-
公开(公告)号：CN117526092A
公开(公告)日：2024-02-06
申请号：CN202210907251.2
申请日：2022-07-29
Abstract: 本申请提供一种激光器芯片、器件和设备，以提高有源区的光学增益，优化量子级联激光器的工作性能。激光器芯片包括多个周期级联的有源层，每个有源层中的有源区包括6个量子阱。这种激光器结构设计能够使得有源区的能带结构设计为上激光能级和下激光能级之间具有更大空间耦合，以通过增加上激光能级和下激光能级之间的偶极子矩阵元来提高增益和激光性能。
-
公开(公告)号：CN105095276B
公开(公告)日：2020-04-21
申请号：CN201410200896.8
申请日：2014-05-13
Applicant: 华为技术有限公司
IPC: G06F16/2458
Abstract: 本发明实施例提供一种挖掘最大重复序列的方法及装置，基于流水线和后缀树确定最大重复序列，实现增量式挖掘，提高了计算效率。本发明实施例提供的挖掘最大重复序列的方法包括：获取字符；将字符追加到流水线集合中的每个流水线中，分别判断追加字符后的每个流水线中的序列与后缀树上对应的序列是否相同；在流水线集合中，若存在第一流水线，在追加字符后的序列与后缀树上对应的序列不同，则根据第一预设策略以及所述第一流水线中的序列确定最大重复序列；若存在第二流水线，在追加所述字符后的序列与后缀树上对应的序列相同，则根据所述第二流水线的位置指针以及第二预设策略确定最大非串联重复序列。
-
公开(公告)号：CN104933082B
公开(公告)日：2019-05-03
申请号：CN201410108939.X
申请日：2014-03-21
Applicant: 华为技术有限公司
IPC: G06F16/9535
Abstract: 本发明实施例提供一种评价信息处理方法及装置。本发明的评价信息处理方法包括：采集S个信息源的评价信息，S≥2；每个信息矩阵行对应评价信息的用户，列对应评价信息的目标对象；将每个信息矩阵分解为一个用户组矩阵和用户组信息矩阵，得到S个用户组矩阵和S个用户组信息矩阵；每个信息矩阵的用户组矩阵和用户组信息矩阵分别为N行×C列的矩阵和C行×K列的矩阵，N为用户个数，K为相同目标对象的评价信息个数，C为不大于用户个数的最小值的预设正整数；分别根据S个信息源对每个目标对象的权重，对S个用户组矩阵和S个用户组信息矩阵中元素进行计算，获得该目标对象的综合参考信息。本发明实施例提供更可靠、更准确的参考信息。
-
公开(公告)号：CN105138527B
公开(公告)日：2019-02-12
申请号：CN201410242170.0
申请日：2014-05-30
Applicant: 华为技术有限公司
IPC: G06F16/906
Abstract: 本发明公开了一种数据分类回归方法及装置。方法为，将初始样本向量集合划分为连续类型数据序列、类别类型数据序列，以及二进制数据序列，并将连续类型数据序列、类别类型数据序列分别转化为二进制形式的第一向量序列以及第二向量序列，合并第一向量序列、第二向量序列，以及二进制数据序列，生成分类回归向量序列；根据该分类回归向量序列中的每一个向量，获取初始样本向量集合的分类回归结果。采用本发明技术方案，数据分类回归结果的获取不受数据维数以及数据数量的限制，并且无须采用迭代算法实现数据的分类回归，从而降低了获取数据分类回归结果的复杂度。
-
公开(公告)号：CN105224984B
公开(公告)日：2018-03-13
申请号：CN201410242182.3
申请日：2014-05-31
Applicant: 华为技术有限公司
IPC: G06N3/02
Abstract: 本发明公开了一种基于深度神经网络的数据类别识别方法及装置，用以解决目前通过深度神经网络进行数据识别时，存在无法识别数据的类别信息的问题。本发明实施例中，在本地建立添加数据类别信息的深度神经网络，将待识别数据输入基于上述数据类别信息生成的深度神经网络的输入层中，获取该深度神经网络的输出层输出的待识别数据所属的类别信息。采用本发明技术方案，基于数据的类别信息建立深度神经网络，通过该深度神经网络，方便快捷地获得待识别数据的类别信息，从而实现了深度神经网络的类别识别功能，便于根据待识别数据的类别信息挖掘待识别数据的深层规律。
-
Patent Agency Ranking
公开(公告)号：CN104572766B
公开(公告)日：2018-03-09
申请号：CN201310513974.5
申请日：2013-10-25
