CN104615600B - 相似性案件比对实现方法及其装置 - Google Patents
相似性案件比对实现方法及其装置 Download PDFInfo
- Publication number
- CN104615600B CN104615600B CN201310539179.3A CN201310539179A CN104615600B CN 104615600 B CN104615600 B CN 104615600B CN 201310539179 A CN201310539179 A CN 201310539179A CN 104615600 B CN104615600 B CN 104615600B
- Authority
- CN
- China
- Prior art keywords
- people
- vehicle object
- case
- property element
- similitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种相似性案件比对实现方法及其装置,所述方法包括:从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将人车物数组分别放入相应的人车物比对容器;计算各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中;依据相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。本发明有助于对两个或者多个人物、物品、车辆等比对状况的分析,从而剥离出至少两个案件中相似度最高的人车物等信息。
Description
技术领域
本发明涉及公安案件检索技术领域,具体而言,涉及一种相似性案件比对实现方法及其装置。
背景技术
在公安侦缉人员对公安案件进行侦缉的过程中,为了寻找相似的案件,通常会对两个或者多个案件进行比对。在对这些案件进行比对的过程中,其需要进行比对的内容通常会包括人物、车辆、物品等多种比对元素组的比对。
在公安侦缉人员不了解这两个或多个案件的情况下,并且这些待比对的案件包含的人车物元素组具有很多的情况下,其通常很难快速地去发现这些案件中人车物的相似性,更难让这些人、车、物信息按照相似度排序并以列表的形式在显示页面显示出来,以方便公安人员分析。
目前已有的技术是对案件中的人物信息以及图片进行相似性计算,比如采取人脸识别技术,二维向量相似算法等。然而这种计算的方式,只能对两个人、两件物品或者两辆车进行比较,假如出现了两组人、两组物品、两组车辆的情况,采用上述现有技术提供的方法,就无法智能的去定位出相似的一组人、一组物品或者一组车辆。比如具有待比较的A组人物与B组人物,假设A组中有10人,B组中有10人,现在欲定位出A组中的某一个人物与B组中最相似的某一人,采取上述相似算法就无法做到。
发明内容
鉴于此,为了解决这个问题,能够快速的查找出两个案件中相似的人物、车辆、物品等信息,本发明实施例的目的在于提供一种相似性案件比对实现方法及其装置。
为了达到本发明的目的,本发明实施例采用以下技术方案实现:
一种相似性案件比对实现方法,其包括:
从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;
对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将所述人车物数组分别放入相应的人车物比对容器;
采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中;
依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。
优选地,采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中的步骤包括:
遍历每个所述人车物比对容器之中各待比对人车物数组中的人车物属性元素,并对各待比对人车物数组中的人车物属性元素一一依据至少一相似性计算方法进行相似性计算,并将具有最大相似性的至少两个属性元素对象以键值对的形式记录至第一映射表,将所述具有最大相似性的至少两个属性元素对象中的其中一个与计算得到的相似度值以键值对的形式记录至第二映射表,之后从所述各待比对人车物数组中分别删除所述具有最大相似性的至少两个属性元素对象;
重复上述步骤,直至至少一待比对人车物数组中的人车物属性元素被删除完。
优选地,依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示的步骤包括:
对所述第二映射表中的属性元素对象依照相似度值的大小进行排序并添加至第一排序数组;
依据所述第一排序数组中的排序结果以及第一映射表中至少两个属性元素对象的对应关系对其他各待比对人车物数组中的人车物属性元素的相似性进行排序,并添加至相对应的至少一个第二排序数组之中;
将所述第一排序数组以及至少一个第二排序数组之中的人车物属性元素进行展示。
一种相似性案件比对实现装置,其包括:
数据获取模块,用于从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;
提取模块,用于对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将所述人车物数组分别放入相应的人车物比对容器;
计算模块,用于采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中;
展示模块,用于依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。
优选地,计算模块采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中的步骤包括:
