-
公开(公告)号：CN119358793A
公开(公告)日：2025-01-24
申请号：CN202411475973.0
申请日：2024-10-22
Applicant: 重庆邮电大学
IPC: G06Q10/047 , G06F30/20 , G06N3/126 , G08G1/01 , G06F111/04 , G06F111/06
Abstract: 本发明涉及一种考虑异质服务的有容量约束的抑尘车辆路径优化方法，属于交通工程领域。该方法首先选取路网并确定有抑尘清洁需求的路段，然后构建抑尘效用函数、抑尘收益函数和综合利润最大化函数。接着，采用整数非线性规划模型描述路径规划模型，并运用改进遗传算法和变邻域搜索算法对模型进行求解。该方法能够在满足抑尘需求的前提下，优化抑尘车辆的路径，减少车辆的空驶和冗余行驶，提高清洁作业的效率，缩短作业时间，从而减少车辆的使用数量和燃油消耗，降低运营成本。同时，该方法通过精确的路径规划，确保城市道路的清洁和抑尘效果，改善道路大气微环境，减少出行者的空气污染暴露量。
-
公开(公告)号：CN118571007A
公开(公告)日：2024-08-30
申请号：CN202410638807.1
申请日：2024-05-22
Applicant: 重庆邮电大学
IPC: G08G1/01 , G06F18/25 , G06F18/211 , G06N5/025 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F18/213 , G06F123/02
Abstract: 本发明涉及一种关注兴趣点与多尺度时序关系的交通事故预测方法及装置，属于交通事故预测领域。该方法包括：S1：对数据进行收集与清洗，并提取数据特征；S2：通过PKM模块提取POI对事故影响的POI时空知识；S3：将数据特征和POI时空知识融合为新的特征，并将其划分为空间特征、时间特征和时空特征；S4：将时间特征和时空特征经过尺度划分模块以分割为历史、周期和临近尺度；S5：将空间特征、不同尺度的时间特征和时空特征输入至模型中训练，并保存最佳模型；模型包括SCM、TCM、STCM和注意力模块；S6：向保存的最佳模型中输入测试数据，得到未来某条道路交通事故的预测值。本发明能提升道路级交通事故预测精度。
-
公开(公告)号：CN118229187A
公开(公告)日：2024-06-21
申请号：CN202410298815.6
申请日：2024-03-15
Applicant: 重庆邮电大学
IPC: G06Q10/087 , G06Q10/04 , G06Q10/0633 , G06Q50/04 , G06Q10/083 , G06Q10/0631 , G06Q30/0201 , G06F17/10 , G06F30/20
Abstract: 本发明涉及一种考虑补货提前期不确定的生产计划‑联合补货方法，属于供应链管理技术领域。该方法包括以下步骤：步骤1，根据问题提出假设；步骤2，输入三级供应链网络基础数据：步骤3，构建考虑补货提前期不确定的生产计划‑联合补货优化模型：步骤4，处理考虑补货提前期不确定的生产计划‑联合补货优化模型中的不确定参数：步骤5，结合MCS和Gurobi设计求解方法求解优化模型。
-
公开(公告)号：CN114418499B
公开(公告)日：2024-06-18
申请号：CN202210068608.2
申请日：2022-01-20
Applicant: 重庆邮电大学
IPC: G06Q10/083 , G06Q10/0836 , G06Q30/0204
Abstract: 本发明涉及快递配送中心选址方法，特别涉及一种基于多层筛选策略的农村快递配送中心选址方法，包括初始化配送点集合和配送中心集合，基于道路交通网络图中各节点的道路通达性和人口数量，从配送中心集合选出第一可选集；基于农村快递配送中心建设成本，从第一可选集中选出第二可选集；基于配送中心到农村各配送点间的道路运输成本，从第二可选集中选出第三可选集；以总成本最小为目标函数，并基于遗传算法以目标函数的倒数作为适应度函数，从第三可选集中获取配送中心；本发明对于农村快递中心的选址应用契合度更高，对农村快递中心的选址具有一定的参考价值。
-
公开(公告)号：CN114611830B
公开(公告)日：2024-05-28
申请号：CN202210314782.0
申请日：2022-03-28
Applicant: 重庆邮电大学 , 重庆普小云科技有限公司
IPC: G06Q10/047 , G06Q10/0835 , G06F18/23213
Abstract: 本发明涉及一种基于多维度分区的医药配送车辆路径规划方法及装置，属于医药车辆领域。该方法包括以下步骤：构建一个以资源点为M原点，半径为r的圆形配送区域；其中半径r覆盖该资源点的最大服务范围；OpenStreetMap开源地图数据库中包含大量城市道路交通数据，利用GIS得到某个区域某个资源点的该区域的道路交通情况；计算区域医药客户点密度，重新得到一个优化后的配送区域D；对优化后的配送区域D进一步划分成若干个子区域，形成固定线路；考虑医药配送车辆在运行中的实时情况，构建目标函数；利用TSP临近插入算法求解，得到最优里程。本发明的方法时间快、优化效果好、当日送达。
-
Patent Agency Ranking