Applicant: 华为技术有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种社交网络的用户状态识别方法及装置，社交网络包括激活用户、非激活用户以及静默用户，其中，静默用户的状态不稳定，最终转换为激活用户或非激活用户，该识别方法包括：获取用户对一新的事件的用户‑事件相似度；根据用户‑事件相似度识别用户为静默用户或非激活用户；确定社交网络中静默用户或非激活用户最终处于激活或非激活状态，通过上述方式，本发明设计了一种新的社交网络的用户状态模型，包含激活、非激活以及不稳定的静默态，充分全面考虑用户状态的可能影响因素精确地推断出用户的最终状态，从而可以进行精准的用户状态监测。
-
公开(公告)号：CN105989104A
公开(公告)日：2016-10-05
申请号：CN201510080264.7
申请日：2015-02-13
Applicant: 华为技术有限公司
IPC: G06F17/30
Abstract: 本发明提供确定大数据流中的特殊数据项的方法及装置，涉及计算机领域，能够比较准确确定大数据流中的特殊数据项。包括在采样周期内获取采样的n个数据项，用先获取的k个均不相同的数据项形成队列；若k个均不相同的数据项后获取的第m个数据项与队列的一数据项相同，则对该数据项计数后移至队列的队首；若第m个数据项与队列的数据项均不同，则将队列队尾的数据项换为第m个数据项，并对该数据项计数后移至队列的队首；每经过预设时间根据k个计数器的值、前次估算的k个数据项的出现频率和计算公式，估算k个数据项的出现频率；数据流采样周期后，根据最终估算的k个数据项的出现频率，确定出现频率满足预设阈值的数据项为特殊数据项。
-
公开(公告)号：CN105680868A
公开(公告)日：2016-06-15
申请号：CN201410653071.1
申请日：2014-11-17
Applicant: 华为技术有限公司
IPC: H03M7/30
CPC classification number: H03M7/30 , H03M7/3064
Abstract: 本发明实施例提供了一种压缩流数据的方法，包括：根据所获取的流数据和预定义的最大误差，构造多个线段；根据所述多个线段，确定目标分段线性函数，该目标分段线性函数包括多个线性函数，且所述多个线性函数中的每两个线性函数的自变量的取值范围的交集最多包括一个值；根据目标分段线性函数，输出参考数据点，参考数据点包括目标分段线性函数的连续点和间断点。这样，本发明实施例中，根据多个数据点和最大误差，构造多个线段，进一步根据多个线段确定目标分段线性函数，并用该目标分段线性函数的连续点和间断点表示压缩后的流数据。本发明实施例的方法能够保证该目标分段线性函数具有最少的参数个数，这样对存储空间的要求最低。
-
公开(公告)号：CN105446988A
公开(公告)日：2016-03-30
申请号：CN201410310442.6
申请日：2014-06-30
Applicant: 华为技术有限公司
IPC: G06F17/30
Abstract: 本发明实施例提供了一种预测类别的方法和装置，该方法包括：确定多个第一预测模型，其中，多个第一预测模型中的每个第一预测模型用于将实例分成多个组，多个组中的每个组对应多个标签类别中的一个标签类别，标签类别包含至少一个标签；根据多个第一预测模型中的标签之间的相互关系将多个第一预测模型合并为第二预测模型，其中，第二预测模型用于对实例进行分类得到多个组，第二预测模型的多个组中的每个组对应多个多标签类别中的一个多标签类别，多标签类别包含多个标签；根据第二预测模型确定当前的实例属于多个多标签类别中的每个多标签类别的概率，以预测当前的实例的类别，计算简便。
-
公开(公告)号：CN105335653A
公开(公告)日：2016-02-17
申请号：CN201410348557.4
申请日：2014-07-21
Applicant: 华为技术有限公司
IPC: G06F21/55
Abstract: 本发明实施例提供了一种异常数据检测方法及装置，方法包括：将用于描述待检测数据的图转化为邻接矩阵A，用L表示邻接矩阵A中不包含异常数据的子图的邻接矩阵，用R表示邻接矩阵A中包含异常数据的子图的邻接矩阵；检测待检测数据中是否包含噪声数据；根据不同的检测结果建立不同的凸优化表达式，所建立的凸优化表达式中利用L的核范数保证L的低秩性，利用R的一阶范数保证R的稀疏性，其中，L的核范数指的是L的奇异值之和，R的一阶范数指的是R中所有元素的绝对值之和；求解所建立的凸优化表达式以获取L与R。本发明实施例能够降低检测复杂度，提高检测准确率。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.061 seconds)