遍历每个所述人车物比对容器之中各待比对人车物数组中的人车物属性元素,并对各待比对人车物数组中的人车物属性元素一一依据至少一相似性计算方法进行相似性计算,并将具有最大相似性的至少两个属性元素对象以键值对的形式记录至第一映射表,将所述具有最大相似性的至少两个属性元素对象中的其中一个与计算得到的相似度值以键值对的形式记录至第二映射表,之后从所述各待比对人车物数组中分别删除所述具有最大相似性的至少两个属性元素对象;
重复上述步骤,直至至少一待比对人车物数组中的人车物属性元素被删除完。
优选地,展示模块依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示的步骤包括:
对所述第二映射表中的属性元素对象依照相似度值的大小进行排序并添加至第一排序数组;
依据所述第一排序数组中的排序结果以及第一映射表中至少两个属性元素对象的对应关系对其他各待比对人车物数组中的人车物属性元素的相似性进行排序,并添加至相对应的至少一个第二排序数组之中;
将所述第一排序数组以及至少一个第二排序数组之中的人车物属性元素进行展示。
通过上述本发明的技术方案可以看出,本发明提供的相似性案件比对实现方法,能够快速的对这两个案件中对应的元素组进行比对,并且以元素分组的形式将各元素组中元素进行比对,然后按照相似度进行排序并显示出来。从而有助于对两个或者多个人物、物品、车辆等比对状况的分析,进而剥离出至少两个案件中相似度最高的人车物等信息。
附图说明
图1是本发明实施例提供的一种相似性案件比对实现方法流程示意图;
图2是本发明实施例提供的一种相似性案件比对实现装置结构示意图。
本发明目的的实现、功能特点及优异效果,下面将结合具体实施例以及附图做进一步的说明。
具体实施方式
下面结合附图和具体实施例对本发明所述技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,本发明实施例提供的一种相似性案件比对实现方法,其包括如下步骤:
S10、从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;
S20、对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将所述人车物数组分别放入相应的人车物比对容器;
S30、采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中;
S40、依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。
对于所述步骤S10,所述案件数据库中存储大量的公安案件信息,且对于每件单独的公安案件信息中,均有可能包含人、车、物属性元素,在该步骤中,采取现有技术中提供的至少一转换方法将这些案件数据转换成包含有人车物属性元素的案件对象模型。
对于所述步骤S20,对每个案件对象模型中的人、车、物属性元素分别进行提取,之后添加至对应的人、车、物数组之中。例如,对这些分离出来的人、车、物数组,分别分成三大组,如A组、B组、C组,其中,A组中包含A1与A2人物数组,B组中包含B1与B2汽车数组,C组中包含C1与C2物品数组。
对于所述步骤S30,继续以上述例子说明该步骤S30,在具体实施时,对A组中A1数组与A2数组,将A1数组中的人物对象与A2数组中的人物对象进行相似度比较计算,A1与A2中的每一个人物对象比较,获得相似度最大的值,然后将该值对应的A1数组中某个元素与A2数组的某个元素移除,以键值对的保存到相似性映射表中,接着做第二次计算,依此类推,直到A1与A2中的元素全部被移除完时计算结束。计算结束后A1数组与A2数组中的值,再由存放计算后数据的相似性映射表重新分配这些人物对象到数据A1与A2中。
具体地,在所述步骤S30中,采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中的步骤包括:
S301、遍历每个所述人车物比对容器之中各待比对人车物数组中的人车物属性元素,并对各待比对人车物数组中的人车物属性元素一一依据至少一相似性计算方法进行相似性计算,并将具有最大相似性的至少两个属性元素对象以键值对的形式记录至第一映射表,将所述具有最大相似性的至少两个属性元素对象中的其中一个与计算得到的相似度值以键值对的形式记录至第二映射表,之后从所述各待比对人车物数组中分别删除所述具有最大相似性的至少两个属性元素对象;
S302、重复上述步骤S301,直至至少一待比对人车物数组中的人车物属性元素被删除完。
下面继续依据上述举例阐述该步骤的具体实现方案,具体实现方法包括如下步骤:
步骤1:从案件对象1与案件对象2中分别获取人、车、物数组,标记为A1、A2;B1、B2;C1、C2。其中,A1、A2表示案件对象1中的人物与案件对象2中的人物,B1、B2代表案件对象1中的车辆与案件对象2中的车辆,C1、C2代表案件对象1中的车辆与案件对象2中的车辆。
A1=a0,a1,a2,......an;
A2=b0,b1,b2,......bn。
上述公式中,A1表示案件对象1中的人物数组,an表示案件对象1中人物数组的人物对象,A2表示案件对象2中的人物数组,bn表示案件对象2中人物数组的人物对象。
步骤2:定义计算相似度的方法:S=SinmilaryMethod(o1,o2),其中,S代表相似度,o1与o2分别代表需要进行计算的人、车、物对象,另外所述相似度计算的方法为现有技术中已知的相似度计算方法,本文对此不做详细阐述。
步骤3:采用已知的相似度计算方法对A1、A2进行相似度计算,同样地,也采取相应的相似度计算方法对B1、B2以及C1、C2进行相似度计算,例如:
遍历数组A1,使A1数组的每一个人物对象与A2中每一个人物对象进行相似度计算,当A1与A2数组中的人物对象比较后得到最大相似度时,对应A1数组与A2数组的元素分别为aj与bk,两者计算后得到的相似度值为sj。
步骤4:根据步骤3计算得到的aj与bk,分别以KEY与VALUE的形式存入到映射表Map中,再将bk与sj也以KEY与VALUE的形式存入到映射表SMap中。
上述的Map是保存aj与bk的人物对象的映射表,SMap保存人物对象(例如bk)与相似度值sj的映射表。
最后将aj与bk分别从人物对象数组A1与A2中删除。
步骤5:在执行步骤4的操作之后,重复执行步骤3与步骤4,直到数组A1与数组A2中的元素全部被移除后,停止计算。
