| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 1 | 用于滑动窗口编码算法的指令 | CN201380062335.X | 2013-06-27 | CN104903850B | 2018-09-18 | V·戈帕尔; J·吉尔福德; G·M·沃尔里克 |
| 说明的处理器具有指令执行流水线，其具有功能单元来执行比较矢量元素与输入值的指令。每个矢量元素和输入值具有标识数据内的位置的第一相应的段和具有数据的字节序列的第二相应的段。功能单元具有比较电路，用于比较输入矢量元素的相应的字节序列与输入值的字节序列，来识别每个比较的匹配字节的数量。功能单元还具有差异电路，用于确定所述输入矢量的元素的字节序列与所述数据内所述输入值的字节序列之间的相应的距离。 | ||||||
| 2 | 用于滑动窗口编码算法的指令 | CN201380062335.X | 2013-06-27 | CN104903850A | 2015-09-09 | V·戈帕尔; J·吉尔福德; G·M·沃尔里克 |
| 说明的处理器具有指令执行流水线，其具有功能单元来执行比较矢量元素与输入值的指令。每个矢量元素和输入值具有标识数据内的位置的第一相应的段和具有数据的字节序列的第二相应的段。功能单元具有比较电路，用于比较输入矢量元素的相应的字节序列与输入值的字节序列，来识别每个比较的匹配字节的数量。功能单元还具有差异电路，用于确定所述输入矢量的元素的字节序列与所述数据内所述输入值的字节序列之间的相应的距离。 | ||||||
| 3 | 基于矩阵变换和滑动窗口的图像边缘增强算法 | CN202310149600.3 | 2023-02-21 | CN116188801A | 2023-05-30 | 韩琦; 李思汉; 王洪艺; 侯明阳; 秦佳佳; 翁腾飞 |
| 本发明公开了一种基于矩阵变换和滑动窗口的图像边缘增强算法，按照以下步骤进行：S1：获取训练图像集，对训练图像集中的样本图像和标签图像进行降维处理后，得到样本图像集合和标签图像集合；S2：对样本图像集合和标签图像集合中的图像利用滑动窗口算法进行子块提取，得到标签特征子块集合及其对应的样本特征子块集合；S3：从所述标签特征子块集合、样本特征子块集合中按比例抽取子块构成矩阵，并对其进行矩阵求解，得到图像目标边缘增强算子；S4：利用图像目标边缘增强算子对待处理图像集进行目标边缘增强处理，得到目标边缘增强图像集。有益效果：增强了图像关键边缘的显示效果，便于后续特征提取，对模型提高目标分割有进一步的帮助。 | ||||||
| 4 | 一种基于滑动窗口算法的纹理粗糙度定义方法 | CN201911005650.4 | 2019-10-22 | CN110728677A | 2020-01-24 | 唐朝晖; 范影; 罗金; 张虎; 张国勇 |
| 一种基于滑动窗口算法的纹理粗糙度定义方法，在泡沫浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，定义了新的纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。 | ||||||
| 5 | 一种用于桥梁裂缝检测的窗口滑动算法 | CN201710207983.X | 2017-03-31 | CN107123109A | 2017-09-01 | 李良福; 马卫飞; 张玉霞; 李丽 |
| 本发明公开了一种用于桥梁裂缝检测的窗口滑动算法,包括以下步骤:1).构建数据集,将数据集分为训练集和验证集后,在DBCC分类模型中进行训练；2).结合DBCC分类模型,检测桥梁裂缝。检测桥梁裂缝的计算过程如下述公式所示:其中,Pb(x)和Pc(x)为在本次识别过程中,桥梁背景面元和桥梁裂缝面元所识别的概率；f(x)为0,表示当前的桥梁面元图像为桥梁背景面元,f(x)为1,表示当前的桥梁面元图像为桥梁裂缝面元,t为一个概率区分阈值。本发明与直接使用传统的窗口滑动算法结合DBCC模型进行的桥梁裂缝检测相比，本发明对于桥梁裂缝的检测更加的准确、对桥梁面元噪声的抑制能力更强。 | ||||||
| 6 | 基于滑动窗口最大匹配算法的地址匹配方法 | CN201510092653.1 | 2015-03-02 | CN104615782A | 2015-05-13 | 李晓林; 魏运运; 张彦铎; 卢涛; 段艳会; 张玉敏; 黄爽; 万永静; 杨威 |
