| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 41 | 一种基于滑动窗口和离散差分进化算法的3D布局优化方法 | CN202211632016.5 | 2022-12-19 | CN115906748A | 2023-04-04 | 刘静; 陈玺元; 赵宏 |
| 本发明涉及集成电路技术领域，具体的说是一种基于滑动窗口和离散差分进化算法的3D布局优化方法。在进行优化时，首先读入电路网表、当前两个Die的尺寸以及标准单元的规格，然后进行优化。对比传统的各种2D布局优化算法，本发明能够有效处理3D芯片布局问题。通过滑动窗口策略在Top和Bottom两个Die中交替的滑动窗口，针对3D堆叠技术中两个面对面的Die的放置提供了一个有效的解决方案，且通过离散差分进化算法来进一步优化放置结果，通过不断地重新组合Cells的放置顺序来获得最优的布局方案。在连接终端的布局问题中，网格化预处理方案能够以O(n)的时间复杂度完成跨Die的Nets与连接终端的一一对应过程，能够有效处理大规模集成电路的布局优化问题。 | ||||||
| 42 | 基于滑动窗口算法的图像目标边缘增强处理方法 | CN202211359931.1 | 2022-11-02 | CN115660993A | 2023-01-31 | 韩琦; 侯明阳; 王洪艺; 翁腾飞 |
| 本发明公开了一种基于滑动窗口算法的图像目标边缘增强处理方法，具体步骤为：对训练图像集合、训练图像标签集合采用滑动窗口算法进行特征提取、非边缘子块选择、矩阵求解等操作后得到非关键边缘抑制算子，进而获取非边缘区域弱化的初始特征图；结合初始特征图获取边缘典型特征子块集合并进行求解后，得到关键边缘增强算子HQ2；非关键边缘抑制算子HQ1和关键边缘增强算子，对测试图像集合中的测试图片依次调用非关键边缘抑制算子、关键边缘增强算子，得到测试图像的边缘增强特征图有益效果：降低噪声，对关键边缘进行增强，强化目标和背景的差异，得到凸显典型特征的边缘平滑图像。用于数据扩充后，提高图像分割识别等正确率。 | ||||||
| 43 | 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 | CN201710864389.8 | 2017-09-22 | CN107506490B | 2020-08-11 | 毛睿; 李荣华; 陆敏华; 王毅; 罗秋明; 商烁; 刘刚 |
| 本发明公开了一种动窗口下基于位置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。本发明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。 | ||||||
| 44 | 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 | CN201710864389.8 | 2017-09-22 | CN107506490A | 2017-12-22 | 毛睿; 李荣华; 陆敏华; 王毅; 罗秋明; 商烁; 刘刚 |
| 本发明公开了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。本发明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。 | ||||||
| 45 | 一种基于嵌套滑动窗口和遗传算法的并行处理方法 | CN201210116428.3 | 2012-04-20 | CN102662642B | 2016-05-25 | 卢晓伟 |
| 本发明提供一种基于嵌套滑动窗口和遗传算法的并行处理方法，采用基于滑动窗口之上的嵌套子窗口模型和利用遗传算法，根据数据流数据量大需要实时处理的特点，采用GPU-CUDA并行处理技术来进行动态挖掘出最新数据的频繁项集，综合处理滑动窗口内各嵌套子窗口中频繁项集，获得当前滑动窗口内数据的频繁项集，最后采用遗传算法的并行模式，得到数据流的频繁项集模式。 | ||||||
| 46 | 一种基于嵌套滑动窗口和遗传算法的并行处理方法 | CN201210116428.3 | 2012-04-20 | CN102662642A | 2012-09-12 | 卢晓伟 |
| 本发明提供一种基于嵌套滑动窗口和遗传算法的并行处理方法，采用基于滑动窗口之上的嵌套子窗口模型和利用遗传算法，根据数据流数据量大需要实时处理的特点，采用GPU-CUDA并行处理技术来进行动态挖掘出最新数据的频繁项集，综合处理滑动窗口内各嵌套子窗口中频繁项集，获得当前滑动窗口内数据的频繁项集，最后采用遗传算法的并行模式，得到数据流的频繁项集模式。 | ||||||
| 47 | 一种基于滑动窗口机制的图像分类神经网络可视化算法的增强方法 | CN202310428053.2 | 2023-04-20 | CN116403050B | 2025-05-30 | 项小红; 张涪源; 邓欣; 张浩 |
| 48 | 一种基于滑动窗口机制的图像分类神经网络可视化算法的增强方法 | CN202310428053.2 | 2023-04-20 | CN116403050A | 2023-07-07 | 项小红; 张涪源; 邓欣; 张浩 |
