态，其中：(a)计数域：支持基于权重的LRU替换算法，是缓存条目替换情况的标志；(b)修改位：标识放入缓存中的数据内容是否有更新，在执行写操作将修改位有效的数据一并写回；(c)失效位：保证数据的一致性，如果有不同的权威副本集，则失效位有效，缓存内相应数据无效；(d)偏移域和级别域：用于地址映射；(2)数据域：用于缓存完整的节点信息，只可能被经过授权的请求更新信息内容，可以直接用于Hash校验。还公开了缓存装置的基本操作方法和对Merkle树进行操作的方法，在对大规模Merkle树验证过程中减轻了CPU的计算负荷并提高了验证效率。
-
公开(公告)号：CN109978546B
公开(公告)日：2024-11-29
申请号：CN201910274204.7
申请日：2019-04-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种联盟区块链架构，采用交易多级存储的联盟链架构，由多个节点构成，将节点作为联盟链的通信主体，每个节点有与之对应的组织或个人，每个加入联盟链的节点都需要获得授权，即用户注册证书，只有获得授权的节点才能修改和查询链上记录，节点分为：客户端、排序节点、存储节点和交易处理节点，客户端将交易请求提交给交易处理节点，交易处理节点之间协同处理交易请求，然后将处理完成的交易请求提交给排序节点，排序节点将交易按时间顺序排序，并打包成区块，返回给交易处理节点，交易处理节点将新生成的区块广播给存储节点，存储节点之间互相广播新区块，并将区块存储至本地账本中。还提供相应的分级存储和交易穿孔方法。
-
公开(公告)号：CN117854106A
公开(公告)日：2024-04-09
申请号：CN202311810346.3
申请日：2023-12-26
Applicant: 中国航天空气动力技术研究院 , 北京邮电大学
Abstract: 本说明书实施例提供了一种基于多相机系统的自动行人重识别方法、装置及设备，其中，方法包括：设定多相机系统实现联合标定，并通过时空一致性约束条件进行行人图像采集；通过多相机系统采集样本并进行自动标注，并通过时空约束信息和相似性度量方法对样本进行初步筛选获得待查新样本集；将待查新样本集输入至初始ReID模型，通过组推理方法判断待查新样本集中各样本在样本库中是否存在，将不存在样本库中的样本设置新的ID的样本集存储，通过投票机制方法以更新至样本库；通过更新后的样本库中的样本数据对初始ReID模型进行迭代训练，并将获得的新权重参数输入到初始ReID模型中进行校正，解决样本标注贵，模型不能自适应场景的问题。
-
公开(公告)号：CN109978546A
公开(公告)日：2019-07-05
申请号：CN201910274204.7
申请日：2019-04-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种联盟区块链架构，采用交易多级存储的联盟链架构，由多个节点构成，将节点作为联盟链的通信主体，每个节点有与之对应的组织或个人，每个加入联盟链的节点都需要获得授权，即用户注册证书，只有获得授权的节点才能修改和查询链上记录，节点分为：客户端、排序节点、存储节点和交易处理节点，客户端将交易请求提交给交易处理节点，交易处理节点之间协同处理交易请求，然后将处理完成的交易请求提交给排序节点，排序节点将交易按时间顺序排序，并打包成区块，返回给交易处理节点，交易处理节点将新生成的区块广播给存储节点，存储节点之间互相广播新区块，并将区块存储至本地账本中。还提供相应的分级存储和交易穿孔方法。
-
公开(公告)号：CN108280490A
公开(公告)日：2018-07-13
申请号：CN201810167949.9
申请日：2018-02-28
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于卷积神经网络的细粒度车型识别方法，包括如下步骤：步骤S101，输入车型图像并划分为训练样本与测试样本；步骤S102，根据输入图像的类别标签，设计基于细类别和粗类别的类别编码，用于训练；步骤S103，设计卷积层、池化层、全连接层，对车型特征进行提取；步骤S104，设计分类函数，根据提取的车型特征进行分类；步骤S105，设计代价函数，根据预测的样本编码和真实的样本编码，使用对数似然估计计算代价函数；步骤S106，使用梯度下降法对网络的权值和偏移量进行更新；步骤S107，根据训练得到的网络结构，实现基于卷积神经网络的车型识别方法。采用本发明的方法，实现基于卷积神经网络的细粒度车型的识别，提高识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
