检索结果-内蒙古大学图书馆

计算机工程与科学 2017年第10期39卷 1812-1818页

作者：吕瑞孙林夫西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室四川成都610031 西南交通大学四川省现代服务科技工程技术研究中心四川成都610031

针对制造业产业链协同服务平台的备件业务协作需求,提出跨节点的库存协同解决方案并建立近期需求预测计算模型。结合分布式节点企业的历史交易数据、库存数据的实时采集与处理应用,保障库存控制方案的实效性。采用MapReduce框架对模型... 详细信息

针对制造业产业链协同服务平台的备件业务协作需求,提出跨节点的库存协同解决方案并建立近期需求预测计算模型。结合分布式节点企业的历史交易数据、库存数据的实时采集与处理应用,保障库存控制方案的实效性。采用MapReduce框架对模型参数计算过程进行优化,提高运算速度。基于遗传算法获取模型计算最优解,并将模型计算结果推送至下游经销商企业群,由反馈信息控制订单的动态生成。并将该模式应用在汽车产业链云服务平台,压缩了产业链响应时间。

关键词：备件产业链库存协同遗传算法

来源：评论

学校读者我要写书评

暂无评论

面向产业链协同SaaS平台的事件协同感知技术研究

引用

计算机应用研究 2012年第10期29卷 3769-3771,3779页

作者：王淑营阴艳超西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都610031 昆明理工大学机电工程学院昆明650063

为了解决业务关联的产业链协同SaaS平台不同企业对象间基于事件的动态协同感知问题,建立了基于业务事件的平台协同对象感知模型,提出了基于AOP技术的业务事件动态捕获机制、业务关联的协同对象列表产生器实现算法和基于GSM信号增强技术... 详细信息

为了解决业务关联的产业链协同SaaS平台不同企业对象间基于事件的动态协同感知问题,建立了基于业务事件的平台协同对象感知模型,提出了基于AOP技术的业务事件动态捕获机制、业务关联的协同对象列表产生器实现算法和基于GSM信号增强技术的事件消息发布方法。该模型和算法已在汽车零部件产业链协同SaaS平台上进行了应用,能满足汽车售后服务等复杂业务过程中跨单核企业联盟的业务协同需求。

关键词：产业链协同平台软件即服务协同感知事件动态捕获

来源：评论

学校读者我要写书评

暂无评论

结合时空距离的多网络互学习行人重识别

引用

中国图象图形学报 2023年第5期28卷 1409-1421页

作者：李宽龚勋樊剑锋西南交通大学唐山研究生院唐山063000 西南交通大学计算机与人工智能学院成都611756 可持续城市交通智能化教育部工程研究中心成都611756 四川省制造业产业链协同与信息化支撑技术重点实验室成都610031

目的在真实行人识别场景中,获得准确的标注需要耗费大量人力,因此无监督领域自适应成为行人重识别具有潜力的研究方向,这类方法通常需要聚类生成伪标签,往往会存在噪音。此外,在行人搜索过程中,好的排序算法也是取得更好识别性能的关键... 详细信息

目的在真实行人识别场景中,获得准确的标注需要耗费大量人力,因此无监督领域自适应成为行人重识别具有潜力的研究方向,这类方法通常需要聚类生成伪标签,往往会存在噪音。此外,在行人搜索过程中,好的排序算法也是取得更好识别性能的关键,但寻常的Re-Ranking排序优化由于巨大的性能消耗,限制了在真实场景下的应用。针对这两个问题,本文提出了一个联合多网络、分摄像头训练的框架,利用时空信息对排序进行优化。方法对源域数据使用有监督进行预训练,利用未标记的目标域样本进行多个网络模型的深度互学习无监督训练,提高网络的泛化能力,同时在训练过程中进行分摄像头处理,减小跨摄像头的影响,提升伪标签的质量。在排序匹配阶段利用时空信息对排序进行优化,进一步提升匹配性能。结果实验在2个跨域实验数据集上进行测试比较,在源域为DukeMTMC-ReID(Duke multi-tracking multi-camera re-identification)数据集,目标域为Market-1501数据集的实验中,本文方法的平均精度均值(mean average precision,mAP)和Rank1分别为82.5%和95.3%;在源域为Market-1501,目标域为DukeMTMC-ReID数据集的实验中,mAP和Rank1分别为75.3%和90.2%。结论提出的结合时空距离排序的分摄像头网络互学习模型,提升了伪标签的精度,并优化了匹配排序,相比于其他优化算法大幅减少了计算量,进一步提升了行人重识别性能。