| 本发明公开了一种基于滑动窗口机制的图像分类神经网络可视化算法的增强方法，其可以直接应用在多数可视化算法上。该增强方法使用固定尺寸的滑动窗口对输入图片中的所有局部区域上采样到输入图片尺寸，然后将结果输入到选定的可视化算法中得到所有图片的针对特定类别的显著图和概率分数，最后将显著图下采样到输入图片对应位置上的窗口中，并乘以概率分数，即可得到具备更多细节的显著图。可将该方法应用在不同的可视化算法上，这些算法基于不同架构的网络。 | ||||||
| 49 | INSTRUCTIONS FOR SLIDING WINDOW ENCODING ALGORITHMS | PCT/US2013/048333 | 2013-06-27 | WO2014105195A1 | 2014-07-03 | GOPAL, Vinodh; GUILFORD, James; WOLRICH, Gilbert M. |
A processor is described having an instruction execution pipeline having a functional unit to execute an instruction that compares vector elements against an input value. Each of the vector elements and the input value have a first respective section identifying a location within data and a second respective section having a byte sequence of the data. The functional unit has comparison circuitry to compare respective byte sequences of the input vector elements against the input value's byte sequence to identify a number of matching bytes for each comparison. The functional unit also has difference circuitry to determine respective distances between the input vector 's elements' byte sequences and the input value's byte sequence within the data. |
||||||
| 50 | 應用於慣性滑鼠的即時滑動視窗平均化技術演算法 | TW093115718 | 2004-06-01 | TW200540700A | 2005-12-16 | 吳崇民 WU, CHUNG-MIN; 羅錦興 LUO, CHING-HSING |
| 本發明係屬一種應用於慣性滑鼠的即時滑動視窗平均化技術演算法，尤指一種為提高慣性感測器的靈敏度，有效偵測滑鼠的運動與習性之方法所屬者；依本發明方法，係慣性感測器應用於慣性滑鼠的即時滑動視窗平均化技術演算法，其中：以兩個以上的數據為視窗，將視窗內的數據加以平均，作為輸出值；進入視窗的數據依先進先出的方式，維持視窗大小的恆定；視窗大小可以隨著雜訊大小而增加或減小，使得雜訊大小被限制在某合理範圍之內，符合人類使用滑鼠要求者。如此，藉由本發明之訊號處理方法，將可有效的降低感測器本身或外在因素所產生的雜訊干擾，提高慣性感測器的靈敏度，致能有效開發為一全新的滑鼠使用者。 | ||||||
| 51 | 슬라이딩 윈도 인코딩 알고리즘들을 위한 명령어들 | KR1020177024716 | 2013-06-27 | KR1020170104157A | 2017-09-14 | 고팔,비노드; 길포드,제임스; 울리치,길버트엠. |
| 프로세서가입력값에대하여벡터성분들을비교하는명령어를실행하기위한기능유닛을갖는명령어실행파이프라인을갖는것으로기술된다. 벡터성분들및 입력값의각각은데이터내의로케이션을식별하는제1 각각의섹션및 데이터의바이트시퀀스를갖는제2 각각의섹션을갖는다. 기능유닛은각각의비교에대한일치하는바이트들의수를식별하기위해입력값의바이트시퀀스에대하여입력벡터성분들의각각의바이트시퀀스들을비교하기위한비교회로를갖는다. 기능유닛은또한데이터내의입력벡터의성분들의바이트시퀀스들과입력값의바이트시퀀스간의각각의거리들을결정하기위한차이회로를갖는다. | ||||||
| 52 | Instructions for Sliding Window Encoding Algorithms | US13730732 | 2012-12-28 | US20140189293A1 | 2014-07-03 | Vinodh GOPAl; James GUILFORD |
