-
公开(公告)号：CN111222672B
公开(公告)日：2023-01-31
申请号：CN201811429242.7
申请日：2018-11-27
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/26
Abstract: 本发明提供一种空气质量指数AQI的预测方法和装置。该方法包括：获取M个网格的空气质量指数AQI；分别计算M个网格中每个网格和待预测网格之间的距离以及网格相似度；所述网格相似度包括M个网格中每个网格和所述待预测网格之间的兴趣点POI的相似度、交通拥堵度相似度和用户活跃度相似度；根据所述M个网格的AQI、所述距离、所述网格相似度和预先训练的空间预测模型，确定所述待预测网格的AQI。和现有技术中线性差值的方式相比，提高了预测得到的AQI的准确度。
-
公开(公告)号：CN111209392A
公开(公告)日：2020-05-29
申请号：CN201811386695.6
申请日：2018-11-20
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/289
Abstract: 本发明实施例提供一种污染企业的挖掘方法、装置及设备，根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子，对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列，将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，根据各所述词序列对应的标签序列，确定污染企业的名称；通过利用企业识别模型对待识别的舆情数据进行识别，提高了污染企业的挖掘准确率；另外，还解决了现有技术中制定的规则模板扩展性弱的问题，并且规避了制定规则模板所需要耗费的人力和时间成本，提高了污染企业挖掘的效率。
-
公开(公告)号：CN110672144B
公开(公告)日：2021-12-28
申请号：CN201810719138.5
申请日：2018-07-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种污染源检测方法和装置，其中，方法包括：获取目标区域内待检测污染源的污染类型，根据污染类型提取污染源的污染关联数据；按照预设算法对污染关联数据进行计算，获取污染源的污染活跃度；根据污染活跃度计算污染源的排放指数；获取目标区域内所有污染源的排放指数，根据所有污染源的排放指数确定符合筛选条件的目标污染源。由此，提高了污染源检测的准确性和效率，实现了对污染源检测的实时性，为发现异常污染源并及时对异常的污染源进行处理提供了方便。
-
公开(公告)号：CN111931799A
公开(公告)日：2020-11-13
申请号：CN201910395441.9
申请日：2019-05-13
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种图像识别方法及装置，其中方法包括：通过获取待识别的图像；将所述待识别的图像输入多个预设的深度残差网络，得到多个识别结果；识别结果为图像中存在目标对象的概率；深度残差网络对应的训练数据中，正样本与负样本的数量一致；根据所述多个识别结果，确定所述待识别的图像中是否存在所述目标对象。由此，相比采用单个模型进行识别，通过多个预设的深度残差网络分别对待识别的图像进行识别，弥补单个模型因欠采样可能出现的识别错误问题，识别准确度更高。此外，深度残差网络是更深层次的神经网络，相比于诸如CNN、深层的卷积神经网络AlexNet等深层网络和非深度学习的方法，能够学习到更多与图片标签相关的特征，分类性能提升明显。
-
公开(公告)号：CN111222672A
公开(公告)日：2020-06-02
申请号：CN201811429242.7
申请日：2018-11-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种空气质量指数AQI的预测方法和装置。该方法包括：获取M个网格的空气质量指数AQI；分别计算M个网格中每个网格和待预测网格之间的距离以及网格相似度；所述网格相似度包括M个网格中每个网格和所述待预测网格之间的兴趣点POI的相似度、交通拥堵度相似度和用户活跃度相似度；根据所述M个网格的AQI、所述距离、所述网格相似度和预先训练的空间预测模型，确定所述待预测网格的AQI。和现有技术中线性差值的方式相比，提高了预测得到的AQI的准确度。
-
Patent Agency Ranking
公开(公告)号：CN110672144A
公开(公告)日：2020-01-10
申请号：CN201810719138.5
申请日：2018-07-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种污染源检测方法和装置，其中，方法包括：获取目标区域内待检测污染源的污染类型，根据污染类型提取污染源的污染关联数据；按照预设算法对污染关联数据进行计算，获取污染源的污染活跃度；根据污染活跃度计算污染源的排放指数；获取目标区域内所有污染源的排放指数，根据所有污染源的排放指数确定符合筛选条件的目标污染源。由此，提高了污染源检测的准确性和效率，实现了对污染源检测的实时性，为发现异常污染源并及时对异常的污染源进行处理提供了方便。
-
公开(公告)号：CN111178653A
公开(公告)日：2020-05-19
申请号：CN201811347192.8
申请日：2018-11-13
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于确定污染区域的方法和装置。该方法的一具体实施方式包括：将目标区域划分为至少一个子区域，对于至少一个子区域中的子区域，确定该子区域在预设时间段内的污染指数，其中，该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和，兴趣点的污染指数基于兴趣点的关联信息确定，兴趣点的关联信息包括：兴趣点的污染关联参数、污染关联参数对应的污染影响权重；从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。该实施方式可以更加精细的检测出污染严重的区域。
-
公开(公告)号：CN111931799B
公开(公告)日：2023-06-20
申请号：CN201910395441.9
申请日：2019-05-13
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明提出一种图像识别方法及装置，其中方法包括：通过获取待识别的图像；将所述待识别的图像输入多个预设的深度残差网络，得到多个识别结果；识别结果为图像中存在目标对象的概率；深度残差网络对应的训练数据中，正样本与负样本的数量一致；根据所述多个识别结果，确定所述待识别的图像中是否存在所述目标对象。由此，相比采用单个模型进行识别，通过多个预设的深度残差网络分别对待识别的图像进行识别，弥补单个模型因欠采样可能出现的识别错误问题，识别准确度更高。此外，深度残差网络是更深层次的神经网络，相比于诸如CNN、深层的卷积神经网络AlexNet等深层网络和非深度学习的方法，能够学习到更多与图片标签相关的特征，分类性能提升明显。
-
公开(公告)号：CN111178653B
公开(公告)日：2022-12-02
申请号：CN201811347192.8
申请日：2018-11-13
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于确定污染区域的方法和装置。该方法的一具体实施方式包括：将目标区域划分为至少一个子区域，对于至少一个子区域中的子区域，确定该子区域在预设时间段内的污染指数，其中，该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和，兴趣点的污染指数基于兴趣点的关联信息确定，兴趣点的关联信息包括：兴趣点的污染关联参数、污染关联参数对应的污染影响权重；从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。该实施方式可以更加精细的检测出污染严重的区域。
-
公开(公告)号：CN111209392B
公开(公告)日：2023-06-20
申请号：CN201811386695.6
申请日：2018-11-20
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/289
Abstract: 本发明实施例提供一种污染企业的挖掘方法、装置及设备，根据待识别的舆情数据，获取至少一个候选句子，各所述候选句子为包含污染信息的句子，对各所述候选句子进行分词处理，得到各所述候选句子对应的词序列，将各所述词序列输入至企业识别模型中，获取各所述词序列对应的标签序列，根据各所述词序列对应的标签序列，确定污染企业的名称；通过利用企业识别模型对待识别的舆情数据进行识别，提高了污染企业的挖掘准确率；另外，还解决了现有技术中制定的规则模板扩展性弱的问题，并且规避了制定规则模板所需要耗费的人力和时间成本，提高了污染企业挖掘的效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
