-
公开(公告)号：CN104346143B
公开(公告)日：2018-05-08
申请号：CN201310320641.0
申请日：2013-07-26
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种由EBOM到MBOM的数据转换方法，包括以下步骤：1)根据EBOM的基础数据，将物料零部件分类为继承件、中间件和虚设件；2)采用BOM树遍历算法对物料零部件集合的节点进行遍历，若为中间件，则增加合并节点；若为虚设件，则删除节点；若为继承件，则直接继承至MBOM；3)判断是否遍历完成，若为否，则返回步骤2)进行下一个节点的数据转换；若为是，则生成MBOM。与现有技术相比，本发明实现了EBOM到MBOM转换的过程，MBOM的自动构建实现，对整个智能维护系统的搭建起一个促进作用。提高整个系统开发的效率，从而优化企业的生产智能维护作业。
-
公开(公告)号：CN104616498B
公开(公告)日：2017-01-25
申请号：CN201510053258.2
申请日：2015-02-02
Applicant: 同济大学
Abstract: 本发明涉及一种基于马尔可夫链和神经网络的交通拥挤状态组合预测方法，包括以下步骤：1)采用类似PageRank的马尔可夫链方法进行交通拥挤状态预测，得到第一预测结果；2)采用量子多智能体算法优化的后向传播神经网络(BP神经网络)方法进行交通拥挤状态预测，得到第二预测结果；3)基于信息熵获取所述第一预测结果、第二预测结果的权重；4)根据所述第一预测结果、第二预测结果及相应权重获得最终预测结果。与现有技术相比，本发明具有预测实时性好、精度高和拓展性好等优点。
-
公开(公告)号：CN103327082B
公开(公告)日：2016-06-29
申请号：CN201310224818.7
申请日：2013-06-07
Applicant: 同济大学
Abstract: 本发明提供一种多蚁群疏散优化交换方法，其特征在于，包括：a.将不同蚁群的蚂蚁初始化至待疏散地区的网络节点上；b.所述蚂蚁构建从初始的网络节点至出口节点的疏散路径；c.当一蚁群内所有蚂蚁的疏散路径构建完成后，更新所述疏散路径经过的网络节点相对应的边沿的信息素；d.比较此次构建的最优的疏散路径与第一疏散路径，并将最优的疏散路径替换所述第一疏散路径，根据所述第一疏散路径更新所述信息素；e.重复所述步骤b至所述步骤d，以完成一次所述步骤b至所述步骤d为一次迭代，当迭代次数满足交互条件时，蚁群间进行交互并以获取和储存其他蚁群的蚂蚁生成的信息素；f.重复所述步骤b至所述步骤e，直至满足第一条件生成最优疏散路径。
-
公开(公告)号：CN105183796A
公开(公告)日：2015-12-23
申请号：CN201510523841.5
申请日：2015-08-24
Applicant: 同济大学
IPC: G06F17/30
CPC classification number: G06F16/285
Abstract: 本发明涉及一种基于聚类的分布式链路预测方法，包括：步骤S1：对数据集中各个节点的节点度进行并行处理，得到包含所有节点度的集合；步骤S2：采用聚类算法对数据集进行并行处理，得到聚类后的数据集；步骤S3：根据节点度的集合和RA指标，并行处理获取聚类后的数据集中两两节点之间的预测分数值以及预测结果。与现有技术相比，本发明结合了聚类算法，提高了链路预测的精确度，同时结合MapReduce分布式计算框架，提高算法的扩展性与时间效率。
-
公开(公告)号：CN103217960B
公开(公告)日：2015-04-29
申请号：CN201310119517.8
申请日：2013-04-08
Applicant: 同济大学
IPC: G05B19/418
Abstract: 本发明涉及一种半导体生产线动态调度策略自动选择方法，包括：根据实际半导体生产线获得生产线生产属性集、调度策略集和性能指标集；通过仿真获取采取不同调度策略下的生产线各项性能指标值，并建立样本集；对训练样本集进行训练，获取优化的生产属性子集和SVM训练参数，并形成基于SVM的动态调度规则分类器A*；将测试样本集输入A*，判断基于特征子集调度策略预测精度是否优于全集，若是，则根据获得的特征子集和SVM训练参数对训练样本集S1进行训练，获得最终的动态调度规则分类模型A；向A输入生产线的实时状态信息，动态获取优化的调度策略。与现有技术相比，本发明具有调度实时性好、有利于提高生产效率等优点。
-
Patent Agency Ranking
