找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。
找到49项技术成果数据。
找技术>-
基于机器学习的高性能视频转码方法及其转码器
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明从H.264/AVC与HEVC标准间的差异入手,公开了一种快速帧间转码算法。详细分析了两标准在帧间预测编码的分块结构上的差异,在此基础上发明设计一种利用树增强贝叶斯分类器进行HEVC中CU深度预测方案。利用H.264/AVC解码端帧间预测的块尺寸、MV等信息,来确定HEVC编码端中CU和PU预测模式,从而节省了转码中帧间模式判决的计算复杂度。本发明公开的转码方法,在比特率和视频质量损失非常小的情况下,较大幅度地降低了编码的计算复杂度。
-
一种基于机器学习的空间数据匹配方法
成熟度:正在研发
技术类型:发明
应用行业:信息传输、软件和信息技术服务业
技术简介
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
-
制冷设备故障诊断与预警智能分析平台
成熟度:通过小试
技术类型:-
应用行业:制造业
技术简介
本项目基于数据中心运维中存在的故障诊断痛点,结合当前最前沿的人工智能机器学习技术,开发出一套智能 分析平台,着重分析制冷系统健康状态参数与根因分析。设计了一种具有更好的逼近复杂函数能力的深度学习算法作为冷水机组故障诊断的方法,包含多隐层结构,以实现数据特征的逐层转换,保证最有效地信息提取与特征表达。市场分析因此,为了提高其机械设备利用率,及时了解设备的故障前兆,消除事故,保障设备的安全运行是很有必要的。 开展故障诊断技术的研究在国内外都受到了高度的重视,这不仅可以降低维修费用,节约成本,还可以延长机械设 备使用寿命。此外,降低故障发生频率能够减少不必要的劳动时间,预防事故,减少人员伤亡,提高运营经济效益。 此项目市场潜力巨大,随着IDC需求的不断增长,低能耗低成本的技术具有更大技术优势。已有应用情况在北京工业大学技术转移中心的协助下,某数据中心于2019年9月邀请相关大学教授领衔的数字多媒体信息处理与成像技术团队进行技术攻关,王老师作为技术负责人进行BIM IDC智能运维系统研发,历时9个月,自主设计高性能、高鲁棒性的深度神经网络完成制冷系统健康状态参 数与根因分析,并于2020年5月在腾讯天津滨海数据中心全面落地。获得了顼目方腾讯数据中心的高度评价与肯定, 并发表了相关博文。产业化成本效益分析由于产品基本成型,研发成本较低。经济效益和社会效益巨大。随着该系统在天津滨海数据中心的全面落地和应用,专家判断与实践经验的结合,将给予AI持续的引导,根因分析和影响因子模型也将更加准确,最终做到真正 的IDC智能化无人值守,从而大幅提高运维效率。
-
基于机器学习的自适应网络爬虫方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明是一种基于机器学习的自适应网络爬虫方法,由于目前的网络爬虫程序的编写需要软件开发人员通过查询繁琐的页面代码并研究规则,没有自适应的程序自动引导爬虫进行工作。同时,在电子商务领域也并没有这种触及。因此要解决的技术问题是通过机器学习技术对大量数据进行挖掘,从而定位到某一未知网页上与该内容相关的信息。使用机器学习与数据挖掘方法来解决这一问题,主要的技术步骤为:获取数据、特征提取、异构数据归一化、训练数据构建、自适应训练、学习方法验证以及自适应模式生成,用于对所爬取网站的页面代码提取位置特征并进行自适应训练,对电子商务领域的自适应网络爬虫的研究起到了一定的作用。
-
一种基于机器学习的帕金森疾病诊断方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本发明公开了一种基于机器学习的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学习的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学习中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学习算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。
-
贝虎家用机器人设计
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
贝虎家用机器人设计成果简介:贝虎家庭机器人,是具有自由智慧,自我学习能力及可人工训练的家庭机器人。集合了智能引擎,视频语音、室内导航及互联网知识机器学习及模式处理等方面的技术。它的定位是一个可与人语言交流,能代替人完成日常工作,如扫地,看护家庭,纪录家庭动态,控制家电,可以被训练做更多的家庭事务的智能家庭中端。设计师参与本项目的前期定位以及总体规划,并全程参与过程中的品牌设计、外观设计、交互设计、功能定义、以及部分结构设计。是一次将艺术设计与工程技术紧密结合的成功案例。项目正在深度研发过程中,且处于保密阶段。 应用简介:所处研发阶段:深度开发及优化阶段(进度保密)。适合应用领域:工业及家用机器人研发、智能家庭终端设计。已有应用情况:暂未上市,仍处于保密阶段。 投资规模及效益分析:企业基于本项目的前期设计获得多方投资,并基此创立几十人的研发团队,目前已持续开展相关深化研发工作多年,成果接近完成阶段。