公开(公告)号：CN114328934B
公开(公告)日：2024-05-28
申请号：CN202210055580.9
申请日：2022-01-18
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/30 , G06F18/214 , G06F18/241 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于注意力机制的多标签文本分类方法及系统，属于计算机领域。该方法首先使用GloVe预训练嵌入模型对文本进行初始化，获得文本嵌入，利用Bi‑LSTM和自注意力机制提取文本语义信息，然后利用图注意力网络(GAT)来捕获标签之间的依赖关系并且使用标签注意力机制获取文本和标签之间的语义关系，最后添加额外的CorNet模块，该模块能够学习标签相关性，使用相关性知识增强原始标签预测，并输出增强的标签预测，从而提高多标签分类的预测精度。
-
公开(公告)号：CN112766614B
公开(公告)日：2023-09-15
申请号：CN202110245873.9
申请日：2021-03-05
Applicant: 重庆邮电大学
IPC: G06Q10/047 , G06Q10/0835 , G06N3/126
Abstract: 本发明涉及一种基于两阶段启发式算法的动态车辆路径优化方法，属于车辆路径优化领域，包括以下步骤：S1：构建动态车辆路径优化模型，包括总体优化目标与实时优化目标，并对动态车辆路径优化模型的目标函数设定约束条件；S2：设计两阶段启发式算法，使用所述两阶段启发式算法求解动态车辆路径优化模型的目标函数；S3：先使用两阶段启发式算法根据初始客户信息求出初始路径，然后把服务时间分段，每个时间段结束时再统一处理这一时间段出现的动态信息，根据变化后的信息使用两阶段启发式算法求出变更后的车辆路径，使用更改后的路径指导路网中正在行驶的车辆及时进行相应的路径选择。本发明有效地求得良好的车辆行驶路线，降低总体成本。
-
公开(公告)号：CN106682116B
公开(公告)日：2020-08-04
申请号：CN201611120326.3
申请日：2016-12-08
Applicant: 重庆邮电大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/27 , G06F16/28
Abstract: 本发明提供一种基于Spark大数据平台的OPTICS聚类算法，涉及计算机信息获取和处理技术。本发明通过对并行数据结构划分，得到最优数据集划分并生成对应的RDD，并行计算邻居样本数量和核心距离，对每个分区并行执行OPTICS算法得到每个分区的簇排序并持久化存储，通过簇排序给每个分区赋予簇后，通过合并分区，每个样本能够得到全局的簇号。利用Spark分布式并行技术，找到最优的划分结构，并行计算得到每个分区的簇排序。通过OPTICS的簇排序，用户可以从不同层次结构进行观察数据集的内在聚类结构。该方法可以处理串行算法不能处理的大规模的数据集，并大幅度提高得到聚类结果的时间。
-
公开(公告)号：CN106528874A
公开(公告)日：2017-03-22
申请号：CN201611120338.6
申请日：2016-12-08
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F16/2465 , G06F16/16 , G06F16/182 , G06F2216/03
Abstract: 本发明提供一种基于Spark大数据平台的CLR多标签分类方法，涉及数据挖掘技术。本发明通过特征与标签的关系将每个数据集划分成一个区；将训练集中的数据集随机抽取一部分当作测试集，剩余的数据集当训练集建立基分类器，再将测试集用来测试分类器并修改其基分类器的参数，从而在训练的多个基分类器中选取最好的一个基分类器作为本数据集的基分类器。利用最终的多个基分类器对预测集进行预测。本发明结合了CLR多标签学习算法和Spark基于内存的高效计算理论，充分利用了CLR算法中标签转化后的无相关性，降低了不同的基分类器之间的干扰性，再充分利用Spark的计算框架的运行速度，能有效的对数据进行挖掘。
-
公开(公告)号：CN119089995A
公开(公告)日：2024-12-06
申请号：CN202411219852.X
申请日：2024-09-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多关系知识增强图卷积网络的知识图谱嵌入方法及系统，属于知识图谱嵌入领域。该方法包括：S1：对输入的知识图谱中的关系进行扩展，引入每种关系的逆关系并添加自循环边；S2：在图神经网络中使用循环相关操作引入实体‑关系组合操作以将关系特征纳入特征传播中，捕捉实体和关系之间的交互模式，并通过注意力机制计算每种关系的权重，学习每个实体在不同关系下的语义变化；S3：在图神经网络的更新函数中，使用节点的所有邻居集合来更新节点嵌入，并更新相应的边；S4：从更新后的节点嵌入和关系嵌入中检索出每个实体和关系的特征矩阵，使用DTAE作为解码器对三元组进行评分。本发明能提高知识图谱嵌入的性能。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.023 seconds)