公开(公告)号：CN106297304A
公开(公告)日：2017-01-04
申请号：CN201610815369.7
申请日：2016-09-08
Applicant: 同济大学
CPC classification number: G08G1/017 , G06F16/2465
Abstract: 本发明涉及一种基于MapReduce面向大规模卡口数据的套牌车识别方法，包括以下步骤：1)获取多个道路卡口的过车信息和卡口自身信息数据，并进行预处理，去掉异常和未识别的过车信息；2)采用Hadoop大数据处理平台对预处理过的过车信息和卡口自身信息数据进行建模，并通过MapReduce并行化编程技术对可疑套牌车进行识别。与现有技术相比，本发明具有处理速度快等优点。
-
公开(公告)号：CN103327082A
公开(公告)日：2013-09-25
申请号：CN201310224818.7
申请日：2013-06-07
Applicant: 同济大学
Abstract: 本发明提供一种多蚁群疏散优化交换方法，其特征在于，包括：a.将不同蚁群的蚂蚁初始化至待疏散地区的网络节点上；b.所述蚂蚁构建从初始的网络节点至出口节点的疏散路径；c.当一蚁群内所有蚂蚁的疏散路径构建完成后，更新所述疏散路径经过的网络节点相对应的边沿的信息素；d.比较此次构建的最优的疏散路径与第一疏散路径，并将最优的疏散路径替换所述第一疏散路径，根据所述第一疏散路径更新所述信息素；e.重复所述步骤b至所述步骤d，以完成一次所述步骤b至所述步骤d为一次迭代，当迭代次数满足交互条件时，蚁群间进行交互并以获取和储存其他蚁群的蚂蚁生成的信息素；f.重复所述步骤b至所述步骤e，直至满足第一条件生成最优疏散路径。
-
公开(公告)号：CN105069290B
公开(公告)日：2017-12-26
申请号：CN201510469302.8
申请日：2015-08-03
Applicant: 同济大学
IPC: G06F19/00
Abstract: 本发明涉及一种面向寄递数据的并行化关键节点发现方法，包括：步骤S1：根据寄递数据中设定时间内各节点的收发总次数获取节点活跃度，将节点活跃度作为节点自身的权值；步骤S2：根据寄递数据中设定时间内各节点对的交互频率和共享邻居数度量指标获取各节点对的边的权值，将由寄递数据形成的网络定义为一个有向双加权网络图；步骤S3：在PageRank算法的基础上加入节点自身的权值和节点对的边的权值，并行地挖掘有向双加权网络图中的关键节点。与现有技术相比，本发明充分利用了物流寄递网络中的信息，减少了有效信息的丢失，提高了网络中关键节点发现的准确性，同时并行化运行，大大提高了关键节点挖掘的效率和稳定性。
-
公开(公告)号：CN103761236B
公开(公告)日：2017-02-08
申请号：CN201310589032.5
申请日：2013-11-20
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种增量式频繁模式增长数据挖掘方法，包括1)将原数据库分成多个数据集，对每个数据集中各项的支持度计数进行并行计算；2)将原数据库中的数据进行分组，构建局部的频繁模式树，通过递归过程提取各局部的频繁项集；3)将各局部的频繁项集进行整合；4)更新阈值，对原数据库执行在新阈值下的支持度计数；5)将局部频繁模式树更新，挖掘新阈值下原数据库的频繁项集；6)新增数据集得到新数据库，挖掘新阈值下原数据库的强频繁项集和新增的频繁项集。与现有技术相比，本发明利用原有的频繁数据项集及频繁模式树，只需对新增数据集进行扫描即可获取新的频繁项集，不仅同时解决了阈值变化和数据库增加两种问题，还大大提高了效率。
-
公开(公告)号：CN103336999B
公开(公告)日：2016-08-10
申请号：CN201310224838.4
申请日：2013-06-07
Applicant: 同济大学
Abstract: 本发明提供一种基于多蚁群的组合交通疏散优化方法，其特征在于，包括：a.将不同蚁群的蚂蚁初始化至待疏散地区的网络节点上；b.所述蚂蚁构建从初始的网络节点至出口节点的疏散路径并更新信息素，其中，所述出口节点包含于所述疏散网络节点中；c.重复所述步骤b至自上一次蚁群间信息素交互的时间间隔达到此次交互时间间隔；d.所述蚁群根据信息素交互规则交互并更新所述信息素；e.重复所述步骤b至所述步骤d，直至满足第一条件生成最优疏散路径。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.099 seconds)