关键词：行人重识别互学习分摄像头跨域时空距离

来源：评论

学校读者我要写书评

暂无评论

面向科技资源服务交易的供需匹配技术

引用

现代计算机 2022年第5期28卷 10-17页

作者：冉丈杰西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756

在科技资源服务交易的过程中,技术需求文本往往存在描述模糊、非结构化等问题,为应对由此引起的服务供需匹配困难的现象,开展面向科技资源服务交易的供需匹配技术研究。提出一种服务供需匹配模型,首先提取技术需求文本的关键词,接着构... 详细信息

在科技资源服务交易的过程中,技术需求文本往往存在描述模糊、非结构化等问题,为应对由此引起的服务供需匹配困难的现象,开展面向科技资源服务交易的供需匹配技术研究。提出一种服务供需匹配模型,首先提取技术需求文本的关键词,接着构建技术供给核心库,采用相关模型训练词向量并计算供需文本之间的语义相似度,最后计算出二者的匹配值。对线上电子信息技术领域的供需文本进行测试,计算出给定供需文本之间的匹配值,为实现科技服务交易中的供需对接与供需匹配提供一种新思路。

关键词：供需匹配关键词提取相关度搜索词向量语义相似度

来源：评论

学校读者我要写书评

暂无评论

文本约束下基于表示学习的知识图谱补全研究

引用

现代计算机 2023年第15期29卷 23-28页

作者：曹越西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756

现今许多知识图谱补全的研究都围绕着知识表示学习进行并且取得了很好的成效,但多数经典的基于表示学习做图谱补全的模型只考虑了图谱的网络结构特征,这使得知识图谱的丰富文本信息未被有效利用,同时也存在部分仅利用文本信息做补全的研... 详细信息

现今许多知识图谱补全的研究都围绕着知识表示学习进行并且取得了很好的成效,但多数经典的基于表示学习做图谱补全的模型只考虑了图谱的网络结构特征,这使得知识图谱的丰富文本信息未被有效利用,同时也存在部分仅利用文本信息做补全的研究,但其在计算量大的同时丢失了图谱结构特征。针对该情况,提出一个文本约束的表示学习模型,其基于结构特征提取较优秀的图卷积神经网络,将经预训练语言模型获取的实体描述文本表示用于关联度计算以约束聚合偏向性来做知识图谱补全。最后的实验结果也证明了该模型的有效性。

关键词：知识图谱补全知识表示学习图卷积神经网络文本表示

来源：评论

学校读者我要写书评

暂无评论

基于故障树与贝叶斯网络的汽车故障诊断方法

引用

现代计算机 2023年第10期29卷 9-14,19页

作者：李星西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756

针对传统汽车故障诊断过程中不能高效快速定位故障原因从而造成维修成本和维修时间增大的问题,经过对基于故障树与贝叶斯网络的汽车故障诊断方法进行研究,分析汽车故障数据,构建故障树模型并将其转化为贝叶斯网络,进行贝叶斯网络反向推... 详细信息

针对传统汽车故障诊断过程中不能高效快速定位故障原因从而造成维修成本和维修时间增大的问题,经过对基于故障树与贝叶斯网络的汽车故障诊断方法进行研究,分析汽车故障数据,构建故障树模型并将其转化为贝叶斯网络,进行贝叶斯网络反向推理,确定故障诊断顺序,提高故障诊断的准确率,快速响应服务需求,帮助维修人员快速定位故障发生的位置以及故障原因,从而提高维修效率,提升服务质量。

关键词：故障诊断故障树分析法贝叶斯网络

来源：评论

学校读者我要写书评

暂无评论

基于ElasticSearch的科技资源检索系统的研究与实现

引用

现代计算机 2021年第26期27卷 93-100页

作者：柳帆西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756

针对科技行业中传统数据库检索无法满足海量、异构科技资源数据高速分布式检索的问题,提出了基于ElasticSearch的科技资源分布式搜索引擎的构建方法,并以ElasticSearch技术为核心,结合LogStash、Redis等多门技术,实现了科技资源检索系... 详细信息

针对科技行业中传统数据库检索无法满足海量、异构科技资源数据高速分布式检索的问题,提出了基于ElasticSearch的科技资源分布式搜索引擎的构建方法,并以ElasticSearch技术为核心,结合LogStash、Redis等多门技术,实现了科技资源检索系统。系统使用LogStash将数据库中的标准化数据同步到ElasticSearch,再通过SpringBoot读取后端数据,VUE框架展示前端数据,Redis缓存热搜信息和用户信息。测试结果表明,与传统数据库检索相比,该系统的检索响应时间明显缩短,检索结果全面,能够满足科技资源数据检索的需要。

