-
公开(公告)号：CN114282929B
公开(公告)日：2025-01-03
申请号：CN202111475077.0
申请日：2021-12-03
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于区块链通证的稻米供应链数字化交易方法，涉及区块链、物联网等领域。首先基于智能合约以及区块链技术，设计了数字交易平台，将所有企业与消费者以及监管部门共同组成参与者，通过身份认证后，给参与者分发数字身份代表通证以及数字钱包；然后，通过交易所实现稻米资产的通证化；参与者将各自的稻米通证与身份代表通证相匹配，形成唯一通证。买家与卖家通过各自的唯一通证实现资金与稻米的分层交易；本发明采用非对称加密的方式实现子链与主链的互联互通，设计的通证保障了稻米数字交易环境的完全可信，同时提供了稻米溯源以及监管服务，为粮油作物实现数字化交易提供了一个完善的参考以及研究思路。
-
公开(公告)号：CN115129045B
公开(公告)日：2024-10-29
申请号：CN202210568321.6
申请日：2022-05-19
Applicant: 北京工商大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种基于船体动力学约束模型的无人船路径规划方法，属于湖泊水质采样以及路径规划领域，具体为首先，对监测湖面的环境进行图像采集，对各障碍物进行等效标准图形替换；然后，建立船身姿态和速度进行控制保证的运动学模型；接着，对监测湖面中除去障碍物以外存在的危险区域进行建模；最后，无人船采用改进的A*算法规划出起点到目标点之间的路径，结合障碍物和威胁区域的建模，对路径中存在的拐点，利用转弯策略对无人船的姿态进行调整。在无人船真实遍历过程中，面对无人船受到的水流或风速影响，加入稳船偏转策略，保证无人船始终航行在规划路径上。本发明明显缩短了路径规划所消耗的时间，减少了设备成本。
-
公开(公告)号：CN114363850B
公开(公告)日：2024-04-12
申请号：CN202210051614.7
申请日：2022-01-17
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于无线传感器网络紧密度中心性的抗毁性增强方法。无线传感器网络常因能量耗尽、硬件故障或者遭遇攻击等原因导致节点失效，使得原本连通的网络拓扑分割，甚至导致全局网络受损。因此，研究抗毁性对解决无线传感器网络规模化应用瓶颈具有重要的理论价值。本发明提出了一种无线传感器网络紧密度中心性度量方法，并根据此方法确定在网络中添加的异构节点的位置。进一步，分析了网络的生命周期，依照本发明提出的增加异构节点的方法，可使网络的抗毁性得到极大的提高。
-
公开(公告)号：CN114363851B
公开(公告)日：2024-04-09
申请号：CN202210051627.4
申请日：2022-01-17
Applicant: 北京工商大学
Abstract: 本发明提出了一种无线传感器网络抗毁性度量方法。无线传感器网络的传感器节点数量虽然庞大，但容易失效，极易出现因网络中部分节点的失效而导致原本连通的网络拓扑分割，大大降低网络的覆盖度，甚至使网络失效。因此，研究网络的抗毁性及如何度量网络的抗毁性对解决无线传感器网络的实际应用具有重要的理论价值。本发明提出了一种无线传感器网络抗毁性度量方法，可有效分析网络的抗毁性能，为网络抗毁性的提高提供有效的理论支持。
-
公开(公告)号：CN113011397B
公开(公告)日：2024-03-29
申请号：CN202110461909.7
申请日：2021-04-27
Applicant: 北京工商大学
IPC: G06V20/10 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于遥感图像4D‑FractalNet的多因素蓝藻水华预测方法，属于水质监测技术领域，具体包括：首先，在传统CNN的基础上加入时间维度与水华发生的相关因素，进行改进得到4D‑CNN‑SVM模型，对卷积层进行递归扩展，形成4D‑FractalNet模型；然后，利用细菌觅食算法对4D‑FractalNet模型中的卷积核数量和尺寸进行优化；利用优化后的4D‑FractalNet模型对各输入的遥感图像进行特征提取，并对水体富营养化等级预测；最后，在BP神经网络上增加承接层作为Elman神经网络；结合采样站点采集的历史时刻的叶绿素浓度测量值，藻类生长机理模型计算的当前时刻叶绿素浓度值，以及遥感图像的提取特征共同输入Elman神经网络，对下一时刻的叶绿素浓度值进行预测；本发明能实现蓝藻水华爆发的全面预测。
-
Patent Agency Ranking
