-
公开(公告)号：CN112487256A
公开(公告)日：2021-03-12
申请号：CN202011436275.1
申请日：2020-12-10
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06F16/901 , G06F16/903
Abstract: 本发明实施例提供了对象查询方法、装置、设备及存储介质，方法包括：获取用户的查询请求信息，查询请求信息包括第一对象的标识信息和第一轨迹信息；根据第一对象的标识信息和预设的对象哈希值映射关系，得到第一对象的哈希值；根据第一对象的哈希值，确定通过局部敏感哈希函数预先构建的多个哈希桶中的目标哈希桶，目标哈希桶的桶标签与第一对象的哈希值对应；将目标哈希桶内包括的对象，确定为第二对象；在第二对象关联的轨迹信息与第一轨迹信息的距离小于预设阈值时，确定第二对象为第一对象的目标对象。根据本发明实施例的方法，能够快速识别确定同行对象，减少计算资源的浪费，节约时间。
-
公开(公告)号：CN105827669B
公开(公告)日：2019-06-11
申请号：CN201510001952.X
申请日：2015-01-04
Applicant: 中国移动通信集团江苏有限公司
Abstract: 本发明实施例公开了一种终端虚拟存储的方法、设备和系统，该方法可以包括：当终端开机加电并开始加载外置存储卡时，终端通过由高速无线网络承载的专用通道向云存储服务器发送虚拟存储请求信令；终端接收由云存储服务器通过专用通道发送的鉴权成功信息，并根据鉴权成功信息通过专用通道向云存储服务器发送授权请求；终端接收云存储服务器通过专用通道发送的授权信息之后，将终端自身在云存储服务器中对应的存储空间进行虚拟磁盘映射操作，映射成终端本地的虚拟磁盘；终端根据终端本地的虚拟磁盘与终端自身在云存储服务器中对应的存储空间之间的映射关系通过专用通道从终端自身在云存储服务器中对应的存储空间中加载终端对应的应用程序及数据。
-
公开(公告)号：CN117077333A
公开(公告)日：2023-11-17
申请号：CN202310879507.8
申请日：2023-07-17
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06F30/18 , G06F17/16 , G06F16/29 , G06F16/9035
Abstract: 本发明公开了一种医疗站选址方法、装置、设备及存储介质，属于人工智能技术领域。本发明通过根据待研究区域的网格化信息和人口统计数据建立服务需求矩阵和医疗站位置矩阵；根据现有医疗站信息、所述医疗站位置矩阵和网格化信息建立服务衰减矩阵和叠加服务供给矩阵；根据所述服务需求矩阵、所述医疗站位置矩阵、所述服务衰减矩阵和所述叠加服务供给矩阵建立医疗站选址的整数规划模型；根据所述整数规划模型计算医疗站的初始选址；对所述初始选址进行优化和筛选，得到医疗站目标选址。通过这种方式，保证了新增设的医疗站能在原有医疗站的服务水平上进行提高，并且提高了医疗站选址的效率和选点质量。
-
公开(公告)号：CN116957143A
公开(公告)日：2023-10-27
申请号：CN202310811089.9
申请日：2023-07-03
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了村庄空心率预测方法、装置、电子设备及可读存储介质，所述村庄空心率预测方法包括：根据目标村庄内的用户位置信息，计算所述目标村庄在人口维度下的人口空心率和所述目标村庄在空间维度下的空间空心率；将所述人口空心率和所述空间空心率共同转换为空心率综合指标；通过将所述空心率综合指标输入至空心率预测模型，对所述目标村庄在综合维度下的空心率进行预测，得到空心率预测结果。本申请解决了预测村庄空心化程度的预测精准性低的技术问题。
-
公开(公告)号：CN116933268A
公开(公告)日：2023-10-24
申请号：CN202310893558.6
申请日：2023-07-19
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
Abstract: 本发明涉及联邦学习技术领域，尤其涉及一种纵向安全联邦模型构建方法、装置、设备及存储介质，本发明纵向安全联邦模型构建方法分为两个阶段，第一阶段中通过初始特征提取模型第一建模参与方的第一时序化数据、第二建模参与方的第二时序化数据进行特征提取，得到两者对应的中间特征向量，减少时序化数据处于不同时间周期给数据处理带来的影响，第二阶段中，通过初始对第一阶段输出的中间特征向量进行前馈预测，并根据预测结果和第二建模方提供的样本标签进行参数反向传播训练，生成纵向安全联邦模型，从而得到可以实现处理不同时间周期的数据的纵向安全联邦模型，避免了现有技术中传统的纵向联邦学习模型不能处理不同时间周期的数据的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN112788524B
公开(公告)日：2022-12-16
申请号：CN202011606095.3
申请日：2020-12-28