| 本发明提供一种基于滑动窗口最大匹配算法的地址匹配方法，包括以下步骤：建立行政区划表；对行政区划表建立匹配查询关系；设置滑动窗口，进行匹配查询。本发明方法将地理赋值的两个环节“地址分词”与“地址匹配”整合到了一起，即在分词的同时进行数据库匹配，实现了在分词完成的同时也查找到了所匹配的记录；通过这种方法可以有效的减少数据库的查询访问次数，从而加快匹配速度。 | ||||||
| 7 | 一种基于滑动窗口的FGS带宽快速分配算法 | CN200710120476.9 | 2007-08-20 | CN100579226C | 2010-01-06 | 缪华; 单宝松; 曾强; 刘祥龙; 李未 |
| 一种基于滑动窗口的FGS带宽快速分配算法：(1)由FGS编码器在编码时提取当前编码帧的R-D曲线及绝对误差和SAD信息，并将该帧放入滑动窗口内，更新窗口的可用带宽值；(2)若滑动窗口内真实帧数目小于预定阀值M，则转到步骤(1)；(3)遍历整个滑动窗口，对每个未做插帧处理的真实帧根据其SAD信息做插帧处理，其中插入帧标记为虚假帧，更新窗口的可用带宽值；(4)根据插帧处理后的滑动窗口以及各个帧的R-D曲线，以当前窗口的可用带宽为上限，运行FGS带宽分配算法；(5)根据算法结果发送滑动窗口内第一帧，清除该帧及相关的虚假帧，更新窗口可用带宽，若还有未发送帧则转到步骤(1)。本发明根据相邻帧的差异程度，以小滑动窗口插帧的方法来达到现有算法中大滑动窗口的效果，从而降低算法时延。 | ||||||
| 8 | 一种零延迟的基于滑动窗口的FGS带宽分配算法 | CN200710176722.2 | 2007-11-01 | CN101159686A | 2008-04-09 | 缪华; 单宝松; 刘祥龙 |
| 一种零延迟的基于滑动窗口的FGS带宽分配算法：(1)初始化算法中的各个变量；(2)由FGS编码器在编码时提取当前编码帧的R－D曲线，将编码完成的帧放入滑动窗口内，依据实际测量的可用带宽和发送端帧率更新当前窗口的可用带宽值；(3)依据历史可用带宽总量与实际使用带宽总量，对当前窗口的可用带宽值进行修正，并以修正后带宽为上限，对整个滑动窗口运行一种现有的FGS带宽分配算法；(4)发送窗口内当前发送帧序号对应的那一帧，更新历史可用带宽总量和实际使用带宽总量；(5)若窗口大小超过阈值，滑动窗口下沿，并更新当前窗口的可用带宽值；(6)更新当前发送帧序号；(7)若还有未发送帧，则转到步骤(2)。本发明在不降低太多带宽分配效能的前提下，达到了快速分配带宽的目的，其所带来的延迟为零。 | ||||||
| 9 | 一种基于滑动窗口算法的纹理特征度量方法 | CN201911005639.8 | 2019-10-22 | CN110728676B | 2022-03-15 | 唐朝晖; 罗金; 张国勇; 李耀国; 范影 |
| 一种基于滑动窗口算法的纹理特征度量方法，在泡泡浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡泡图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，将所提取的颗粒区域按中心点位置进行分级，继而对颗粒区域之间的密集程度进行度量，定义了纹理特征颗粒密集度，用以反映整幅图像的纹理特征。有效弥补了传统的纹理特征提取方法没有考虑泡泡表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。 | ||||||
| 10 | 一种基于滑动窗口算法的纹理特征度量方法 | CN201911005639.8 | 2019-10-22 | CN110728676A | 2020-01-24 | 唐朝晖; 罗金; 张国勇; 李耀国; 范影 |
| 一种基于滑动窗口算法的纹理特征度量方法，在泡泡浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡泡图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，将所提取的颗粒区域按中心点位置进行分级，继而对颗粒区域之间的密集程度进行度量，定义了纹理特征颗粒密集度，用以反映整幅图像的纹理特征。有效弥补了传统的纹理特征提取方法没有考虑泡泡表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。 | ||||||