步骤6:经过步骤3、4、5的计算,得到了Map与SMap,因为Map中存入的是数组A1与A2的元素,SMap中存入的是人物对象与相似度值的对应关系,例如SMap的键值是数组A2中的人物对象元素与相似度值sj的对应关系,所以将SMap中的相似度值进行排序后,可以得到根据相似度排序之后的A2数组中人物对象元素的顺序。再根据映射关系,从Map中获取A1数组的人物对象元素,继而得到根据相似度排序后的数组A1与A2。
对于所述步骤S40,依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示的步骤包括:
S401、对所述第二映射表中的属性元素对象依照相似度值的大小进行排序并添加至第一排序数组;
S402、依据所述第一排序数组中的排序结果以及第一映射表中至少两个属性元素对象的对应关系对其他各待比对人车物数组中的人车物属性元素的相似性进行排序,并添加至相对应的至少一个第二排序数组之中;
S403、将所述第一排序数组以及至少一个第二排序数组之中的人车物属性元素进行展示。
如图2所示,本发明实施例还相应地提供了一种相似性案件比对实现装置,其包括:
数据获取模块100,用于从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;
提取模块200,用于对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将所述人车物数组分别放入相应的人车物比对容器;
计算模块300,用于采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中;
展示模块400,用于依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。
本实施例中,计算模块300采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中的步骤包括:
(1),遍历每个所述人车物比对容器之中各待比对人车物数组中的人车物属性元素,并对各待比对人车物数组中的人车物属性元素一一依据至少一相似性计算方法进行相似性计算,并将具有最大相似性的至少两个属性元素对象以键值对的形式记录至第一映射表,将所述具有最大相似性的至少两个属性元素对象中的其中一个与计算得到的相似度值以键值对的形式记录至第二映射表,之后从所述各待比对人车物数组中分别删除所述具有最大相似性的至少两个属性元素对象;
(2),重复上述步骤(1),直至至少一待比对人车物数组中的人车物属性元素被删除完。
本实施例中,展示模块400依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示的步骤包括:
(1)对所述第二映射表中的属性元素对象依照相似度值的大小进行排序并添加至第一排序数组;
(2)依据所述第一排序数组中的排序结果以及第一映射表中至少两个属性元素对象的对应关系对其他各待比对人车物数组中的人车物属性元素的相似性进行排序,并添加至相对应的至少一个第二排序数组之中;
(3)将所述第一排序数组以及至少一个第二排序数组之中的人车物属性元素进行展示。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种相似性案件比对实现方法,其特征在于,包括:
从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;
对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将所述人车物数组分别放入相应的人车物比对容器;
采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中,具体为:将具有最大相似性的至少两个属性元素对象以键值对的形式记录至第一映射表,将所述具有最大相似性的至少两个属性元素对象中的其中一个与计算得到的相似度值以键值对的形式记录至第二映射表;
依据所述第二映射表中的属性元素对象依照相似度值排序后,以获得第一映射表中具有最大相似性的至少两个属性元素对象的排序,再对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。
2.如权利要求1所述的相似性案件比对实现方法,其特征在于,采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性的步骤包括:
遍历每个所述人车物比对容器之中各待比对人车物数组中的人车物属性元素,并对各待比对人车物数组中的人车物属性元素一一依据至少一相似性计算方法进行相似性计算,相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至第一映射表和第二映射表之后,从所述各待比对人车物数组中分别删除所述具有最大相似性的至少两个属性元素对象;
重复上述步骤,直至至少一待比对人车物数组中的人车物属性元素被删除完。
3.如权利要求2所述的相似性案件比对实现方法,其特征在于,依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示的步骤包括:
对所述第二映射表中的属性元素对象依照相似度值的大小进行排序并添加至第一排序数组;
依据所述第一排序数组中的排序结果以及第一映射表中至少两个属性元素对象的对应关系对其他各待比对人车物数组中的人车物属性元素的相似性进行排序,并添加至相对应的至少一个第二排序数组之中;
将所述第一排序数组以及至少一个第二排序数组之中的人车物属性元素进行展示。
4.一种相似性案件比对实现装置,其特征在于,包括:
数据获取模块,用于从案件数据库中获取案件数据,并将这些案件数据转换成包含有人车物属性元素的案件对象模型;
提取模块,用于对每个案件对象模型中的人车物属性元素分别进行提取并添加至对应的人车物数组之中,之后将所述人车物数组分别放入相应的人车物比对容器;
