一种基于时空属性关联规则的预测方法

    公开(公告)号:CN107844602B

    公开(公告)日:2021-03-16

    申请号:CN201711195365.4

    申请日:2017-11-24

    Abstract: 本发明涉及一种基于时空属性关联规则的预测方法,属于计算机技术领域。本发明分析智能城市中时空数据的特点,参数化用户访问请求的历史数据,将用户访问请求的历史数据映射到时空属性域,提取时空属性。根据用户访问的空间局部性和时间平稳性,在时空属性域中使用区域网格划分,关联规则和自回归积分滑动平均(ARIMA)模型进行相关分析和识别转换规则,挖掘用户访问模式,确定用户访问请求的历史变化规律,构建预测用户下一次访问请求的预测函数,以实现对用户时空数据的预测。本发明有利于发展高效的海量时空数据预测机制。

    一种基于证据距离和不确定度的冲突数据融合方法

    公开(公告)号:CN107967487A

    公开(公告)日:2018-04-27

    申请号:CN201711202808.8

    申请日:2017-11-27

    CPC classification number: G06K9/6288 G06K9/6215 G06K2009/6294

    Abstract: 本发明涉及一种基于证据距离和不确定度的冲突数据融合方法,属于无线传感器技术领域。该方法同时考虑证据之间的相互支持度与证据本身的不确定性,借鉴证据加权平均的思路,给出了基于证据距离和不确定度的冲突数据融合算法。首先,通过证据距离计算证据之间的相对距离,对证据之间的冲突性进行度量,将证据分为可信证据和不可信证据两类;之后利用信度熵对证据的不确定度进行量化,分别为两类证据分配相应的权重,再对证据的基本信度分配进行修正,最后运用Dempster融合规则计算得到最终的融合结果。本发明提出的基于证据距离和不确定度的冲突数据融合算法能够有效地解决数据冲突度问题,得到更加准确的融合结果。

    基于合作度的异种群并行粒子群算法及MapReduce模型的实现方法

    公开(公告)号:CN105069503A

    公开(公告)日:2015-11-18

    申请号:CN201510458269.9

    申请日:2015-07-30

    Abstract: 本发明涉及一种基于合作度的异种群并行粒子群算法及MapReduce模型的实现方法,属于进化技术领域。在本发明中,首先,安排同等规模的不同类型群体并行搜索全局最优解,保持各个种群的独立性和优越性;其次,通过并行计算种群粒子间的相关度,筛除相关度低的粒子,同时引入扩张变异、扰动操作和种群融合的方法;最后,根据异种群并行粒子群算法的特点,给出了MapReduce编程模型的实现方法。本发明充分利用了MapReduce的高度并行性,结合异种群并行粒子群增强了群体的多样性,从而提高了寻找最优解。

    一种在移动自组织网络中的完整业务数据备份方法

    公开(公告)号:CN108132855B

    公开(公告)日:2021-08-06

    申请号:CN201711287683.3

    申请日:2017-12-07

    Abstract: 本发明涉及一种在移动自组织网络中的完整业务数据备份方法,该方法主要包括以下步骤:1)业务数据分散存储,2)业务备份数据采集,3)业务备份数据获取。该策略为移动自组织网络配备具有高性能大容量数据存储和收发数据包功能的业务数据备份中心;该策略具有备份断点续传的功能,当网络发生阻塞时,备份会发生中断;当网络恢复正常时,备份能够从中断处自动重启并继续进行;采用多级索引存储算法。该策略实现了小颗粒数据恢复,对系统的影响降到最小,恢复速度大幅提高,同时提高了备份数据的备份成功率和存储效率。

    一种在移动自组织网络中的完整业务数据备份策略

    公开(公告)号:CN108132855A

    公开(公告)日:2018-06-08

    申请号:CN201711287683.3

    申请日:2017-12-07

    Abstract: 本发明涉及一种在移动自组织网络中的完整业务数据备份策略,该策略主要包括以下步骤:1)业务数据分散存储,2)业务备份数据采集,3)业务备份数据获取。该策略为移动自组织网络配备具有高性能大容量数据存储和收发数据包功能的业务数据备份中心;该策略具有备份端点续传的功能,当网络发生阻塞时,备份会发生中断;当网络恢复正常时,备份能够从中断处自动重启并继续进行;采用多级索引存储算法。该策略实现了小颗粒数据恢复,对系统的影响降到最小,恢复速度大幅提高,同时提高了备份数据的备份成功率和存储效率。

    一种基于时空属性关联规则的预测方法

    公开(公告)号:CN107844602A

    公开(公告)日:2018-03-27

    申请号:CN201711195365.4

    申请日:2017-11-24

    Abstract: 本发明涉及一种基于时空属性关联规则的预测方法,属于计算机技术领域。本发明分析智能城市中时空数据的特点,参数化用户访问请求的历史数据,将用户访问请求的历史数据映射到时空属性域,提取时空属性。根据用户访问的空间局部性和时间平稳性,在时空属性域中使用区域网格划分,关联规则和自回归积分滑动平均(ARIMA)模型进行相关分析和识别转换规则,挖掘用户访问模式,确定用户访问请求的历史变化规律,构建预测用户下一次访问请求的预测函数,以实现对用户时空数据的预测。本发明有利于发展高效的海量时空数据预测机制。

Patent Agency Ranking