|
搜索
搜 索
高等教育领域数字化综合服务平台
技术需求，自然语言处理，文本信息提取算法，政策知识图谱、企业知识图谱
1、自然语言处理，文本信息提取算法。
2、政策知识图谱、企业知识图谱。
政和科技股份有限公司
2021-06-15
一种闪存器件的软信息提取方法
本发明公开了一种闪存器件的软信息提取方法，包括离线训练 与在线运行两部分，在离线状态下，对目标闪存器件进行先验性实验， 实验测试内容包括对闪存器件内部物理块的存储单元进行大量重复的 擦除、写入以及读出操作，从而记录闪存器件在其测试周期内的外部 特征量；然后进行数据集训练，建立闪存内部存储单元物理状态与外 部特征量之间的关联；在线运行状态下，对正在在线运行的闪存物理 状态进行识别，并预估错误率，并计算软信息。本发明所提
华中科技大学
2021-04-14
一种闪存器件的软信息提取方法
本发明公开了一种闪存器件的软信息提取方法，包括离线训练 与在线运行两部分，在离线状态下，对目标闪存器件进行先验性实验， 实验测试内容包括对闪存器件内部物理块的存储单元进行大量重复的 擦除、写入以及读出操作，从而记录闪存器件在其测试周期内的外部 特征量；然后进行数据集训练，建立闪存内部存储单元物理状态与外 部特征量之间的关联；在线运行状态下，对正在在线运行的闪存物理 状态进行识别，并预估错误率，并计算软信息。本发明所提出的方法 不仅不依赖于闪存内部的特殊命令，而且可以方便地集成进自主闪存 控制器中，与
华中科技大学
2021-04-14
基于矢量数据的 SAR 影像道路损毁信息提取方法
一种基于矢量数据的 SAR 影像道路损毁信息提取方法，根据灾后的 SAR 影像的范围，获取对应区 域的矢量数据;将矢量数据投影到 SAR 影像的坐标系之后，将矢量数据配准到 SAR 影像上;提取 SAR 影像的疑似道路损毁区，包括利用道路检测算子进行线检测，将道路宽度信息与道路矢量数据进行形状 水平集分割，融合得到疑似道路损毁区;建立贝叶斯网络模型对疑似道路损毁区进行进一步判断，提取 出道路损毁信息。本发明利用矢量数据作为先验信息，辅助 SAR 影像道路变化检测，检测率高;提出 的线检测与形状水平集相结合的方法能够很好的提取断裂区，漏检率低;建立的贝叶斯网络模型能够有 效的剔除干扰信息，减少道路损毁提取的虚警。
武汉大学
2021-04-13
一种基于深度信息提取的多聚焦图像融合方法
本发明属于图像处理技术领域，涉及一种基于深度信息提取的多聚焦图像融合方法，广泛应用于目 标识别，显微成像，军事作战，机器视觉等领域。本发明首先利用各向异性热扩散理论建模多聚焦图像 的成像过程，获取原始的多聚焦图像的深度信息，根据图像信息确定聚焦区域，得到多聚焦图像融合模 板，最后根据平滑的多层次融合模板图进行多聚焦图像的融合。本方法不仅能够有效的提高融合图像的 质量，并且具有良好的实用性和广泛的适用性。
武汉大学
2021-04-13
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12
多属性文本自适应标注系统
成果描述：多属性文本自适应系 统主要实现对每个未 知属性的通信实体进 行属性标注的功能。 主要分为两个过程， 即训练过程和预测过 程。 在训练过程中，系统 根据用户提供的已经 具有属性的数据集、 用户选择的分类算法 所对应的参数进行训 练，得到训练模型。 在预测过程中，系统 根据用户选择的训练 模型对未知属性的数 据集中的每个实体进 行属性标注，并得到 标注过属性的数据集 。（注：在训练过程 中，用户可以使用在 训练数据集上进行交 叉验证的方法获得在 固定参数和分类算法 下模型对未知样本预 测的性能的大致估计 。）市场前景分析：随着互联网的迅速发 展，Web页面上的信 息量呈指数级急剧增 长，如何快速、准确 地从海量数据中抽取 出用户真正需要的信 息已经成为互联网对 科研工作者提出的严 峻挑战。 属性标注能够将网页 非结构化文本内容转 化为结构化的属性数 据，方便用户查询和 进一步分析使用；其 作为信息抽取的关键 一步，对提高信息抽 取的性能方面也具有 重要意义。与同类成果相比的优势分析：包括训练和预测两个 过程，实现对不同数 据集的自适应性属性 标注； 特征选择功能，可以 在训练模型时，选择 出对区分数据类别更 有用的特征词，这样 ，可以降低实体所对 应属性的维度，从而 ，减少占用的内容空 间，提高计算效率； 交叉验证功能，帮助 我们在训练阶段，就 可以了解参数和算法 的选择，对属性标注 时准确性的影响； 生成报告功能，可以 在训练阶段的交叉验 证结束后，产生一个 训练阶段的报告，帮 助用户更好地记录实 验数据、参数、时间 和准确性等信息； 评估功能，比较模型 标注结果与样本真实 标签的一致性、差异 性，以评价一个模型 的好坏。
