CN113610117B - 基于深度数据的水下传感数据处理方法及系统 - Google Patents
基于深度数据的水下传感数据处理方法及系统 Download PDFInfo
- Publication number
- CN113610117B CN113610117B CN202110811113.XA CN202110811113A CN113610117B CN 113610117 B CN113610117 B CN 113610117B CN 202110811113 A CN202110811113 A CN 202110811113A CN 113610117 B CN113610117 B CN 113610117B
- Authority
- CN
- China
- Prior art keywords
- key content
- key
- sensing data
- template
- content
- 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
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000005457 optimization Methods 0.000 claims description 106
- 238000012545 processing Methods 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 41
- 230000001953 sensory effect Effects 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 9
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Abstract
本申请提供的基于深度数据的水下传感数据处理方法及系统,由于目标水下传感数据中的次要传感数据是依照每一个关键内容对应的优化模板统计样本进行区分的,因此区分得到的每一个次要传感数据中包括的所有关键内容对应的优化模板关键内容一致,当由所对应的优化模板关键内容执行所述次要传感数据时可以使得所述优化模板关键内容在执行所述次要传感数据中的每一个关键内容融合准确度较高,可以充分降低每一个模板统计样本的误差,提高目标水下传感数据的融合效率。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及基于深度数据的水下传感数据处理方法及系统。
背景技术
随着进入信息化时代,相关数据不断的增加,这样就需要对相同或者相似的相关数据进行融合,这样既能有效的减少相关数据的存储量,这样能节约存储资源。然而在相关数据融合技术中还存在一些缺陷。
发明内容
鉴于此,本申请提供了基于深度数据的水下传感数据处理方法及系统。
第一方面,提供一种基于深度数据的水下传感数据处理方法,所述方法包括:
获取目标水下传感数据,其中,所述目标水下传感数据中的关键内容被依照每一个关键内容对应的优化模板统计样本区分为多个次要传感数据,每一个次要传感数据中包括的关键内容对应的优化模板统计样本一致,关键内容对应的优化模板统计样本为所述多个模板统计样本中执行所述关键内容的处理时状态优化的模板统计样本;
针对所述目标水下传感数据中的每一个次要传感数据,将所述次要传感数据匹配至所述次要传感数据所包括的关键内容对应的优化模板统计样本进行处理,得到所述目标水下传感数据的处理结果。
优选地,所述目标水下传感数据中的关键内容被预先设置的依照以下方法区分为多个次要传感数据:
针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本;
根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定所述目标关键内容中每一个关键内容的识别要素,所述识别要素用于表示关键内容在将被区分至的次要传感数据中的识别;
根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据;
其中,所述针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本,包括:
确定全局数据标识最差的匹配方法,所述全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联,将所述目标水下传感数据中的每一个关键内容匹配至所述关键内容对应的模板统计样本进行处理的状态下,完成所述目标水下传感数据的处理的预估损失和/或预估使用的平台资源;
针对所述目标水下传感数据中的每一个关键内容,将所述匹配方法中所述关键内容对应的模板统计样本确定为所述关键内容对应的优化模板统计样本;
其中,所述根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定所述目标关键内容中每一个关键内容的识别要素,包括:
针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,其中,所述主要关键内容为输出为所述关键内容输入的关键内容,所述次要关键内容为输入为所述关键内容输出的关键内容。
优选地,在所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素之前,所述方法还包括:
针对所述关键内容的每一个次要关键内容,确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致;
如果所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本一致,确定所述目标水下传感数据是否存在反馈模型,所述反馈模型为以所述次要关键内容为初始点以所述关键内容为结束点的路径,并且所述反馈模型中每一个关键内容为下一关键内容的次要关键内容,并且所述反馈模型中不包括所述次要关键内容与所述关键内容之间的区分范围;
