一种企业移动高级应用平台的离线访问方法及系统

    公开(公告)号:CN109889562A

    公开(公告)日:2019-06-14

    申请号:CN201810036111.6

    申请日:2018-01-15

    Abstract: 本发明公开了一种企业移动高级应用平台的离线访问方法及系统,本发明能够实现在移动网络不稳定或用户的移动设备连接不上网络服务器的情况下,仍正常访问企业移动高级应用平台中的数据并能进行操作。本发明将本地缓存数据库分为热点区域和列表区域,所述热点区域存储访问数量排名前十名的数据,所述列表区域存放移动终端用户希望存储的数据;通过在线侦测服务对网络状态实时检测,当网络连接正常时,所述移动终端访问所述Web应用服务器端数据;当网络连接异常时,所述移动终端访问所述本地缓存数据库数据;当检测网络状态正常时,将存储在本地缓存数据库的数据同步到服务器端数据库。

    业务架构构建方法、装置、设备及存储介质

    公开(公告)号:CN109377073A

    公开(公告)日:2019-02-22

    申请号:CN201811319278.X

    申请日:2018-11-07

    Abstract: 本申请公开了一种业务架构构建方法,解决了业务架构构建中信息分散、难以耦合的问题,包括:确定目标业务系统的环境图;其中,环境图包含目标业务系统的外部实体以及目标业务系统与外部实体之间的数据交换关系;根据数据交换关系,将目标业务系统的业务总流程自上而下逐层分解为第一预设数量的业务子流程,并确定所有业务子流程对应的输入数据流与输出数据流;进一步根据所有输入数据流和所有输出数据流,构建目标业务系统的业务功能分解图。也即,本发明将业务总流程逐步分解为业务子流程,根据所有业务子流程对应的输入数据流和输出数据流得到目标业务系统对应的业务架构,实现分散信息的集成,具备普遍适用性,为业务架构构建提供了理论支持。

    一种基于实物标识的电力物资管理系统及方法

    公开(公告)号:CN108108932A

    公开(公告)日:2018-06-01

    申请号:CN201711228503.4

    申请日:2017-11-29

    Abstract: 本发明涉及电力物资管理技术领域,涉及一种基于实物标识的电力物资管理系统及方法。包括:到货验收模块,用于对电力物资进行验收,建立对应的物资信息表单;物资发码模块,与到货验收模块连接,用于对物资进行分类统计,根据物资的信息表单对生成对应的条码;仓位匹配模块,与到货验收模块以及物资发码模块连接,用于根据物资信息以及仓位信息,对已有条码的物资进行仓位匹配;移动终端,与物资发码模块连接,用于扫描物资上的条码,查看物资信息;管理服务器,分别与上述到货验收模块、物资发码模块、仓位匹配模块以及移动终端连接。本发明通过对每一个物资单独发出条码,记录跟踪物资情况,可实时通过扫描物资条码查看物资情况,便于货物管理。

    一种企业内部车位共享系统

    公开(公告)号:CN107331199A

    公开(公告)日:2017-11-07

    申请号:CN201710685150.4

    申请日:2017-08-11

    Abstract: 本发明涉及车位管理领域,更具体地,涉及一种企业内部车位共享系统。包括物业管理系统、车位户主管理系统以及客户端使用系统;物业管理系统用于管理车位使用情况,包括空闲车位的管理、车位匹配情况的管理以及停车场秩序的管理;车位户主管理系统分别与物业管理系统、客户端使用系统连接,用于分享发布车位共享信息以及管理自己的车位;客户端使用系统分别与物业管理系统、车位户主管理系统连接,用于发布车位需求信息,查找共享车位信息。本发明提供的一种企业内部车位共享系统,通过将车位户主信息、车位需求信息进行共享,使闲置车位得到有效利用,同时也给客户提供了一种有效的途径查找空闲车位,有效解决停车难的问题。

    一种基于k-means聚类的分箱方法

    公开(公告)号:CN104537067A

    公开(公告)日:2015-04-22

    申请号:CN201410839779.6

    申请日:2014-12-30

    CPC classification number: G06F17/30598

    Abstract: 本发明公开了一种基于k-means聚类的分箱方法,包括以下步骤:对连续变量进行预处理;对预处理后的数据进行归一化处理;将归一化处理过的数据,应用k-means聚类算法,划分为多个区间:采用等距法设定k-means聚类算法的初始中心,得到聚类中心;在得到聚类中心后将相邻的聚类中心的中点作为分类的划分点,将各个对象加入到距离最近的类中,从而将数据划分为多个区间;重新计算每个聚类中心,然后重新划分数据,直到每个聚类中心不再变化,得到最终的聚类结果。本发明解决了现有分箱方法对于数据密度分布偏向明显的数据集容易造成误差的技术问题,k-means聚类算法在选取初始中心时不再是随机选取,数据分箱结果准确。

Patent Agency Ranking