-
公开(公告)号：CN105046338B
公开(公告)日：2019-07-30
申请号：CN201510522278.X
申请日：2015-08-24
Applicant: 扬州大学
Abstract: 本发明涉及移动平台上的智能快递配送方法。本发明建立移动端的数据库包括出发点，各个配送地址和最终目的地，结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k‑opt方法规划出发前的最优配送路径，并根据变化修改，将最优路线的详情以文字和地图的形式显示出来。本发明克服了快递配送效率的严重低下，浪费人力且导致快递配送拖延的缺陷。本发明采用全局k‑opt方法，可以优化配送前的快递配送路线；而采用局部k‑opt方法，通过构建可规划地址集，在不影响已经过路线的基础上，可以优化后续路径，不单可以使快递公司得到配送效率上的基本保障，而且也能把快递员从配送路径规划的负担中解脱出来，实现真正的智慧物流。
-
Patent Agency Ranking
公开(公告)号：CN105303028B
公开(公告)日：2018-11-23
申请号：CN201510518334.2
申请日：2015-08-20
Applicant: 扬州大学
Abstract: 本发明涉及基于有监督等度规映射的智能医学诊断分类方法。本发明将医学数据编制成训练数据集和测试数据集，训练数据的有监督的等度规映射降维，包括计算测地线距离，对测地线距离融入监督信息，训练数据的流形低维嵌入，构建分类决策面，测试数据的无监督低维嵌入。本发明克服了过去存在的导致流形整体结构信息的损失的缺陷。本发明对高维有标签数据进行了特征提取，然后根据数据特点使用线性支持向量机算法构建分类决策面对降维后的数据构建分类边界面，显式的低维映射加上线性的分类决策面构建，有利于提高可理解性，降低了数据的冗余度，提高了计算分析的精度，也降低了对医学数据的计算代价。
-
公开(公告)号：CN106126474A
公开(公告)日：2016-11-16
申请号：CN201610234826.3
申请日：2016-04-13
Applicant: 扬州大学
Abstract: 本发明涉及一种基于局部样条嵌入的线性分类方法。本发明输入训练数据和测试数据，训练数据的有监督的局部样条嵌入降维，包括构建类内图、类间图选取邻域，构建训练数据点的类内局部切空间和类间局部切空间，获得训练数据点的全局低维坐标，得到对应的最佳线性映射，将测试数据映射至低维流形中去，K近邻分类对降维后的测试数据进行分类，得到测试数据的类别标签。本发明克服了过去没有全面的分析数据的类内近邻图和类间近邻图和利用训练数据的类别信息的缺陷。本发明大大降低了数据的复杂程度，提高了数据的可观测性和可判别性，有助于大大改善对高维流形上数据的分类准确率。
-
公开(公告)号：CN106022361A
公开(公告)日：2016-10-12
申请号：CN201610316765.5
申请日：2016-05-10
Applicant: 扬州大学
IPC: G06K9/62
CPC classification number: G06K9/6286 , G06K9/6269
Abstract: 本发明涉及一种基于局部样条嵌入的核化分类器。本发明选择训练数据和测试数据，训练数据的基于局部样条嵌入的非线性降维，根据已获得的训练数据的最佳非线性嵌入对测试数据使用核方法推导出其扩展形式，即获得测试数据在低维流形上的非线性嵌入，使用线性的支持向量机算法对降维后的测试数据进行分类。本发明克服了无法在非线性分类问题上达到很好的分类性能的缺陷。本发明采用局部样条嵌入的非线性降维算法对高维有标签数据降维，再对高维有标签数据进行了特征提取，然后将新的无标签高维测试数据的嵌入，最后根据数据特点使用SVM算法实现对新的测试数据的分类。
-
公开(公告)号：CN105303028A
公开(公告)日：2016-02-03
申请号：CN201510518334.2
申请日：2015-08-20
Applicant: 扬州大学
IPC: G06F19/00
Abstract: 本发明涉及基于有监督等度规映射的智能医学诊断分类方法。本发明将医学数据编制成训练数据集和测试数据集，训练数据的有监督的等度规映射降维，包括计算测地线距离，对测地线距离融入监督信息，训练数据的流形低维嵌入，构建分类决策面，测试数据的无监督低维嵌入。本发明克服了过去存在的导致流形整体结构信息的损失的缺陷。本发明对高维有标签数据进行了特征提取，然后根据数据特点使用线性支持向量机算法构建分类决策面对降维后的数据构建分类边界面，显式的低维映射加上线性的分类决策面构建，有利于提高可理解性，降低了数据的冗余度，提高了计算分析的精度，也降低了对医学数据的计算代价。
-
公开(公告)号：CN105046338A
公开(公告)日：2015-11-11
申请号：CN201510522278.X
申请日：2015-08-24
Applicant: 扬州大学
Abstract: 本发明涉及移动平台上的智能快递配送方法。本发明建立移动端的数据库包括出发点，各个配送地址和最终目的地，结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k-opt方法规划出发前的最优配送路径，并根据变化修改，将最优路线的详情以文字和地图的形式显示出来。本发明克服了快递配送效率的严重低下，浪费人力且导致快递配送拖延的缺陷。本发明采用全局k-opt方法，可以优化配送前的快递配送路线；而采用局部k-opt方法，通过构建可规划地址集，在不影响已经过路线的基础上，可以优化后续路径，不单可以使快递公司得到配送效率上的基本保障，而且也能把快递员从配送路径规划的负担中解脱出来，实现真正的智慧物流。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