如果所述目标水下传感数据中存在反馈模型,且所述反馈模型中存在与所述关键内容和所述次要关键内容对应于不同模板统计样本的关键内容,在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系;
所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
根据所述关键内容的映射关系中所述关键内容的所有主要关键内容对应的优化模板统计样本是否一致,以及所述关键内容的映射关系中所述关键内容的所有次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素。
优选地,所述针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据初始点;
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本每一个不一致,则确定所述关键内容属于关键内容次要传感数据;
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据属性。
优选地,所述根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据,包括:
将每一个属于关键内容次要传感数据的关键内容分别区分至一个次要传感数据;
针对每一个属于次要传感数据初始点的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分至同一次要传感数据;
并且针对每一个被区分至所述同一次要传感数据的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分所述同一次要传感数据。
第二方面,提供一种基于深度数据的水下传感数据处理系统,包括数据采集端和数据处理终端,所述数据采集端和所述数据处理终端通信连接,所述数据处理终端具体用于:
获取目标水下传感数据,其中,所述目标水下传感数据中的关键内容被依照每一个关键内容对应的优化模板统计样本区分为多个次要传感数据,每一个次要传感数据中包括的关键内容对应的优化模板统计样本一致,关键内容对应的优化模板统计样本为所述多个模板统计样本中执行所述关键内容的处理时状态优化的模板统计样本;
针对所述目标水下传感数据中的每一个次要传感数据,将所述次要传感数据匹配至所述次要传感数据所包括的关键内容对应的优化模板统计样本进行处理,得到所述目标水下传感数据的处理结果。
优选地,所述数据处理终端具体用于:
针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本;
根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定所述目标关键内容中每一个关键内容的识别要素,所述识别要素用于表示关键内容在将被区分至的次要传感数据中的识别;
根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据;
其中,所述数据处理终端具体还用于:
确定全局数据标识最差的匹配方法,所述全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联,将所述目标水下传感数据中的每一个关键内容匹配至所述关键内容对应的模板统计样本进行处理的状态下,完成所述目标水下传感数据的处理的预估损失和/或预估使用的平台资源;
针对所述目标水下传感数据中的每一个关键内容,将所述匹配方法中所述关键内容对应的模板统计样本确定为所述关键内容对应的优化模板统计样本;
其中,所述数据处理终端具体还用于:
针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,其中,所述主要关键内容为输出为所述关键内容输入的关键内容,所述次要关键内容为输入为所述关键内容输出的关键内容。
优选地,所述数据处理终端具体还用于:
针对所述关键内容的每一个次要关键内容,确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致;
如果所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本一致,确定所述目标水下传感数据是否存在反馈模型,所述反馈模型为以所述次要关键内容为初始点以所述关键内容为结束点的路径,并且所述反馈模型中每一个关键内容为下一关键内容的次要关键内容,并且所述反馈模型中不包括所述次要关键内容与所述关键内容之间的区分范围;
如果所述目标水下传感数据中存在反馈模型,且所述反馈模型中存在与所述关键内容和所述次要关键内容对应于不同模板统计样本的关键内容,在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系;
所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
根据所述关键内容的映射关系中所述关键内容的所有主要关键内容对应的优化模板统计样本是否一致,以及所述关键内容的映射关系中所述关键内容的所有次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素。
优选地,所述数据处理终端具体用于:
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据初始点;
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本每一个不一致,则确定所述关键内容属于关键内容次要传感数据;
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据属性。
优选地,所述数据处理终端具体用于:
将每一个属于关键内容次要传感数据的关键内容分别区分至一个次要传感数据;