公开(公告)号：CN112950049B
公开(公告)日：2024-03-15
申请号：CN202110293436.4
申请日：2021-03-19
Applicant: 北京工商大学
IPC: G06Q10/0639 , G06Q50/26 , G06F18/24 , G06F18/23213 , G06F40/126
Abstract: 本发明提出了一种基于信息自动识别的藻类水华应急治理群决策方法，首先通过构建专家信息库，为决策提供信息源。然后对专家信息进行融合给出备选方案的综合评价，最终完成备选方案的优劣排序，最终选择最优的备选方案，从而既符合了水华治理管理目标，又符合了当前实时水质情况。
-
公开(公告)号：CN117041996A
公开(公告)日：2023-11-10
申请号：CN202311083747.3
申请日：2023-08-25
Applicant: 北京工商大学
Abstract: 本发明提出了一种混合传感器网络移动节点的二次部署方法。混合传感器网络包括移动节点与静态节点，由于初始时刻采用随机抛洒的方式对传感器进行部署，会导致传感器分布不均，造成资源的浪费。本发明先分析混合传感器网络特性，对其建立数学模型，包括传感器的感知模型，并针对覆盖率这一网络重要的性能指标建立了覆盖率模型。再通过设计精确的算法，对移动节点进行二次部署。与传统方法相比，本发明降低了算法的时间复杂度，且能够更精确的选择移动节点的部署位置，并实现最佳的覆盖范围，提高了部署效率。通过本发明的应用，可在各种场景下实现高效、快速且准确的移动节点二次部署，进而提升传感器网络的性能。
-
公开(公告)号：CN116777196A
公开(公告)日：2023-09-19
申请号：CN202310343276.9
申请日：2023-03-31
Applicant: 北京工商大学
IPC: G06Q10/0635 , G06Q50/02 , G06F18/243 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于LSTM‑DFGAN的粮食加工过程污染物数据扩充及风险预测方法，属于食品安全领域。首先获取粮食加工过程污染物的原始数据，处理后得到1行N×(I+J)列的一维数据，并输入到TimeGAN中进行扩充，将扩充后的每组数据集划分为训练集和测试集，对LSTM和GAN进行训练。然后将训练集中的输入数据输入训练好的LSTM/GAN模型，输出预测数据，将预测的输出数据与训练集的输入数据融合，作为DF模型的输入数据，利用训练集中的输出数据作为DF模型的输出数据，对DF模型进行训练。基于训练好的DF，将DF嵌入GAN，建立DFGAN模型。最后在DFGAN模型的基础上，将DF替换为LSTM‑DF模型，建立LSTM‑DFGAN模型，实现对粮食加工过程污染物的精准预测。本发明具有首创性，融合各模型的优点，预测效果更好。
-
公开(公告)号：CN113643045B
公开(公告)日：2023-08-22
申请号：CN202110931982.6
申请日：2021-08-13
Applicant: 北京工商大学
IPC: G06Q30/018 , G06F16/27 , G06F21/64
Abstract: 本发明公开了一种基于智能合约的稻米供应链信息动态监管方法，涉及稻米质量安全领域；首先，将整个稻米供应链分为不同环节，对各环节分别匹配参与企业，与监管部门、消费者共同组成参与人员；并初始化为查验人员、发布者以及监管机构；发布者发布需求信息，通过初始设定的可信监管机构进行本地审核，得到可信的查验人员；然后，利用各监管机构对可信查验报告进行认证签名反馈，得到可信的监管机构；接着，对可信人员计算信用积分；分别保存至四个数据库中；最后，当新的发布者发布需求信息时，利用数据库中更新的可信信息，继续计算信用积分，将达到积分阈值的企业参加稻米交易业务。本发明实现了稻米供应链信息的动态监管和可信监管。
-
公开(公告)号：CN111246504B
公开(公告)日：2023-05-23
申请号：CN202010174430.0
申请日：2020-03-13
Applicant: 北京工商大学
Abstract: 本发明提出了一种基于小世界特性的动态分簇路由优化方法。首先，在水质传感器网络中引入小世界特性，通过其较小的平均路径长度和较大的聚类系数减少网络的能量消耗并提高网络的容错能力。其次，对上述网络进行改进，引入动态分簇思想，通过构建有效的能耗模型，合理选取簇头，有效延长网络的生命周期。本发明通过对引入小世界特性的水质传感器网络路由方法进行改进，可有效延长水质传感器网络的生命周期，提高网络的监测能力。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.031 seconds)