| A processor is described having an instruction execution pipeline having a functional unit to execute an instruction that compares vector elements against an input value. Each of the vector elements and the input value have a first respective section identifying a location within data and a second respective section having a byte sequence of the data. The functional unit has comparison circuitry to compare respective byte sequences of the input vector elements against the input value's byte sequence to identify a number of matching bytes for each comparison. The functional unit also has difference circuitry to determine respective distances between the input vector ‘s elements’ byte sequences and the input value's byte sequence within the data. | ||||||
| 53 | 슬라이딩 윈도 인코딩 알고리즘들을 위한 명령어들 | KR1020157013831 | 2013-06-27 | KR1020150102964A | 2015-09-09 | 고팔,비노드; 길포드,제임스; 울리치,길버트엠. |
| 프로세서가 입력 값에 대하여 벡터 성분들을 비교하는 명령어를 실행하기 위한 기능 유닛을 갖는 명령어 실행 파이프라인을 갖는 것으로 기술된다. 벡터 성분들 및 입력 값의 각각은 데이터 내의 로케이션을 식별하는 제1 각각의 섹션 및 데이터의 바이트 시퀀스를 갖는 제2 각각의 섹션을 갖는다. 기능 유닛은 각각의 비교에 대한 일치하는 바이트들의 수를 식별하기 위해 입력 값의 바이트 시퀀스에 대하여 입력 벡터 성분들의 각각의 바이트 시퀀스들을 비교하기 위한 비교 회로를 갖는다. 기능 유닛은 또한 데이터 내의 입력 벡터의 성분들의 바이트 시퀀스들과 입력 값의 바이트 시퀀스 간의 각각의 거리들을 결정하기 위한 차이 회로를 갖는다. | ||||||
| 54 | Method and Apparatus to Raise Alerts Based on a Sliding Window Algorithm | US14288314 | 2014-05-27 | US20140351401A1 | 2014-11-27 | Habib Madani; Sameer Siddiqui; Faisal Azizullah; Adnan Ashraf |
| Method and Apparatus for rapid scalable unified infrastructure system management platform are disclosed by discovery of compute nodes, network components across data centers, both public and private for a user; assessment of type, capability, VLAN, security, virtualization configuration of the discovered unified infrastructure nodes and components; configuration of nodes and components covering add, delete, modify, scale; and rapid roll out of nodes and components across data centers both public and private. | ||||||
| 55 | Method and apparatus for determination of motion estimation search window area utilizing adaptive sliding window algorithm | US12565464 | 2009-09-23 | US08976860B2 | 2015-03-10 | Madhukar Budagavi |
| A method and apparatus for motion estimation utilizing adaptive sliding window algorithm, the method includes estimating motion estimation search window size, transferring data from a previous picture relating to the search window, wherein the size of the search window is determined, and calculating motion vector of the current block by block matching the current block with data of the previous picture in search window. | ||||||