针对每一个属于次要传感数据初始点的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分至同一次要传感数据;
并且针对每一个被区分至所述同一次要传感数据的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分所述同一次要传感数据。
本申请实施例所提供的基于深度数据的水下传感数据处理方法及系统,由于目标水下传感数据中的次要传感数据是依照每一个关键内容对应的优化模板统计样本进行区分的,因此区分得到的每一个次要传感数据中包括的所有关键内容对应的优化模板关键内容一致,当由所对应的优化模板关键内容执行所述次要传感数据时可以使得所述优化模板关键内容在执行所述次要传感数据中的每一个关键内容融合准确度较高,可以充分降低每一个模板统计样本的误差,提高目标水下传感数据的融合效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于深度数据的水下传感数据处理方法的流程图。
图2为本申请实施例所提供的一种基于深度数据的水下传感数据处理装置的框图。
图3为本申请实施例所提供的一种基于深度数据的水下传感数据处理系统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于深度数据的水下传感数据处理方法,所述方法可以包括以下步骤100和步骤200所描述的技术方案。
步骤100,获取目标水下传感数据,其中,所述目标水下传感数据中的关键内容被依照每一个关键内容对应的优化模板统计样本区分为多个次要传感数据,每一个次要传感数据中包括的关键内容对应的优化模板统计样本一致,关键内容对应的优化模板统计样本为所述多个模板统计样本中执行所述关键内容的处理时状态优化的模板统计样本。
步骤200,针对所述目标水下传感数据中的每一个次要传感数据,将所述次要传感数据匹配至所述次要传感数据所包括的关键内容对应的优化模板统计样本进行处理,得到所述目标水下传感数据的处理结果。
可以理解,在执行上述步骤100和步骤200所描述的技术方案时,由于目标水下传感数据中的次要传感数据是依照每一个关键内容对应的优化模板统计样本进行区分的,因此区分得到的每一个次要传感数据中包括的所有关键内容对应的优化模板关键内容一致,当由所对应的优化模板关键内容执行所述次要传感数据时可以使得所述优化模板关键内容在执行所述次要传感数据中的每一个关键内容融合准确度较高,可以充分降低每一个模板统计样本的误差,提高目标水下传感数据的融合效率。
在一种可替换的实施例中,目标水下传感数据中的关键内容被预先设置的依照以下方法区分为多个次要传感数据,可以包括以下步骤q1-步骤q3所描述的技术方案。
步骤q1,针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本。
步骤q2,根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定所述目标关键内容中每一个关键内容的识别要素,所述识别要素用于表示关键内容在将被区分至的次要传感数据中的识别。
步骤q3,根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据
可以理解,在执行上述步骤q1-步骤q3所描述的技术方案时,通过精确地确定所述关键内容对应的优化模板统计样本,从而提高将所述目标水下传感数据区分为多个次要传感数据的精确度。
在一种可替换的实施例中,发明人发现,针对所述目标水下传感数据中的每一个关键内容时,存在全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联不准确的问题,从而难以准确地确定所述关键内容对应的优化模板统计样本,为了改善上述技术问题,步骤q1所描述的针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本的步骤,具体可以包括以下步骤q11和步骤q12所描述的技术方案。
步骤q11,确定全局数据标识最差的匹配方法,所述全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联,将所述目标水下传感数据中的每一个关键内容匹配至所述关键内容对应的模板统计样本进行处理的状态下,完成所述目标水下传感数据的处理的预估损失和/或预估使用的平台资源。
步骤q12,针对所述目标水下传感数据中的每一个关键内容,将所述匹配方法中所述关键内容对应的模板统计样本确定为所述关键内容对应的优化模板统计样本。
可以理解,在执行上述步骤q11和步骤q12所描述的技术方案时,针对所述目标水下传感数据中的每一个关键内容时,改善全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联不准确的问题,从而能够准确地确定所述关键内容对应的优化模板统计样本。
在一种可替换的实施例中,发明人发现,根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系时,存在每一个关键内容不完整的问题,从而难以完整地确定所述目标关键内容中每一个关键内容的识别要素,为了改善上述技术问题,步骤q2所描述的根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定所述目标关键内容中每一个关键内容的识别要素的步骤,具体可以包括以下步骤q21所描述的技术方案。
步骤q21,针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,其中,所述主要关键内容为输出为所述关键内容输入的关键内容,所述次要关键内容为输入为所述关键内容输出的关键内容。
可以理解,在执行上述步骤q21所描述的技术方案时,根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系时,改善每一个关键内容不完整的问题,从而能够完整地确定所述目标关键内容中每一个关键内容的识别要素。
