法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 231 件在售专利
本发明公开了一种基于PPLS模型的间歇过程产品设计方法。本发明一种基于PPLS模型的间歇过程产品设计方法,历史运行数据中,输入条件数据为X,产品质量参数为Y,期望产品质量参数为ydes,输入条件为xpred,包括:根据历史运行数据和运行经验,选择用于建立模型的输入条件矩阵X和输出矩阵Y,建立PPLS模型;基于产品质量关于主元的条件概率分布,将期望产品质量参数作为产品质量的点估计,得到主元的点估计;基于主元关于操作轨迹的条件概率分布,使主元的估计等于由产品质量得到的点估计,从而估计出操作轨迹和操作空间。本发明的有益效果:本发明仅仅需要利用过程中现有的历史数据,即可进行产品的设计。
📄 2018115487263 📂 G05B19_418 👤 江南大学 📅 2018-12-18
¥0.0 元
本发明公开了一种短文本特征提取与分类方法,属于信息处理技术领域。通过对词频、集中度标准差、关联度高的关键词进行加权系数的奖励,再综合三者,得到关键词的特征指数;根据特征指数对初始关键词库进行优化,删除关键词库中对识别文本所属的类别所起作用较小的一些字词,也即减少了会影响文本分类准确性的关键词,使得后续分类更准确。通过将关键词映射成二维坐标平面上的点,将文本数据与关键词库的匹配,得到文本数据对应的点集,将其中的点顺序排列并连接,即得到文本的特征折线,通过特征折线的相似度反应文本的相似度,并对折线相似度算法进行了修正,利用邻居与当前文本的“相似度”来给每个邻居赋予不同的重要性,从而分类更准确。
📄 2020105025180 📂 G06F16_35 👤 江南大学 📅 2020-06-04
¥0.0 元
本发明提供一种基于特征提取和多核RSVR组合模型的短期电力负荷预测方法,包括以下步骤:步骤S1,基于皮尔逊相关系数、mRMR算法对属性特征进行提取筛选,得到包含其它属性和延迟负荷的最优属性特征集;步骤S2,使用多种不同的核函数分别构建多个单核RSVR模型;根据最优属性特征集,采用训练样本进行模型训练,采用测试样本评估模型预测能力;步骤S3,根据各个单核RSVR模型的训练预测误差分配权值,将各个单核RSVR模型进行加权融合,形成多核RSVR组合模型;步骤S4,使用多核RSVR组合模型进行短期电力负荷预测。本发明能够有效解决属性特征不分类提取、未来未知量的盲目使用等问题,并且兼顾优化了支持向量回归模型,进一步提升了方案预测性能。
📄 2020100032934 📂 H02J3_00 👤 江南大学 📅 2020-01-03
¥0.0 元
📄 2019101497372 📂 👤 📅
¥0.0 元
📄 2024107200619 📂 👤 📅
¥0.0 元
📄 2024100550556 📂 👤 📅
¥0.0 元
📄 2023114158448 📂 👤 📅
¥0.0 元
📄 2023111862472 📂 👤 📅
¥0.0 元
📄 2023106305712 📂 👤 📅
¥0.0 元
📄 202310575375X 📂 👤 📅
¥0.0 元
📄 2023105244105 📂 👤 📅
¥0.0 元
📄 2022108748299 📂 👤 📅
¥0.0 元
发明 已授权

基于PPLS模型的间歇过程产品设计方法

2018115487263 · 江南大学
¥0.0 元
发明 已授权

一种短文本特征提取与分类方法

2020105025180 · 江南大学
¥0.0 元
发明 已授权
发明 已授权
发明 已授权
发明 已授权
发明 已授权

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年