-
基于机器学习的医学静态图像无损压缩模
成熟度:-
技术类型:-
应用行业:科学研究和技术服务业
技术简介
将机器学习与医学图像的无损压缩算法相结合。通过机器学习,获得可描述图像像素间排列关系的函数,并保存该函数所需要的少量参数。借此函数得到预测编码算法所需要的预测图像。将原始图像与预测图像做差,便可得到十分平滑的差值图像。再对差值图像进行无损压缩便可得到很高的压缩比。通过上述分析,完成压缩后需要保存的内容包括:机器学习模型中的参数;差值图像。该算法在处理信息含量大,像素分布相对复杂的X光图像方面,和现有公认压缩效果最好的CALIC(Context-basedAdaptiveLosslessImageCodec)算法相比,图像压缩比提高了6.4%。更为重要的是,该算法提出了将机器学习应用于现有的医学图像无损压缩算法中的的思路,并给出了具体的实施方案。
-
高速铁路沉降观测大数据的机器学习与评估方法
成熟度:-
技术类型:-
应用行业:制造业
技术简介
依托四川省科技厅科技重点研发项目2018GZ0369开展研究的成果有:计算机软件著作权1项,国内公开发表科技期刊论文2篇,项目研究报告2份。 上述成果涵盖以自动化沉降监测数据为对象的高铁沉降评估分析的理论方法及计算机软件工具,对我国高铁建设期和运营期的沉降观测及评估工作有极大促进。 项目研发的软件--自适应的沉降评估信息系统通过专业软件测试机构的功能测试,软件能正常运行并实现曲线拟合与统计分析相结合的沉降评估分析功能;软件已完成计算机软件著作权登记并取得的登记证书(软著登字第5445904号)。 依据项目研究内容编写完成2篇科技论文: 1)基于熵权的小波去噪评价指标[J].测绘与空间地理信息,2019,42(8):1-4+7; 2)沉降变形分析的假设检验法[J].测绘与空间地理信息,2019,42(7):65-68+76。 项目研究共5名硕士研究生参与,其中2018年6月培养毕业一名硕士研究生--郭江涛,2019年6月培养毕业一名研究生--李沁声。项目研究呈交的科技报告2篇,其中中期报告和最终报告各1篇,报告编号:450752090-2018GZ0369/01、450752090-2018GZ0369/02,已取得四川省科学技术信息研究所的收录证书。
-
基于蚁群优化原理的机器学习在海量数据知识提取中的应用研究
成熟度:-
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
项目旨在将蚁群优化这一成功的思想应用于机器学习和认知构建算法中,构建一系列采用蚁群优化思想、可以纳入蚁群优化框架来解释的机器学习算法。并将这些算法应用于解决实际的数据分析和挖掘问题中。项目通过理解蚁群优化元启发框架,对蚁群优化在规则集学习中的应用、蚁群优化在贝叶斯网络结构学习中的应用和蚁群优化在前馈神经网络权值学习中的应用进行了相当深入的研究,架构实现了蚁群规则集学习(ACO-Learning Set of Rules)算法 ANT-AQ、、蚁群贝叶斯网络结构学习(ACO-Learning Bayesian Networks)算法 ANT-B+和蚁群前馈神经网络权值训练(ACO-Training Feed-forward Neural Networks)Binary ACO与LMBP的混合算法。项目测试数据实验结果及其分析表明项目建立的算法指导框架是有其价值的,在这个框架下建立的算法是有效的,算法在某些关键指标的性能上要优于同类算法。项目实际数据实验结果也表明项目是有实用和推广价值的,项目能为现有信息管理系统提供有效的数据分析工具,能够企业为生产、销售等环节的决策提供相当帮助。
-
基于机器学习的多模态医学影像信息处理与分析
成熟度:-
技术类型:-
应用行业:制造业
技术简介
多模态医学影像信息处理与分析,具有重大的应用背景,是国家和社会当前高度重视的研究领域之一。本项目拟基于机器学习方法,主要研究医学影像的特征描述、设备无关性的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为: (1)建立统一的特征描述模型,实现跨模态医学影像的统一特征描述; (2)提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无关性问题的通用框架; (3)在医学影像标注数据有限、数据库为海量等条件下,实现高效率单模态影像检索,有效提高多模态、跨模态医学影像检索的精度,实现用户友好的检索结果展示; (4)从结构复杂的多模态医学影像数据中,挖掘有用的知识,构建有效的辅助诊断模型、实现个人疾病风险预警; (5)完成首期参考库建设与算法辅助研发平台的开发,为项目研究内容的开展提供有效数据和环境支撑。