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: H04W4/02 , H04W4/029 , G06F16/9537
Abstract: 本发明实施例提供了一种对象查询方法、装置、设备及存储介质，方法包括：获取第一查询请求，第一查询请求包括第一对象的第一位置信息及与第一位置信息对应的第一时间信息；根据第一位置信息，在预设的候选对象信息集合中确定多个第二对象；根据第一时间信息，在多个第二对象中确定多个第三对象；基于多个第三对象中每个第三对象关联的位置信息和时间信息，第一对象的第一位置信息和第一时间信息，计算多个第三对象中每个第三对象与第一对象的伴随得分；将伴随得分大于预设分值的第三对象，确定为第一对象的目标对象。根据本发明实施例的方法，在计算过程中参考了位置信息重合的时长，提升了查询结果的准确率。
-
公开(公告)号：CN111177644A
公开(公告)日：2020-05-19
申请号：CN201911328229.7
申请日：2019-12-20
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例公开了一种模型参数的优化方法、装置、设备及存储介质。该方法包括：获取第一样本数据，第一样本数据包括多个维度的特征信息；将第一样本数据输入预设模型，得到根据第一样本数据的多个特征信息生成的第一样本数据的预测值；根据预测值和第一样本数据的真实值确定第一目标泛函；根据第一目标泛函确定参数调整步长；根据参数调整步长、预设初始矩阵、预设模型的初始参数和第一目标泛函，对初始参数进行调整，得到优化后的模型。本发明实施例的模型参数的优化方法、装置、设备及存储介质，可以通过拟牛顿的最优化算法L-BFGS算法对信用分模型参数进行优化，获得较低的计算压力和较高的模型精度。
-
公开(公告)号：CN107205220A
公开(公告)日：2017-09-26
申请号：CN201610158940.2
申请日：2016-03-18
Applicant: 中国移动通信集团江苏有限公司
IPC: H04W4/02
Abstract: 本发明公开了一种确定区域人流数量的方法及装置，根据每个基站划分的至少一个区域与统计区域的位置关系，确定核心基站集合和关联基站集合；从预先设定的多个人数区间中，确定所述核心基站集合对应的人流数量所属的人数区间；根据所述核心基站集合对应的人流数量所属的人数区间，在确定所述统计区域的人流数量需要调整后，确定所述关联基站集合中待统计的基站类型；根据所述关联基站集合中每种待统计的基站类型对应的基站的人流数量，确定动态调整人数；将所述核心基站集合对应的人流数量和所述动态调整人数之和作为所述统计区域的人流数量。本发明提供一种确定区域人流数量的方法及装置，能够得到更加准确的区域人流数量。
-
公开(公告)号：CN104573839A
公开(公告)日：2015-04-29
申请号：CN201310478738.4
申请日：2013-10-14
Applicant: 中国移动通信集团江苏有限公司
CPC classification number: G06Q10/087 , G06N3/126 , G06Q50/28
Abstract: 本发明公开了一种库存管理优化方法、装置和系统，其中，所述库存管理优化方法包括：设置各库存物料范围，根据所述各库存物料范围建立第一代种群；设置变异分箱维度；设置库存管理优化终止条件；根据所述第一代种群中的个体进行交叉繁殖，并在每代交叉繁殖结束后，按预设选取数量选取适应度最高的个体参与下一代繁殖；确定所述繁殖趋于局部收敛时，根据设置的变异分箱维度在每个变异分箱维度内随机选取个体作为变异个体，将所述变异个体与上一代个体交叉繁殖，并在所述繁殖满足库存管理优化终止条件时，优化终止。采用本发明的技术方案，能够在较短时间内获得库存的最优配置方案。
-
公开(公告)号：CN119322968A
公开(公告)日：2025-01-17
申请号：CN202411349235.1
申请日：2024-09-25
Applicant: 中国移动通信集团江苏有限公司 , 中国移动通信集团有限公司
IPC: G06F18/241 , G06F18/2415 , G06F18/243 , G06F18/214 , G06F18/2113 , G06N5/01
Abstract: 本申请属于数据处理技术领域，公开了一种低收入人群的识别方法、装置、设备、存储介质及产品。本申请通过低收入人群的目标特征数据对多个初始梯度提升模型分别进行训练，获得多个目标梯度提升模型；对所述多个目标梯度提升模型进行整合，获得目标识别模型；将待识别数据输入至所述目标识别模型中，获得所述待识别数据对应的低收入人群识别结果。本申请先对多个初始梯度提升模型分别进行训练，并对多个目标梯度提升模型进行整合，在整合过程中对各目标梯度提升模型进行动态调整权重，再根据目标识别模型对待识别数据进行低收入人群识别，从而能够通过集成多个梯度提升模型提高低收入人群识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.032 seconds)
