-
公开(公告)号：CN104354571B
公开(公告)日：2017-05-10
申请号：CN201410438427.X
申请日：2014-08-29
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳巿国科信息工程研究院
IPC: B60J3/06
Abstract: 本发明涉及一种具有改善视线功能的车用装置，所述装置包括微处理器及驱动马达，所述装置还包括雨滴传感器、计时器以及偏光玻璃元件，所述雨滴传感器用于判断是否下雨，所述微处理器用于控制所述装置工作，所述计时器用于辅助判断是否下雨，所述驱动马达用于控制偏光玻璃元件升降，所述偏光玻璃元件用于改善用户视线。采用本发明的技术方案以后，即使是在雨势较大的环境下行车，用户也能具有比较清晰的视野，降低了雨天行车时的安全隐患。
-
公开(公告)号：CN104354571A
公开(公告)日：2015-02-18
申请号：CN201410438427.X
申请日：2014-08-29
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳巿国科信息工程研究院
IPC: B60J3/06
Abstract: 本发明涉及一种具有改善视线功能的车用装置，所述装置包括微处理器及驱动马达，所述装置还包括雨滴传感器、计时器以及偏光玻璃元件，所述雨滴传感器用于判断是否下雨，所述微处理器用于控制所述装置工作，所述定时器用于辅助判断是否下雨，所述驱动马达用于控制偏光玻璃元件升降，所述偏光玻璃元件用于改善用户视线。采用本发明的技术方案以后，即使是在雨势较大的环境下行车，用户也能具有比较清晰的视野，降低了雨天行车时的安全隐患。
-
公开(公告)号：CN108733705A
公开(公告)日：2018-11-02
申请号：CN201710261885.4
申请日：2017-04-20
Applicant: 哈尔滨工业大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: G06F17/30
Abstract: 本申请公开了一种高效用序列模式挖掘方法及装置，根据序列数据库中包含的各事务，获取满足设定条件的候选序列模式集合；针对每一所述候选序列模式，确定所述候选序列模式在所述序列数据库中的效用值；将所述效用值不低于自身所对应的效用阀值的候选序列模式，确定为挖掘结果，其中，候选序列模式对应的效用阀值为该候选序列模式所包含各项目中，效用阀值最低的项目的效用阀值，序列数据库中每一项目的效用阀值由用户预先设定。本申请可以由用户根据需要对不同项目设置不同的效用阀值，基于此从序列数据库中挖掘效用值不低于自身对应的效用阀值的序列模式，在挖掘高效用模式的基础上，能够实现个性化挖掘，满足不同应用场景的需求。
-
公开(公告)号：CN107870956A
公开(公告)日：2018-04-03
申请号：CN201610866557.2
申请日：2016-09-28
Applicant: 腾讯科技(深圳)有限公司 , 哈尔滨工业大学深圳研究生院
CPC classification number: G06F17/30539 , G06Q30/0631
Abstract: 本发明实施例提供一种高效用项集挖掘方法、装置及数据处理设备，该方法包括：确定事务数据库中各项集对应的项集效用值；根据预定义的最低效用阈值表，确定各项集对应的项集最低效用阈值；预定义的最低效用阈值表记录有各数据项对应的最低效用阈值，一个项集对应的项集最低效用阈值表示的是，该项集包含的数据项所对应的最低效用阈值中的最小最低效用阈值。将各项集的项集效用值与对应的项集最低效用阈值进行比对，根据比对结果确定高效用项集，其中，高效用项集的项集效用值不小于对应的项集最低效用阈值。本发明实施例提高了高效用项集挖掘的准确性。
-
公开(公告)号：CN106033447A
公开(公告)日：2016-10-19
申请号：CN201510115234.5
申请日：2015-03-16
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳市腾讯计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种项集挖掘方法及装置，属于数据挖掘领域。所述方法包括：获取自定义的最小期望支持度μ和最低效用比例ε；计算不确定性数据库D中项集的实际期望支持度expSup和实际效用值u，该项集中包含至少一个数据项；当expSup≥|D|*μ，且u≥总效用值TU*ε时，确定该项集为高概率且高效用项集；TU表示不确定性数据库D中所有数据项的效用之和；|D|表示不确定性数据库D中包含的事务总数。本发明达到了挖掘出的项集效用值较高，且发生概率较大，从而保证挖掘出的项集具有较高的实际使用价值的效果。
-
Patent Agency Ranking
公开(公告)号：CN104320426A
公开(公告)日：2015-01-28
申请号：CN201410436894.9
申请日：2014-08-29
