-
公开(公告)号：CN113283616A
公开(公告)日：2021-08-20
申请号：CN202110398156.X
申请日：2021-04-14
Applicant: 暨南大学
Abstract: 本发明公开了一种废旧产品拆解序列与拆解深度集成决策方法，包括以下步骤，S1、构建零件回收综合评价指标体系；S2、数据收集及预处理；S3、利用Choquet积分计算零件的回收评价值；S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值；S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列；S6、构造拆解深度价值曲线；S7、进行拆解深度决策。本发明方法与传统的优化方法相比，在保证解的质量的同时极大的缩短了求解废旧产品最佳拆解序列与拆解深度的速度，并且通过合理评价零件的回收效益提高了求得解的可靠性。
-
公开(公告)号：CN109257144B
公开(公告)日：2021-03-19
申请号：CN201811184381.8
申请日：2018-10-11
Applicant: 暨南大学
Abstract: 本发明公开了一种低复杂度的可变速率增量冗余混合自动重发请求(HARQ‑IR)的设计方法，属于无线通信技术领域。该方法步骤如下：首先通过设计HARQ‑IR的每轮传输速率来实现频谱效率最大化并保证低中断概率；为降低计算复杂度和拓展适用范围，采用贝克曼信道模型来推导可变速率HARQ‑IR的中断概率及频谱效率的近似表达式，进而代入原问题；接下来采用交替迭代算法将优化问题解耦成一系列单变量子优化问题；最后应用凹分式优化技术将每个子优化问题转换成凸问题进行全局求解，迭代执行Dinkelbach算法直至每个子问题收敛。相比于传统常速率HARQ‑IR的精确设计方法，本方法适用范围广、复杂度低以及频谱效率高。
-
公开(公告)号：CN111917831A
公开(公告)日：2020-11-10
申请号：CN202010648253.5
申请日：2020-07-07
Applicant: 暨南大学
Abstract: 本发明公开了一种面向高动态生产物流环境的智能物联管理系统，第一层为智能对象层，旨在于使用工业可穿戴和物联网设备将“生产-物流”过程中的“人”和“物”进行智能封装，下达工作任务并反馈任务状态；第二层为资源管理层，支持智能对象以工作流方式自主接入、动态管理；第三层为服务层，支持管理者和操作者基于特定业务流程进行双向信息交互，任务下达与执行反馈；上三层为面向智能对象的生产物流管理平台；第四层为应用层，是执行特定生产物流管理的用户接口层。本发明具有实现“管理手段-信息交互-物理操作”有机融合，操作过程与任务接收/反馈并行发生，并保证其携带的便利和成本的低廉的优点。
-
公开(公告)号：CN110245917A
公开(公告)日：2019-09-17
申请号：CN201910514250.X
申请日：2019-06-14
Applicant: 暨南大学
Abstract: 本发明公开基于互联网修改高校考务排考的方法、装置、设备及介质,该方法包括:网络服务端接收一个或多个UE端输入的修改指令和获取输入修改指令的教职工的修改权限值,所述修改指令是指排除为输入修改指令的教职工在特定时间内安排监考任务的指令，所述修改指令包括当前输入的修改指令和网络服务端存储的修改指令列表中的修改指令；在所述的修改权限值大于权限阈值M的情况下,所述网络服务端根据所述的修改指令对存储的初始排考安排表或已排考安排表进行重排；所述网络服务端将重排成功的排考安排表进行存储及显示和/或通过互联网将排考安排表发送至UE端显示。
-
公开(公告)号：CN109257144A
公开(公告)日：2019-01-22
申请号：CN201811184381.8
申请日：2018-10-11
Applicant: 暨南大学
Abstract: 本发明公开了一种低复杂度的可变速率增量冗余混合自动重发请求(HARQ-IR)的设计方法，属于无线通信技术领域。该方法步骤如下：首先通过设计HARQ-IR的每轮传输速率来实现频谱效率最大化并保证低中断概率；为降低计算复杂度和拓展适用范围，采用贝克曼信道模型来推导可变速率HARQ-IR的中断概率及频谱效率的近似表达式，进而代入原问题；接下来采用交替迭代算法将优化问题解耦成一系列单变量子优化问题；最后应用凹分式优化技术将每个子优化问题转换成凸问题进行全局求解，迭代执行Dinkelbach算法直至每个子问题收敛。相比于传统常速率HARQ-IR的精确设计方法，本方法适用范围广、复杂度低以及频谱效率高。
-
Patent Agency Ranking
公开(公告)号：CN120031791A
公开(公告)日：2025-05-23
申请号：CN202411877675.4
申请日：2024-12-19
Applicant: 暨南大学
IPC: G06T7/00 , G06T7/13 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/764 , G06V10/25 , G06V10/26