| 11 | 基于滑动窗口最大匹配算法的地址匹配方法 | CN201510092653.1 | 2015-03-02 | CN104615782B | 2017-10-10 | 李晓林; 魏运运; 张彦铎; 卢涛; 段艳会; 张玉敏; 黄爽; 万永静; 杨威 |
| 本发明提供一种基于滑动窗口最大匹配算法的地址匹配方法，包括以下步骤：建立行政区划表；对行政区划表建立匹配查询关系；设置滑动窗口，进行匹配查询。本发明方法将地理赋值的两个环节“地址分词”与“地址匹配”整合到了一起，即在分词的同时进行数据库匹配，实现了在分词完成的同时也查找到了所匹配的记录；通过这种方法可以有效的减少数据库的查询访问次数，从而加快匹配速度。 | ||||||
| 12 | 一种基于滑动窗口的FGS带宽快速分配算法 | CN200710120476.9 | 2007-08-20 | CN101119489A | 2008-02-06 | 缪华; 单宝松; 曾强; 刘祥龙 |
| 一种基于滑动窗口的FGS带宽快速分配算法：(1)由FGS编码器在编码时提取当前编码帧的R－D曲线及绝对误差和SAD)信息，并将该帧放入滑动窗口内，更新窗口的可用带宽值；(2)若滑动窗口内真实帧数目小于预定阀值M，则转到步骤(1)；(3)遍历整个滑动窗口，对每个未做插帧处理的真实帧根据其SAD信息做插帧处理，其中插入帧标记为虚假帧，更新窗口的可用带宽值；(4)根据插帧处理后的滑动窗口以及各个帧的R－D曲线，以当前窗口的可用带宽为上限，运行FGS带宽分配算法；(5)根据算法结果发送滑动窗口内第一帧，清除该帧及相关的虚假帧，更新窗口可用带宽，若还有未发送帧则转到步骤(1)。本发明根据相邻帧的差异程度，以小滑动窗口插帧的方法来达到现有算法中大滑动窗口的效果，从而降低算法时延。 | ||||||
| 13 | 一种基于滑动窗口算法的航迹异常判断方法 | CN202410048684.6 | 2024-01-12 | CN117874678A | 2024-04-12 | 杨悦; 张美丽; 裴红梅; 卢慧敏; 谢郡; 邢维 |
| 一种基于滑动窗口算法的航迹异常判断方法，属于船舶航行轨迹异常识别领域，用于解决更精确地检测AIS流数据中的异常数据的问题，要点是通过神经网络对船舶航行轨迹预测模型进行训练；向训练后的神经网构输入实时AIS流数据，对船舶航行轨迹进行预测；使用滑动窗口算法检测航行轨迹异常数据，其中，将预测值与实际值的差值经过归一化后转化为同一单位度量下的异常分数值得到异常分数，通过设置滑动窗口、适配时间步大小，计算得到窗口内的预测差值，并据此进行分布建模，计算预测差值在分布内的概率密度值作为t时刻的异常分数，根据异常分数判断轨迹是否存在异常，效果是能够提高AIS流数据中的异常数据检测精度。 | ||||||
| 14 | 一种基于滑动窗口算法的纹理粗糙度定义方法 | CN201911005650.4 | 2019-10-22 | CN110728677B | 2021-04-02 | 唐朝晖; 范影; 罗金; 张虎; 张国勇 |
| 一种基于滑动窗口算法的纹理粗糙度定义方法，在泡沫浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，定义了新的纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。 | ||||||
| 15 | 基于DEM三维特征分布的滑动窗口检测算法 | CN202010435166.1 | 2020-05-21 | CN111626996A | 2020-09-04 | 于继明 |
| 本申请提供基于DEM三维特征分布的滑动窗口检测算法，具体步骤如下；步骤一业务场景与基本定义；步骤二，质量特征分布及安全关系模型；步骤三，滑动窗口算法。本发明提供基于DEM三维特征分布的滑动窗口检测算法，根据现场采集的数据，进行DEM三维建模，进一步提取三维特征及分布，建立三维特征分布与抓取效果、抓取安全的关系模型，并通过仿真实验，验证检测方法的效果，为无人值守系统安全抓取提供安全有效的抓取区域。 | ||||||