| 56 | Method and Apparatus for Determination of Motion Estimation Search Window Area Utilizing Adaptive Sliding Window Algorithm | US12565464 | 2009-09-23 | US20110069751A1 | 2011-03-24 | Madhukar Budagavi |
| A method and apparatus for motion estimation utilizing adaptive sliding window algorithm, the method includes estimating motion estimation search window size, transferring data from a previous picture relating to the search window, wherein the size of the search window is determined, and calculating motion vector of the current block by block matching the current block with data of the previous picture in search window. | ||||||
| 57 | 基于局部中值直方图的自适应红外图像去条纹算法 | PCT/CN2020/088056 | 2020-04-30 | WO2020224518A1 | 2020-11-12 | 隋修宝; 陈扬; 陈钱; 顾国华; 王利平; 蔡思聪; 朱亮亮; 于雪莲; 蔡钰珏; 张文辉 |
本发明公开了一种基于局部中值直方图的自适应红外图像去条纹算法，通过计算滑动窗口内场景复杂度，找出原始红外图像中每一列与相邻列场景变化最小的窗口。计算该窗口所有列的累积直方图，得到窗口中心列的中值直方图，根据中值直方图计算出窗口中心列的各个像素校正后的灰度值，用原始灰度值均值减去校正后的灰度值均值就可以得到该列的条纹值。将整列都减去条纹值即为该列最终输出的灰度值。本发明通过滑动窗口找到图像中场景变化不明显的区域，校正效果不受场景影响，可以消除传统中值直方图均衡去条纹算法中图像场景变化剧烈时引入新的噪声的问题。 |
||||||
| 58 | 一种机械加工过程中颤振的监测方法 | PCT/CN2019/108453 | 2019-09-27 | WO2021042434A1 | 2021-03-11 | 冯峰; 许超; 梅雪钰; 冯平法; 马原 |
一种机械加工过程中颤振的监测方法，包括如下步骤：S1、采集机械加工过程中与颤振相关的原始信号；S2、针对所述原始信号，通过以设定的步长更新一个滑动窗口内的数据点，得到用于计算分析的信号段，其中所述步长指的是所述滑动窗口每次更新的数据点数，所述步长不大于所述滑动窗口的大小；S3、使用分形算法计算所述滑动窗口内的所述信号段的分形维数；S4、将计算出来的所述分形维数与识别阈值进行比较，以判断加工过程是否发生颤振。该监测方法不需要对测得的信号进行预处理，能够大幅度提高计算效率，并且能保证颤振识别的准确率。 |
||||||
| 59 | 一种基于人工智能的用电设备监测方法及系统 | CN202410071428.9 | 2024-01-18 | CN117591987B | 2024-04-26 | 许鹏飞; 李如飞; 公彪; 李建辉; 郭春峰 |
| 本发明涉及用电设备监测领域，具体涉及一种基于人工智能的用电设备监测方法及系统，获取用电设备的功率数据及流速数据；设置流速数据序列的各时间窗口及其内部各滑动窗口；根据流速数据的滑动窗口内流速数据的变化、功率数据数量及时间窗口的流速‑功率概率矩阵得到流速数据的修正变异系数；根据流速数据的修正变异系数、滑动窗口最小单元及滑动窗口内的功率数据分布得到滑动窗口的窗口交叠大小；将滑动窗口的滑动窗口大小及滑动窗口交叠大小采用突变点检测算法得到滑动窗口的突变点数量，完成用电设备的监测。本发明提升了监测结果的精度，保证监测质量。 | ||||||
| 60 | 一种基于人工智能的用电设备监测方法及系统 | CN202410071428.9 | 2024-01-18 | CN117591987A | 2024-02-23 | 许鹏飞; 李如飞; 公彪; 李建辉; 郭春峰 |
| 本发明涉及用电设备监测领域，具体涉及一种基于人工智能的用电设备监测方法及系统，获取用电设备的功率数据及流速数据；设置流速数据序列的各时间窗口及其内部各滑动窗口；根据流速数据的滑动窗口内流速数据的变化、功率数据数量及时间窗口的流速‑功率概率矩阵得到流速数据的修正变异系数；根据流速数据的修正变异系数、滑动窗口最小单元及滑动窗口内的功率数据分布得到滑动窗口的窗口交叠大小；将滑动窗口的滑动窗口大小及滑动窗口交叠大小采用突变点检测算法得到滑动窗口的突变点数量，完成用电设备的监测。本发明提升了监测结果的精度，保证监测质量。 | ||||||
QQ群二维码
意见反馈
意见反馈