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳市标准技术研究院
CPC classification number: H04L63/064 , H04L67/10
Abstract: 本发明涉及一种云环境下的数据分层访问方法及系统，该方法首先为所提供的数据建立系统参数，在将所述提供的数据进行加密后，上传至云端数据服务器，并对存储在云端数据服务器上的所述加密数据进行分层，然后接收用户发出的数据请求，判断所述请求是否满足数据使用权限，满足则向用户发送数据密钥。本发明的技术方案解决了云环境下的有时限的分层密钥分配问题，能够在不安全的云存储环境下提供一种相对安全的数据访问方式。
-
公开(公告)号：CN106933886B
公开(公告)日：2020-12-18
申请号：CN201511030144.2
申请日：2015-12-31
Applicant: 哈尔滨工业大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: G06F16/2458
Abstract: 本发明公开了一种数据处理的方法和装置，属于计算机技术领域。所述方法包括：获取样本数据记录，根据每条样本数据记录中的参数项和对应的参数值，以及预设的隶属度函数，确定每个参数值对应的参数值等级和参数值等级的权值，并根据每条样本数据记录中各参数值等级的权值，选取样本总权值大于预设阈值的参数值等级；根据在每条样本数据记录中所述选取的参数值等级对应的权值，确定满足预设组合条件的参数值等级，分别基于每个满足预设组合条件的参数值等级，确定参数值等级组合；确定每个所述参数值等级组合对应的样本总权值，输出样本总权值大于预设阈值的参数值等级组合。采用本发明，可以节约处理资源。
-
公开(公告)号：CN106033424B
公开(公告)日：2020-04-21
申请号：CN201510106336.0
申请日：2015-03-11
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳市腾讯计算机系统有限公司
IPC: G06F16/2458 , G06F16/2455 , G06F9/46
Abstract: 本发明公开了一种数据挖掘方法和装置，属于数据挖掘领域。方法包括：扫描事务数据库，得到多个事务以及至少一个项目；获取多个候选项集；对于每个候选项集，根据候选项集中每个项目的权重以及包括候选项集的指定事务的数目，计算候选项集的加权支持度；根据每个指定事务的发生时间，计算候选项集的时效值；判断候选项集的时效值是否大于第一阈值，以及加权支持度是否大于第二阈值；当时效值大于第一阈值且加权支持度大于第二阈值时，将候选项集确定为近期高权重频繁项集。本发明考虑到项集的时效性因素，降低了出现干扰的可能性，且挖掘出的近期高权重频繁项集中的项目之间的关联规则可以准确体现近期的关联规则，提高了准确性和实用性。
-
公开(公告)号：CN106933886A
公开(公告)日：2017-07-07
申请号：CN201511030144.2
申请日：2015-12-31
Applicant: 哈尔滨工业大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: G06F17/30
CPC classification number: G06F16/2458
Abstract: 本发明公开了一种数据处理的方法和装置，属于计算机技术领域。所述方法包括：获取样本数据记录，根据每条样本数据记录中的参数项和对应的参数值，以及预设的隶属度函数，确定每个参数值对应的参数值等级和参数值等级的权值，并根据每条样本数据记录中各参数值等级的权值，选取样本总权值大于预设阈值的参数值等级；根据在每条样本数据记录中所述选取的参数值等级对应的权值，确定满足预设组合条件的参数值等级，分别基于每个满足预设组合条件的参数值等级，确定参数值等级组合；确定每个所述参数值等级组合对应的样本总权值，输出样本总权值大于预设阈值的参数值等级组合。采用本发明，可以节约处理资源。
-
公开(公告)号：CN106033576A
公开(公告)日：2016-10-19
申请号：CN201510106783.6
申请日：2015-03-11
Applicant: 哈尔滨工业大学深圳研究生院 , 深圳市腾讯计算机系统有限公司
IPC: G06Q30/02
Abstract: 本发明公开了一种对象信息的展示方法和装置，属于互联网技术领域。所述方法包括：获取目标店铺中各对象对应的利润值，以及当前时间点之前预设时长的历史时段内所述各对象的交易数量；根据所述各对象对应的利润值和所述各对象的交易数量，在所述各对象中，选取在所述历史时段内的累计利润值满足预设的利润值条件的对象，作为待展示对象；对所述待展示对象的对象信息进行展示。采用本发明，可以提高展示对象信息的灵活性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.046 seconds)