基于上述基础,在所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素之前,还可以包括以下步骤w1-步骤w3所描述的技术方案。
步骤w1,针对所述关键内容的每一个次要关键内容,确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致。
步骤w2,如果所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本一致,确定所述目标水下传感数据是否存在反馈模型,所述反馈模型为以所述次要关键内容为初始点以所述关键内容为结束点的路径,并且所述反馈模型中每一个关键内容为下一关键内容的次要关键内容,并且所述反馈模型中不包括所述次要关键内容与所述关键内容之间的区分范围。
步骤w3,如果所述目标水下传感数据中存在反馈模型,且所述反馈模型中存在与所述关键内容和所述次要关键内容对应于不同模板统计样本的关键内容,在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系。
可以理解,在执行上述步骤w1-步骤w3所描述的技术方案是,通过精确地确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致,从而提高在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系的精度。
在一种可替换的实施例中,发明人发现,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致时,存在映射关系不准确的问题,从而难以准确地确定所述关键内容的识别要素,为了改善上述技术问题,步骤q21所描述的根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素的步骤,具体可以包括以下步骤e1所描述的技术方案。
步骤e1,根据所述关键内容的映射关系中所述关键内容的所有主要关键内容对应的优化模板统计样本是否一致,以及所述关键内容的映射关系中所述关键内容的所有次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素。
可以理解,在执行上述步骤e1所描述的技术方案时,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致时,改善映射关系不准确的问题,从而能够准确地确定所述关键内容的识别要素。
在一种可替换的实施例中,发明人发现,针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致时,存在多种分析情况,从而难以准确地确定所述关键内容的识别要素,为了改善上述技术问题,步骤q21所描述的针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素的步骤,具体可以包括以下步骤r1-步骤r3所描述的技术方案。
步骤r1,如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据初始点。
步骤r2,如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本每一个不一致,则确定所述关键内容属于关键内容次要传感数据。
步骤r3,如果所述关键内容的每一个主要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据属性。
可以理解,在执行上述步骤r1-步骤r3所描述的技术方案时,针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致时,改善多种分析情况,从而能够准确地确定所述关键内容的识别要素。
在一种可替换的实施例中,发明人发现,根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别时,存在关键内容分别区分不准确的问题,从而难以准确地将所述目标水下传感数据区分为多个次要传感数据,为了改善上述技术问题,步骤q3所描述的根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据的步骤,具体可以包括以下步骤q31-步骤q33所描述的技术方案。
步骤q31,将每一个属于关键内容次要传感数据的关键内容分别区分至一个次要传感数据。
步骤q32,针对每一个属于次要传感数据初始点的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分至同一次要传感数据。
步骤q33,并且针对每一个被区分至所述同一次要传感数据的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分所述同一次要传感数据。
可以理解,在执行上述步骤q31-步骤q33所描述的技术方案时,根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别时,改善关键内容分别区分不准确的问题,从而能够准确地将所述目标水下传感数据区分为多个次要传感数据。
基于上述基础,在所述根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据之后,还可以包括以下步骤a1所描述的技术方案。
步骤a1,针对每两个存在一致关键内容的次要传感数据,合并所述两个次要传感数据。
可以理解,在执行上述步骤a1所描述的技术方案时,通过多个关键内容,能完整地合并所述两个次要传感数据。
在上述基础上,请结合参阅图2,提供了一种基于深度数据的水下传感数据处理装置200,应用于数据处理终端,所述装置包括:
数据获取模块210,用于获取目标水下传感数据,其中,所述目标水下传感数据中的关键内容被依照每一个关键内容对应的优化模板统计样本区分为多个次要传感数据,每一个次要传感数据中包括的关键内容对应的优化模板统计样本一致,关键内容对应的优化模板统计样本为所述多个模板统计样本中执行所述关键内容的处理时状态优化的模板统计样本;