| 16 | 基于自适应滑动窗口算法与区间折半算法的故障检测方法 | CN201610392752.6 | 2016-06-06 | CN106096634B | 2018-04-06 | 顾晓丹; 邓方; 刘畅; 孙健; 陈杰 |
| 本发明公开了基于自适应滑动窗口算法与区间折半算法的故障检测方法，该方法采用区间折半法提取识别趋势，并在提取过程中不断根据具体情况改变区间窗口的初始点以及结束点，自适应改变区间大小，以获得更高的提取精度，然后通过模糊趋势匹配算法将实时趋势与规则知识库中的各种典型故障的特征趋势相匹配，实时诊断系统故障；本发明能够提高传感器故障辨识的准确性和实时性。 | ||||||
| 17 | 基于自适应滑动窗口算法与区间折半算法的故障检测方法 | CN201610392752.6 | 2016-06-06 | CN106096634A | 2016-11-09 | 邓方; 刘畅; 顾晓丹; 孙健; 陈杰 |
| 本发明公开了基于自适应滑动窗口算法与区间折半算法的故障检测方法，该方法采用区间折半法提取识别趋势，并在提取过程中不断根据具体情况改变区间窗口的初始点以及结束点，自适应改变区间大小，以获得更高的提取精度，然后通过模糊趋势匹配算法将实时趋势与规则知识库中的各种典型故障的特征趋势相匹配，实时诊断系统故障；本发明能够提高传感器故障辨识的准确性和实时性。 | ||||||
| 18 | 滑动窗口下基于位置top-k关键词查询的优先查询算法及系统 | PCT/CN2017/113480 | 2017-11-29 | WO2019056569A1 | 2019-03-28 | 毛睿; 李荣华; 陆敏华; 王毅; 罗秋明; 商烁; 刘刚 |
一种滑动窗口下基于位置top-k关键词查询的优先查询算法及系统，包括如下步骤：第一步，输入构建好的四叉树索引模型和查询节点以及k，初始化结果集；第二步，进行剪枝操作，得到候选结果集；第三步，使用一个最大堆C存储候选结果集中的每个词语以及其分值；第四步，当结果集的大小小于k时，依次取出C中的队列头的词语，从根节点遍历到叶节点找到其精确分值，放入队列；第五步，循环第四步，当队列头的词语的分值等于该词在叶节点的精确分值，放入结果集中；第六步，当结果集的大小等于k时，返回结果集。本算法和系统能根据词频和位置邻近度有效修剪搜索空间，在保证不会遗失任何候选词的情况下能避免不必要的计算，大大降低了计算成本，提升查询速度。 |
||||||
| 19 | 一种基于滑动窗口分块优化算法的云存储去重方法及设备 | CN202111548991.3 | 2021-12-17 | CN114185850B | 2025-04-22 | 张鑫宇; 张品 |
| 本发明属于云存储的去重技术领域，具体涉及一种基于滑动窗口分块优化算法的云存储去重方法及设备。其云存储去重方法，基于滑动窗口的分块优化算法，通过滑动窗口的移动，确定滑动窗口的当前位置，并与文件位置进行比较，以进行不同的去重步骤，去重主要思路为通过多次分块并计算哈希值，并判断是否存在重复的哈希值以进行去重，能够更加有效地增大块级去重方法的去重率，提高网络带宽利用率，具有网络带宽利用率高，容易实现等优点，充分利用Bloom过滤器的特点，减少了文件所占内存，用极小的空间换来了极大的性能优势。 | ||||||
| 20 | 基于镜像对比损失和滑动窗口Transformer的运动想象脑电信号识别算法 | CN202410863374.X | 2024-06-29 | CN118760925A | 2024-10-11 | 罗靖; 毛琦; 闫文耀; 黑新宏; 赵煜; 石伟伟; 吴晓晖; 石争浩; 王怡馨; 王晓帆; 鲁晓锋; 陈策林 |
| 本发明公开基于镜像对比损失和滑动窗口Transformer的运动想象脑电信号识别算法，具体为：步骤1：数据集划分：将选取的数据集进行新受试者设置划分；步骤2：数据预处理：步骤3：镜像脑电信号生成；步骤4：构建滑动窗口Transformer模型，并通过步骤2预处理后的脑电信号和步骤3生成的镜像脑电信号来训练模型；步骤5：求镜像对比损失；步骤6：求分类损失，结合镜像对比损失来共同训练步骤4构建的滑动窗口Transformer脑电信号识别模型。该方法提高脑电信号中事件相关去同步化和事件相关同步化现象的定位能力并解决脑电信号在Transformer模型中的序列长度限制的问题。 | ||||||
QQ群二维码
意见反馈
意见反馈