Abstract: 本发明涉及图像处理技术领域，具体指一种两阶段的刀具表面缺陷检测方法及系统，包括：对待检测刀具表面通道图像进行灰度化、姿态矫正、裁剪和标注操作，得到待检测刀具表面矫正灰度图像对应每张子图像及其编号；将每张子图像分别输入训练好的残差网络和支持向量机，输出每张子图像的第一预测缺陷概率值和第二预测缺陷概率值，并得到每张子图像的融合缺陷概率值；将融合缺陷概率值大于等于阈值的子图像作为异常子图像；基于各异常子图像及其编号相同的正常子图像，构成各异常子图像的缺陷对；将所有异常子图像的缺陷对输入训练好的孪生变换检测网络，输出各异常子图像中缺陷区域特征和分割结果。本发明提升刀具表面缺陷检测精确度、可靠性和效率。
-
公开(公告)号：CN118691037B
公开(公告)日：2025-02-07
申请号：CN202410904026.2
申请日：2024-07-08
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/30 , G06Q50/02 , G06Q50/26
Abstract: 本申请涉及厨余垃圾资源化设施周期调拨方法及服务平台，该方法包括：获取每个目标节点待处理的第一资源的资源总量，基于资源总量和每个目标节点的空养殖箱体，确定其养殖需求参数；根据养殖需求参数，从多个目标节点中，分别确定出供应节点和接收节点；基于接收节点的箱体需求量和供应节点的箱体供应量，确定与每个供应节点对应的多个接收节点组合，基于目标函数，计算多个由一个供应节点和一个接收节点组合组成的备选调拨节点组的配置适应度，接收节点组合包括与供应节点对应的多个接收节点；根据配置适应度，在多个备选调拨节点组中选取目标调拨节点组，确定目标调拨节点组的供应节点向每个接收节点调拨的目标箱体供应量，得到配置结果。
-
公开(公告)号：CN117495222B
公开(公告)日：2025-02-07
申请号：CN202311584204.X
申请日：2023-11-25
Applicant: 暨南大学
IPC: G06Q10/083 , G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本申请涉及生产物流配送资源的配置方法和存储介质，该方法包括：根据所接收到的配送需求变动信息，确定修正配置信息；在判断到修正配置信息中的配送载体配置方式为目标配置方式时，基于物料目标信息和备选的云车辆供给信息，进行基因编码和种群初始化，生成多个初始结构体编码；利用群体智能全局优化算法，对多个初始结构体编码进行群体优化操作，生成多个第一结构体编码，并基于第一结构体编码所对应的配送配置方案的配送成本适应度和群体智能全局优化算法，对多个第一结构体编码进行种群更新优化，以生成多个候选结构体编码；在多个候选结构体编码中，检测目标结构体编码，并将目标结构提供编码所对应的配送配置方案，作为生产物流配送资源的配置结果。
-
公开(公告)号：CN118503806A
公开(公告)日：2024-08-16
申请号：CN202410720765.6
申请日：2024-06-05
Applicant: 暨南大学
IPC: G06F18/2411 , G06F18/24 , G06F18/2413
Abstract: 本申请涉及基于TOPSIS和SVR的订单评级方法、装置、评级系统及存储介质，该方法包括：获取待排序的订单数据，对订单数据进行预处理，以生成预设数据格式的候选订单数据，候选订单数据包括多种目标指标参数；利用TOPSIS法，处理多种目标指标参数，得到每个目标指标参数所对应的权重数据；对多种目标指标参数和每个目标指标参数对应的权重数据，利用秩和比评价法RSR进行秩和比计算，得到与每个目标指标参数对应的实时加权秩和比，将实时加权秩和比输入SVR模型，输出与实时加权秩和比对应的预测加权秩和比；根据预测加权秩和比和预设的分档规则，确定每个订单数据所对应的分档排序结果。通过本申请，解决相关技术中评级订单的方法效率及准确率低的问题。
-
公开(公告)号：CN118428652A
公开(公告)日：2024-08-02
申请号：CN202410501296.9
申请日：2024-04-25
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/0835 , G06Q10/083 , G06Q10/087 , G06Q50/04
Abstract: 本申请涉及面向生产与运输的智能联动决策方法及服务平台，该方法包括：将更新生成的生产变量期望值和配送变量期望值分别下发至生产规划子系统和输送规划子系统；接收生产规划子系统响应于生产变量期望值所返回的生产变量返回值和输送规划子系统响应于配送变量期望值所返回的配送变量返回值，并判断生产变量返回值和配送变量返回值是否满足预设的产运一致性约束；在判断到生产变量返回值和配送变量返回值不满足预设的产运一致性约束的情况下，重复执行利用预设的协同优化CO算法和动态容差进行协同优化，直至新的生产变量返回值和配送变量返回值满足产运一致性约束，得到联动决策结果。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.037 seconds)