电子科技大学
2021-04-10
多属性文本自适应标注系统
多属性文本自适应系统主要实现对每个未知属性的通信实体进行属性标注的功能。 主要分为两个过程， 即训练过程和预测过 程。 在训练过程中，系统 根据用户提供的已经 具有属性的数据集、 用户选择的分类算法 所对应的参数进行训 练，得到训练模型。 在预测过程中，系统 根据用户选择的训练 模型对未知属性的数 据集中的每个实体进 行属性标注，并得到 标注过属性的数据集 。（注：在训练过程 中，用户可以使用在 训练数据集上进行交 叉验证的方法获得在 固定参数和分类算法 下模型对未知样本预 测的性能的大致估计 。）
电子科技大学
2015-02-12
基于网络化的 CAD／CAPP／CAM 信息特征提取系统
项目概况 该模块提供了一个基于网络的通过不同 CAD 系统导出零件模型信息并提取零件特征信 息的系统，融自动识别、模糊匹配、通用性强于一体的、具有异地可操作性、多功能的实时 的科研开发平台及系统。 本项目处于国内先进水平，拥有自主知识产权。 18 主要特点 依据从 CAD 到 CAPP／CAM、从三维到二维的基本方法；采取基于网络化可操作性手段， 以 CAD 系统导出的 STEP 文件为核心，实现了从三维 CAD 系统获取产品零件加工特征，STEP 文件信息自动识别准确迅速，方便查询，可实时修改和更新，基于网络化的操作方法；有遍 历的各项历史记录，通用性较强；特征识别通过模糊匹配，基本实现智能化判断和匹配，实 现简单零件基本特征的提取；也可以根据具体的产品零件进行定制开发和提取，开放性和灵 活性较强；也可以与实际的数控机床 NC 程序相结合进行开发；有通用或专用接口，可广泛 用于各个不同类型的企业和不同地域的虚拟企业。该系统具有许多独到的功能（网络化操作、 三维软件不限制、零件类型不限制、智能故障诊断等） 技术指标 基于网络化操作、自动信息识别、智能特征提取、实时故障诊断；实时修改和更新、查 询操作方便、通用性强；远程数据发送，实现多企业和异地的共操作；有通用或专用接口， 开放性好，可结合数控机床、企业实际情况等进行定向开发。一种基于网络的通用的零件信 息提取科研开发系统。 市场前景 近年来虚拟企业的迅猛增多和异地企业的合作增强，使得基于网络化的零件特征提取具 有良好的市场前景，也使众多一直需要解决的难题，因此受到广大制造企业的青睐。
南京工程学院
2021-04-13
大规模代数系统新型快速算法及与信息科学的交叉研究
成果描述：旨在为大规模代数系统设计新型高效的求解算法，并结合信息科学进行交叉研究。在大规模代数系统新型Krylov子空间算法及其基础理论、复杂电磁计算、图像处理高性能数值方法、动力系统与智能控制理论方面进行了系统深入的研究，取得了具有创新性的成果，例如：解决了科学计算中的有关基础或困难问题；提出了Lanczos双共轭A-标准正交短递归Krylov子空间迭代法BiCOR/CORS/BiCORSTAB方法、一种新的“二维双连续投影(2D-DSPM)方法”等一系列高效算法；为求解复杂电磁问题产生的复杂线性系统设计了高效算法与预条件技术；提出了一些新型高效的边界处理、图像复原方法，具有更快的计算速度和更好的复原质量；将数值代数与特殊矩阵分析和神经网络交叉研究取得成果。市场前景分析：本成果隶属于计算数学学科的数值代数领域，是数学基础理论研究。本项目着眼于科学与工程问题当中的难于解决的数学问题的快速算法及其理论研究，在国民经济和国防安全的若干大数据领域具有重要的学术和应用价值。因此，本成果不涉及经济效益，亦不涉及直接应用。与同类成果相比的优势分析：主要成果发表在国际权威期刊上，构建的新方法新理论得到了权威专家的高度评价，相关工作引起了国内外同行的广泛关注与引用。通过国际合作，本项目提出的相关快速算法已通过国际合作研究被法国INRIA、法国LAPLACE国家实验室、荷兰格罗宁根大学等国际知名研究机构用于解决科学计算中的大规模代数方程组求解难题。
电子科技大学
2021-04-10