结果处理模块220,用于针对所述目标水下传感数据中的每一个次要传感数据,将所述次要传感数据匹配至所述次要传感数据所包括的关键内容对应的优化模板统计样本进行处理,得到所述目标水下传感数据的处理结果。
在上述基础上,请结合参阅图3,示出了一种基于深度数据的水下传感数据处理系统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,由于目标水下传感数据中的次要传感数据是依照每一个关键内容对应的优化模板统计样本进行区分的,因此区分得到的每一个次要传感数据中包括的所有关键内容对应的优化模板关键内容一致,当由所对应的优化模板关键内容执行所述次要传感数据时可以使得所述优化模板关键内容在执行所述次要传感数据中的每一个关键内容融合准确度较高,可以充分降低每一个模板统计样本的误差,提高目标水下传感数据的融合效率。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种基于深度数据的水下传感数据处理方法,其特征在于,所述方法包括:
获取目标水下传感数据,其中,所述目标水下传感数据中的关键内容被依照每一个关键内容对应的优化模板统计样本区分为多个次要传感数据,每一个次要传感数据中包括的关键内容对应的优化模板统计样本一致,关键内容对应的优化模板统计样本为多个模板统计样本中执行所述关键内容的处理时状态优化的模板统计样本;
针对所述目标水下传感数据中的每一个次要传感数据,将所述次要传感数据匹配至所述次要传感数据所包括的关键内容对应的优化模板统计样本进行处理,得到所述目标水下传感数据的处理结果;
其中,所述目标水下传感数据中的关键内容被预先设置的依照以下方法区分为多个次要传感数据:
针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本;
根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定所述目标关键内容中每一个关键内容的识别要素,所述识别要素用于表示关键内容在将被区分至的次要传感数据中的识别;
根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据;
其中,所述针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本,包括:
确定全局数据标识最差的匹配方法,所述全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联,将所述目标水下传感数据中的每一个关键内容匹配至所述关键内容对应的模板统计样本进行处理的状态下,完成所述目标水下传感数据的处理的预估损失和/或预估使用的平台资源;
针对所述目标水下传感数据中的每一个关键内容,将所述匹配方法中所述关键内容对应的模板统计样本确定为所述关键内容对应的优化模板统计样本;
其中,所述根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定目标关键内容中每一个关键内容的识别要素,包括:
针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,其中,所述主要关键内容为输出为所述关键内容输入的关键内容,所述次要关键内容为输入为所述关键内容输出的关键内容。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素之前,所述方法还包括:
针对所述关键内容的每一个次要关键内容,确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致;
如果所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本一致,确定所述目标水下传感数据是否存在反馈模型,所述反馈模型为以所述次要关键内容为初始点以所述关键内容为结束点的路径,并且所述反馈模型中每一个关键内容为下一关键内容的次要关键内容,并且所述反馈模型中不包括所述次要关键内容与所述关键内容之间的区分范围;
如果所述目标水下传感数据中存在反馈模型,且所述反馈模型中存在与所述关键内容和所述次要关键内容对应于不同模板统计样本的关键内容,在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系;
所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
根据所述关键内容的映射关系中所述关键内容的所有主要关键内容对应的优化模板统计样本是否一致,以及所述关键内容的映射关系中所述关键内容的所有次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素。
3.根据权利要求1所述的方法,其特征在于,所述针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据初始点;
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本每一个不一致,且所述关键内容的每一个次要关键内容对应的优化模板统计样本每一个不一致,则确定所述关键内容属于关键内容次要传感数据;
如果所述关键内容的每一个主要关键内容对应的优化模板统计样本中存在一致的模板统计样本,则确定所述关键内容属于次要传感数据属性。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据,包括:
将每一个属于关键内容次要传感数据的关键内容分别区分至一个次要传感数据;
针对每一个属于次要传感数据初始点的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分至同一次要传感数据;
并且针对每一个被区分至所述同一次要传感数据的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分所述同一次要传感数据。