计算模块,用于采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性,并将相似性最大的至少两个属性元素对象与相应的相似度值以键值对的形式记录至相似性映射表之中;具体为,将具有最大相似性的至少两个属性元素对象以键值对的形式记录至第一映射表,将所述具有最大相似性的至少两个属性元素对象中的其中一个与计算得到的相似度值以键值对的形式记录至第二映射表,
展示模块,用于依据所述第二映射表中的属性元素对象依照相似度值排序后,以获得第一映射表中具有最大相似性的至少两个属性元素对象的排序,再对各案件的案件对象模型中的人车物属性元素进行相似性排序展示。
5.如权利要求4所述的相似性案件比对实现装置,其特征在于,计算模块采取至少一相似性计算方法分别计算所述人车物比对容器之中各待比对人车物数组中的人车物属性元素的相似性的步骤包括:
遍历每个所述人车物比对容器之中各待比对人车物数组中的人车物属性元素,并对各待比对人车物数组中的人车物属性元素一一依据至少一相似性计算方法进行相似性计算,相似性最大的至少两个属性元素对象与相似度值以键值对的形式记录至第一映射表和第二映射表之后,从所述各待比对人车物数组中分别删除所述具有最大相似性的至少两个属性元素对象;
重复上述步骤,直至至少一待比对人车物数组中的人车物属性元素被删除完。
6.如权利要求5所述的相似性案件比对实现装置,其特征在于,展示模块依据所述相似性映射表对各案件的案件对象模型中的人车物属性元素进行相似性排序展示的步骤包括:
对所述第二映射表中的属性元素对象依照相似度值的大小进行排序并添加至第一排序数组;
依据所述第一排序数组中的排序结果以及第一映射表中至少两个属性元素对象的对应关系对其他各待比对人车物数组中的人车物属性元素的相似性进行排序,并添加至相对应的至少一个第二排序数组之中;
将所述第一排序数组以及至少一个第二排序数组之中的人车物属性元素进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310539179.3A CN104615600B (zh) | 2013-11-04 | 2013-11-04 | 相似性案件比对实现方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310539179.3A CN104615600B (zh) | 2013-11-04 | 2013-11-04 | 相似性案件比对实现方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104615600A CN104615600A (zh) | 2015-05-13 |
CN104615600B true CN104615600B (zh) | 2019-06-28 |
Family
ID=53150050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310539179.3A Active CN104615600B (zh) | 2013-11-04 | 2013-11-04 | 相似性案件比对实现方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615600B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851284B (zh) * | 2015-05-20 | 2017-08-15 | 浙江宇视科技有限公司 | 一种车辆管理方法及装置 |
CN105205107A (zh) * | 2015-08-27 | 2015-12-30 | 湖南人文科技学院 | 一种物联网数据相似度处理方法 |
CN108874767B (zh) * | 2018-05-04 | 2022-04-05 | 上海瀚所信息技术有限公司 | 一种用于公安系统的四维模型智能比对系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6453315B1 (en) * | 1999-09-22 | 2002-09-17 | Applied Semantics, Inc. | Meaning-based information organization and retrieval |
CN1499397A (zh) * | 2002-11-04 | 2004-05-26 | 鸿富锦精密工业(深圳)有限公司 | 案件管制系统及方法 |
CN101187927A (zh) * | 2007-12-17 | 2008-05-28 | 电子科技大学 | 一种刑事案件的串并案智能分析方法 |
CN101655860A (zh) * | 2009-09-16 | 2010-02-24 | 北京中盾安全技术开发公司 | 一种刑侦破案视频辅助分析方法及系统 |
CN102063508A (zh) * | 2011-01-10 | 2011-05-18 | 浙江大学 | 基于广义后缀树的中文搜索引擎模糊自动补全方法 |
CN102147816A (zh) * | 2011-04-21 | 2011-08-10 | 中国电子信息产业集团有限公司第六研究所 | 一种案件统计及趋势分析系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6826568B2 (en) * | 2001-12-20 | 2004-11-30 | Microsoft Corporation | Methods and system for model matching |
-
2013
- 2013-11-04 CN CN201310539179.3A patent/CN104615600B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6453315B1 (en) * | 1999-09-22 | 2002-09-17 | Applied Semantics, Inc. | Meaning-based information organization and retrieval |