关键词： ElasticSearch 科技资源 LogStash 分布式搜索搜索引擎

来源：评论

学校读者我要写书评

暂无评论

结构约束下的生成对抗深度图修复

引用

数据采集与处理 2023年第5期38卷 1048-1057页

作者：卢奇龚勋西南交通大学计算机与人工智能学院成都610031 可持续城市交通智能化教育部工程研究中心成都610031 四川省制造业产业链协同与信息化支撑技术重点实验室成都610031

不同于纹理图像,深度图像中的像素点代表采集设备到场景各点的距离,直接使用通用图像修复方法并不能有效恢复深度图像中缺失区域的场景结构,本文提出一个两阶段编解码结构的生成对抗网络以解决深度图像修复问题。与常见生成对抗网络(Gen... 详细信息

不同于纹理图像,深度图像中的像素点代表采集设备到场景各点的距离,直接使用通用图像修复方法并不能有效恢复深度图像中缺失区域的场景结构,本文提出一个两阶段编解码结构的生成对抗网络以解决深度图像修复问题。与常见生成对抗网络(Generative adversarial networks,GAN)模型不同,本文的生成器网络包括深度生成G_(1)和深度修复G_(2)两个模块。G_(1)模块从RGB图像得到预测深度,替换待修复深度图像缺失区域,保证修复区域局部结构一致性。G_(2)模块引入RGB图像边缘结构,保证全局结构一致性。针对现有图像修复方法没有考虑到修复区域间的一致性问题,设计结构一致注意力模块(Structure coherent attention,SCA)加入到G_(2)中改善修复效果。本文提出的深度图像修复模型在主流数据集上进行了验证,利用结构约束并经过两阶段的生成器模型和判别器模型的共同作用,有效改善了深度图像修复效果。

关键词：深度图像图像修复两段式生成对抗网络边缘结构信息

来源：评论

学校读者我要写书评

暂无评论

多关系型数据库向图数据库转换与同步方法

引用

现代计算机 2023年第10期29卷 42-49页

作者：郭良银西南交通大学制造业产业链协同与信息化技术支撑四川省重点实验室成都611756

关系型数据库对于高关联性数据处理性能较低,对查询而言就会产生大量的连接操作,并且不适用于挖掘信息之间潜在的关联关系。针对以上的问题,提出一种基于消息队列的多关系型数据库向图数据库转换与同步方法,并进行设计与实现。首先定义... 详细信息

关系型数据库对于高关联性数据处理性能较低,对查询而言就会产生大量的连接操作,并且不适用于挖掘信息之间潜在的关联关系。针对以上的问题,提出一种基于消息队列的多关系型数据库向图数据库转换与同步方法,并进行设计与实现。首先定义数据的转换与同步方法,依据先节点后边的原则对数据进行转换,结合映射表以及触发器实现数据的同步,使用JSON完成数据网络传输,图查询语言接口操作图数据库。然后采用Java语言与RabbitMQ进行实现与测试。

关键词：关系型数据库图数据库数据转换与同步消息队列 Cypher

来源：评论

学校读者我要写书评

暂无评论

基于多价值链的汽车零配件需求预测研究

引用

现代计算机 2020年第24期26卷 3-8页

作者：陈明露江伟炜西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室成都611756

随着汽车售后市场竞争的不断加剧,高效准确的配件需求预测对代理商制定配件销售决策具有重要参考意义。以汽车产业链协同平台上多价值链数据为来源,构建多链数据集。然后利用随机森林提取与配件需求相关度较高的特征因素,并将其投入LST... 详细信息

随着汽车售后市场竞争的不断加剧,高效准确的配件需求预测对代理商制定配件销售决策具有重要参考意义。以汽车产业链协同平台上多价值链数据为来源,构建多链数据集。然后利用随机森林提取与配件需求相关度较高的特征因素,并将其投入LSTM神经网络中进行模型训练,得出预测结果。最后采用平台上某代理商的多链数据对预测模型进行实例验证。结果表明,相比于单一组件模型,该组合模型的预测效果具有更高的稳定性和准确性。

关键词：配件需求预测多价值链组合预测模型随机森林模型 LSTM模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：