5.一种基于深度数据的水下传感数据处理系统,其特征在于,包括数据采集端和数据处理终端,所述数据采集端和所述数据处理终端通信连接,所述数据处理终端具体用于:
获取目标水下传感数据,其中,所述目标水下传感数据中的关键内容被依照每一个关键内容对应的优化模板统计样本区分为多个次要传感数据,每一个次要传感数据中包括的关键内容对应的优化模板统计样本一致,关键内容对应的优化模板统计样本为多个模板统计样本中执行所述关键内容的处理时状态优化的模板统计样本;
针对所述目标水下传感数据中的每一个次要传感数据,将所述次要传感数据匹配至所述次要传感数据所包括的关键内容对应的优化模板统计样本进行处理,得到所述目标水下传感数据的处理结果;
其中,所述数据处理终端具体用于:
针对所述目标水下传感数据中的每一个关键内容,确定所述关键内容对应的优化模板统计样本;
根据所述目标水下传感数据中每一个关键内容对应的优化模板统计样本以及每一个关键内容之间的匹配关系,确定目标关键内容中每一个关键内容的识别要素,所述识别要素用于表示关键内容在将被区分至的次要传感数据中的识别;
根据所述目标水下传感数据中每一个关键内容的识别数据所表示的识别,将所述目标水下传感数据区分为多个次要传感数据;
其中,所述数据处理终端具体还用于:
确定全局数据标识最差的匹配方法,所述全局数据标识为在依照匹配方法所表示的关键内容与模板统计样本关联,将所述目标水下传感数据中的每一个关键内容匹配至所述关键内容对应的模板统计样本进行处理的状态下,完成所述目标水下传感数据的处理的预估损失和/或预估使用的平台资源;
针对所述目标水下传感数据中的每一个关键内容,将所述匹配方法中所述关键内容对应的模板统计样本确定为所述关键内容对应的优化模板统计样本;
其中,所述数据处理终端具体还用于:
针对所述目标水下传感数据中的每一个关键内容,根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,其中,所述主要关键内容为输出为所述关键内容输入的关键内容,所述次要关键内容为输入为所述关键内容输出的关键内容。
6.根据权利要求5所述的系统,其特征在于,所述数据处理终端具体还用于:
针对所述关键内容的每一个次要关键内容,确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致;
如果所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本一致,确定所述目标水下传感数据是否存在反馈模型,所述反馈模型为以所述次要关键内容为初始点以所述关键内容为结束点的路径,并且所述反馈模型中每一个关键内容为下一关键内容的次要关键内容,并且所述反馈模型中不包括所述次要关键内容与所述关键内容之间的区分范围;
如果所述目标水下传感数据中存在反馈模型,且所述反馈模型中存在与所述关键内容和所述次要关键内容对应于不同模板统计样本的关键内容,在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系;
所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
根据所述关键内容的映射关系中所述关键内容的所有主要关键内容对应的优化模板统计样本是否一致,以及所述关键内容的映射关系中所述关键内容的所有次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素。
7.根据权利要求5所述的系统,其特征在于,所述数据处理终端具体用于:
针对所述关键内容的每一个次要关键内容,确定所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本是否一致;
如果所述次要关键内容对应的优化模板统计样本与所述关键内容对应的优化模板统计样本一致,确定所述目标水下传感数据是否存在反馈模型,所述反馈模型为以所述次要关键内容为初始点以所述关键内容为结束点的路径,并且所述反馈模型中每一个关键内容为下一关键内容的次要关键内容,并且所述反馈模型中不包括所述次要关键内容与所述关键内容之间的区分范围;
如果所述目标水下传感数据中存在反馈模型,且所述反馈模型中存在与所述关键内容和所述次要关键内容对应于不同模板统计样本的关键内容,在所述关键内容的映射关系中剔除所述关键内容与所述次要关键内容之间的匹配关系;
所述根据所述关键内容的每一个主要关键内容对应的优化模板统计样本是否一致以及所述关键内容的每一个次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素,包括:
根据所述关键内容的映射关系中所述关键内容的所有主要关键内容对应的优化模板统计样本是否一致,以及所述关键内容的映射关系中所述关键内容的所有次要关键内容对应的优化模板统计样本是否一致,确定所述关键内容的识别要素。
8.根据权利要求7所述的系统,其特征在于,所述数据处理终端具体用于:
针对每一个属于次要传感数据初始点的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分至同一次要传感数据;
并且针对每一个被区分至所述同一次要传感数据的关键内容,将所述关键内容的所有属于次要传感数据属性且与所述关键内容对应一致的优化模板统计样本的样本关键内容区分所述同一次要传感数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811113.XA CN113610117B (zh) | 2021-07-19 | 2021-07-19 | 基于深度数据的水下传感数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811113.XA CN113610117B (zh) | 2021-07-19 | 2021-07-19 | 基于深度数据的水下传感数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610117A CN113610117A (zh) | 2021-11-05 |
CN113610117B true CN113610117B (zh) | 2024-04-02 |
Family
ID=78337827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110811113.XA Active CN113610117B (zh) | 2021-07-19 | 2021-07-19 | 基于深度数据的水下传感数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610117B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996055A (zh) * | 2014-06-13 | 2014-08-20 | 上海珉智信息科技有限公司 | 基于影像档案电子资料识别系统中分类器的识别方法 |
CN110427993A (zh) * | 2019-07-24 | 2019-11-08 | 中南大学 | 基于气象参数的高速列车导航盲区定位方法 |
CN112131854A (zh) * | 2020-09-24 | 2020-12-25 | 北京开科唯识技术股份有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN112684750A (zh) * | 2020-12-04 | 2021-04-20 | 江苏科技大学 | 一种采砂船水下智能监测的设备及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9984314B2 (en) * | 2016-05-06 | 2018-05-29 | Microsoft Technology Licensing, Llc | Dynamic classifier selection based on class skew |
-
2021
- 2021-07-19 CN CN202110811113.XA patent/CN113610117B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996055A (zh) * | 2014-06-13 | 2014-08-20 | 上海珉智信息科技有限公司 | 基于影像档案电子资料识别系统中分类器的识别方法 |
CN110427993A (zh) * | 2019-07-24 | 2019-11-08 | 中南大学 | 基于气象参数的高速列车导航盲区定位方法 |
CN112131854A (zh) * | 2020-09-24 | 2020-12-25 | 北京开科唯识技术股份有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN112684750A (zh) * | 2020-12-04 | 2021-04-20 | 江苏科技大学 | 一种采砂船水下智能监测的设备及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113610117A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113378554B (zh) | 一种医疗信息智能交互的方法及系统 | |
CN114168747A (zh) | 基于云服务的知识库构建方法及系统 | |
CN113903473A (zh) | 基于人工智能的医疗信息智能交互的方法及系统 | |
CN113610117B (zh) | 基于深度数据的水下传感数据处理方法及系统 | |
CN115359203B (zh) | 一种三维高精度地图生成方法、系统及云平台 | |
CN116204681A (zh) | 一种短视频发布信息检测方法、系统及云平台 | |
CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
CN114779923A (zh) | 一种基于超声波的vr仿真场景定位方法及系统 | |
CN113609362B (zh) | 基于5g的数据管理方法及系统 | |
CN114611478B (zh) | 一种基于人工智能的信息处理方法、系统及云平台 | |
CN113608689B (zh) | 基于边缘计算的数据缓存方法及系统 | |
CN115618850B (zh) | 基于穴位医疗微服务的局部语法表达方法及系统 | |
CN113589700B (zh) | 一种智能家居zigbee请求校验的方法及系统 | |
CN115756576B (zh) | 软件开发包的翻译方法及软件开发系统 | |
CN113596849B (zh) | 一种智能家居的无线通信信道动态分配方法及系统 | |
CN113627165B (zh) | 基于智慧医疗的床旁交互方法及系统 | |
CN113918963B (zh) | 一种基于业务需求的权限授权处理方法及系统 | |
CN113590952B (zh) | 一种数据中心构建的方法及系统 | |
CN114217240B (zh) | 一种不间断电源检测方法及系统 | |
CN116486269A (zh) | 基于图像分析的桥梁裂缝识别方法及系统 | |
CN114842573B (zh) | 一种车辆测试数据处理方法、系统及云平台 | |
CN113626494B (zh) | 基于自适应控制的数据多维维度分析的方法及系统 | |
CN113643701B (zh) | 一种智能识别语音控制家居的方法及统 | |
CN113645063A (zh) | 基于边缘计算的智能集成数据的方法及系统 | |
CN115374368A (zh) | 基于互联网的网签数据处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |