-
公开(公告)号：CN115798626A
公开(公告)日：2023-03-14
申请号：CN202211630709.0
申请日：2022-12-19
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
Abstract: 本申请公开了基于深度学习的Vocs组分分子质谱图预测方法、装置和存储介质，本申请的方法包括根据NIST数据库中的分子和质谱图数据训练DeepVocsMass模型；向所述DeepVocsMass模型输入质谱图，得到相似度函数；根据所述相似度函数计算质谱图的相似度；输出相似度最高的质谱图。本申请通过深度学习技术对Vocs分子进行质谱图预测，通过训练深度神经网络模型，预测Vocs分子的质谱图，并通过与标准库进行对比，确定Vocs质谱图，实现对Vocs质谱监测结果的成份分析，对于大气环境Vocs治理和监测具有重要意义。
-
公开(公告)号：CN115858838A
公开(公告)日：2023-03-28
申请号：CN202211630728.3
申请日：2022-12-19
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G06F16/535 , G06V10/774 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本申请公开了基于深度学习的质谱图搜索匹配方法、装置和存储介质，本申请将数据集分为训练集、验证集、测试集；对所述训练集、验证集、测试集进行数据增强；提取所述训练集的分子指纹，计算所述分子指纹的相似度分数，将所述相似度分数作为两个质谱图的真实相似度分数；将两个所述质谱图转化成质谱图向量，分别将两个质谱图向量输入到相同的前馈神经网络中，抽取质谱图的隐含特征，得到质谱图的高阶向量表示；将两个质谱图向量经过相似度计算层交互，得到两个质谱图的相似度预测分数。本申请基于在质谱谱数据库搜索引擎的结果中增强方法的能力，能够提升质谱图匹配的成功率的成份匹配的准确率。
-
公开(公告)号：CN115810409A
公开(公告)日：2023-03-17
申请号：CN202211573587.6
申请日：2022-12-08
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
Abstract: 本申请公开了一种VOCs污染物分析方法及其装置、电子设备、存储介质，VOCs污染物分析方法包括：获取组分分析模型训练数据、超标VOCs组分数据和构建的企业污染源知识图谱；根据组分分析模型训练数据进行深度学习模型训练处理得到组分分析模型；根据超标VOCs组分数据和企业污染源知识图谱进行深度学习模型训练处理得到溯源追踪模型；根据组分分析模型和溯源追踪模型建立污染源溯源模型；采集环境中的VOCs数据；将VOCs数据输入污染源溯源模型进行溯源分析处理，得到VOCs组分信息和VOCs污染源头企业排序信息。本申请实施例能够通过污染源溯源模型对污染物进行溯源分析，有效地提高溯源分析效率和溯源分析准确性。
-
公开(公告)号：CN116798539A
公开(公告)日：2023-09-22
申请号：CN202310568650.5
申请日：2023-05-18
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G16C20/30 , G16C20/70 , G06N3/0464 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种基于深度学习的VOCs组分分子毒性预测方法，包括：根据毒性预测标准，预处理VOCs组分分子数据；使用深度学习算法处理所述预处理后的VOCs组分分子数据，构建VOCs毒性预测模型；向所述VOCs毒性预测模型中输入VOCs物质的组分分子参数，得到所述VOCs物质的毒性预测结果。本发明利用深度学习技术手段实现VOCs挥发性有机物组分分子毒性预测，并与现有的VOCs毒性预测方法进行对比，结果表明基于深度学习的VOCs毒性预测方法表现效果明显优于当前基于相似度和基于特征的方法，且该方法简单易用，输入相应的参数即可得到测试结果，对测试人员更加友好。
-
公开(公告)号：CN115827615A
公开(公告)日：2023-03-21
申请号：CN202211570760.7
申请日：2022-12-08
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
IPC: G06F16/215
Abstract: 本申请公开了一种数据质量检测方法、装置和存储介质，本申请的方法包括构建Vision Transformer预训练模型；通过所述Vision Transformer预训练模型对Vocs质谱监测数据进行调整，得到质谱图图片的特征信息；使所述Vocs质谱监测数据经过一个多层感知机和Softmax激活函数，得到预测正负类别的概率；根据所述正负类别的概率得到并输出对所述Vocs质谱监测数据的质量分析结果。本申请通过基于迁移学习的深度分类模型，解决Vocs监测数据质量监测问题，能够在数据质量监测方面取得良好的效果。
-
Patent Agency Ranking
公开(公告)号：CN114356461B
公开(公告)日：2025-05-23
申请号：CN202111617814.6
申请日：2021-12-28
Applicant: 河南信大网御科技有限公司 , 珠海高凌信息科技股份有限公司
IPC: G06F9/448
Abstract: 本发明提供了一种拟态环境下操作系统命令行配置方法及系统，所述系统包括N个在线异构执行体，每个在线异构执行体均包括命令行接收器、命令行映射表存储器、命令执行器和命令执行结果输出器等，所述命令行映射表存储器用于预先存储命令行映射表；所述命令行接收器，其被配置为：实时监测是否接收到来自输入代理的用户命令行，响应于接收到的用户命令行，从预先存储的命令行映射表中查找与该用户命令行所对应的操作系统命令，并传输至所述命令执行器；所述命令执行器，其被配置为：不直接运行接收到的用户命令行，运行查找到的操作系统命令，获得该操作系统命令对应的命令执行结果，并将所述命令执行结果传输至所述命令执行结果输出器。
-
公开(公告)号：CN118101257A
公开(公告)日：2024-05-28
申请号：CN202410164819.5
申请日：2024-02-05
Applicant: 河南信大网御科技有限公司 , 珠海高凌信息科技股份有限公司
IPC: H04L9/40 , H04L67/06 , H04L67/1097
Abstract: 本发明提供了一种基于FastDFS拟态平台的数据读写方法、裁决器、系统及介质，所述方法包括：获取各个在线异构执行体内FastDFS客户端发送的第一请求消息，从所述第一请求消息中解析出命令码Ⅰ或者命令码Ⅱ；将所述命令码Ⅰ或者命令码Ⅱ转发至追踪服务器，接收所述追踪服务器返回的可用存储服务器的地址和端口；将接收到的存储服务器的地址和端口替换为拟态括号的地址和端口，生成包含拟态括号的地址和端口的响应消息，并回传至各个在线异构执行体；在文件上传或者文件下载时，各个在线异构执行体内FastDFS客户端基于拟态括号的地址和端口，实现拟态读写，从而有效解决了应用系统拟态化改造后多个执行体内FastDFS客户端和FastDFS系统的对接。
-
公开(公告)号：CN118041869A
公开(公告)日：2024-05-14
申请号：CN202410084347.2
申请日：2024-01-19
Applicant: 珠海高凌信息科技股份有限公司
IPC: H04L47/20 , H04L47/10 , H04L65/1016 , H04L65/1104 , H04L65/65
Abstract: 本发明提供一种基于交换芯片的IMS系统流量动态监管架构，其包括主控CPU、管理CPU、交换芯片、网口单元，主控CPU通过向管理CPU下发控制指令，用于动态监管进入网口单元的指定流量，管理CPU用于根据控制指令向交换芯片发送动态监管信号，交换芯片连接在主控CPU与网口单元之间，用于控制进出主控CPU的流量；在主控CPU集成有IMS网元，在IMS网元结构上设有流量监控模块；在管理CPU集成有流量控制模块，流量控制模块通过基于ZMQ的ProtoBuf协议，接收流量监控模块下发的控制指令，调用交换芯片提供的监管API，对进入IMS网元的每一条链路，进行监管控制。本发明利用交换芯片来动态监管进入IMS系统的网元流量，更加方便大规模流量的监管，并且不会额外增加IMS系统硬件资源消耗。
-
公开(公告)号：CN111866861B
公开(公告)日：2024-01-23
申请号：CN202010516256.3
申请日：2020-06-09
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了一种基于协作的无线传感网安全传输方法及装置，其中该方法包括：获取无线传感网节点的接收信号瞬时功率强度，根据预设的协作传输组网阈值，对所述无线传感网节点的组网策略进行控制；在安全性能约束下构建以最大平均安全速率为目标的组网阈值优化模型，搜索最优的所述协作传输组网阈值。本发明至少具有以下有益效果：通过协作传输组网阈值的设置及优化，利用无线传感网节点分布式动态部署的特点，兼顾传输速率和安全性这两个重要性能指标，保证无线传感网中安全通信的实施。
-
公开(公告)号：CN115085971B
公开(公告)日：2023-11-17
申请号：CN202210468584.X
申请日：2022-04-30
Applicant: 河南信大网御科技有限公司 , 珠海高凌信息科技股份有限公司
IPC: H04L9/40
Abstract: 本发明提出了一种拟态停机‑重启服务检测处理方法，包括以下步骤：任一时间检测到执行体收到重启指令即发送到裁决器；裁决器以2t时间长度作为一个等待检测流程，每个等待检测流程以裁决器收到第一个重启指令开始，2t时间到达，进入下一个等待检测流程；在每个等待检测流程的时间范围内，若裁决器只收到某一个执行体发送的重启指令，则裁决器向该执行体回复重启确认指令；该执行体根据接收到的重启确认指令进行执行体系统重启；在每个等待检测流程的时间范围内，若裁决器收到多个执行体发送的重启指令，则先向第一个重启指令的执行体回复重启确认指令，再根据收到的重启指令的顺序，每次延时t时间后，向对应顺序的重启指令的执行体回复重启确认指令。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.066 seconds)