CN1499397A (zh) * | 2002-11-04 | 2004-05-26 | 鸿富锦精密工业(深圳)有限公司 | 案件管制系统及方法 |
CN101187927A (zh) * | 2007-12-17 | 2008-05-28 | 电子科技大学 | 一种刑事案件的串并案智能分析方法 |
CN101655860A (zh) * | 2009-09-16 | 2010-02-24 | 北京中盾安全技术开发公司 | 一种刑侦破案视频辅助分析方法及系统 |
CN102063508A (zh) * | 2011-01-10 | 2011-05-18 | 浙江大学 | 基于广义后缀树的中文搜索引擎模糊自动补全方法 |
CN102147816A (zh) * | 2011-04-21 | 2011-08-10 | 中国电子信息产业集团有限公司第六研究所 | 一种案件统计及趋势分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104615600A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10963632B2 (en) | Method, apparatus, device for table extraction based on a richly formatted document and medium | |
US20160092527A1 (en) | Data processing apparatus and data mapping method thereof | |
CN105788264B (zh) | 基于Hbase的卡口数据区域碰撞分析的方法及系统 | |
Guo et al. | Deep vision networks for real-time robotic grasp detection | |
CN107590250A (zh) | 一种时空轨迹生成方法及装置 | |
CN106991355A (zh) | 基于拓扑保持的解析型字典学习模型的人脸识别方法 | |
Pillai et al. | Spatio-temporal co-occurrence pattern mining in data sets with evolving regions | |
CN104615600B (zh) | 相似性案件比对实现方法及其装置 | |
CN103226584B (zh) | 形状描述符的构建方法及基于该描述符的图像检索方法 | |
Maitra et al. | Bootstrapping for significance of compact clusters in multidimensional datasets | |
CN109446347A (zh) | 一种有监督的快速离散多模态哈希检索方法和系统 | |
US20120251001A1 (en) | Electronic device with function of separating panels of digital comic strip and method thereof | |
CN107133257A (zh) | 一种基于中心连通子图的相似实体识别方法及系统 | |
Srivastava et al. | Looking for shapes in two-dimensional cluttered point clouds | |
CN103345621B (zh) | 一种基于稀疏浓度指数的人脸分类方法 | |
Saravanan et al. | Video image retrieval using data mining techniques | |
CN111046213B (zh) | 一种基于图像识别的知识库构建方法 | |
Arora et al. | Big data: A review of analytics methods & techniques | |
Li et al. | Loop closure detection based on image semantic segmentation in indoor environment | |
Zhang et al. | Common community structure in time-varying networks | |
Yao | [Retracted] Application of Higher Education Management in Colleges and Universities by Deep Learning | |
CN103279580A (zh) | 基于新型语义空间的视频检索方法 | |
CN103258211A (zh) | 一种手写体数字识别方法和系统 | |
CN104077419B (zh) | 结合语义与视觉信息的长查询图像检索重排序方法 | |
CN106778589A (zh) | 一种基于改进型LeNet的鲁棒蒙面人脸检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 518057 the six level of energy storage building 3099, Keyuan South Road, Nanshan District, Shenzhen, Guangdong. Applicant after: Shenzhen Liwei Zhilian Technology Co., Ltd. Address before: 518057 two floor, W1-A building, science and technology south road, Nanshan District hi tech Zone, Shenzhen, Guangdong. Applicant before: Shenzhen ZTE NetView Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |