大数据警务云系统的用户权限管理方法

    公开(公告)号:CN105577703B

    公开(公告)日:2019-01-25

    申请号:CN201610158330.2

    申请日:2016-03-18

    Abstract: 本发明的大数据警务云系统的用户权限管理方法,映射关系建立阶段包括:a).云应用的标记;b).建立用户信息数据元表;c).建立权限数据元表;d).建立映射关系;权限管理实施阶段包括:1).填写个人注册信息;2).生成个人权限列表;3).生成权限时间;4).保存信息;5).发送权限请求;6).接收权限请求;7).返回权限指令;8).加载应用程序或功能模块。本发明的用户权限管理方法,有效地实现了云系统上警务云应用较多(如数十或上百个)时的自动权限管理,减少基层民警用户使用云应用的权限审批流程,更好的建立不同业务、不同单位部分之间的分级授权制度,清晰化权限边界,有益效果显著,适于应用推广。

    大数据警务云系统的用户权限管理方法

    公开(公告)号:CN105577703A

    公开(公告)日:2016-05-11

    申请号:CN201610158330.2

    申请日:2016-03-18

    CPC classification number: H04L63/08 H04L63/10

    Abstract: 本发明的大数据警务云系统的用户权限管理方法,映射关系建立阶段包括:a).云应用的标记;b).建立用户信息数据元表;c).建立权限数据元表;d).建立映射关系;权限管理实施阶段包括:1).填写个人注册信息;2).生成个人权限列表;3).生成权限时间;4).保存信息;5).发送权限请求;6).接收权限请求;7).返回权限指令;8).加载应用程序或功能模块。本发明的用户权限管理方法,有效地实现了云系统上警务云应用较多(如数十或上百个)时的自动权限管理,减少基层民警用户使用云应用的权限审批流程,更好的建立不同业务、不同单位部分之间的分级授权制度,清晰化权限边界,有益效果显著,适于应用推广。

    符合泊松分布的有序多分类变量的数据规格化方法

    公开(公告)号:CN108536794A

    公开(公告)日:2018-09-14

    申请号:CN201810281245.4

    申请日:2018-04-02

    Abstract: 本发明的符合泊松分布的有序多分类变量的数据规格化方法,设数据样本的属性A符合泊松分布,属性A的m个类别经自然编码后的原始值分别为v1、v2、…、vm,vi、vj∈Z且vi≠vj,1≤i≤m,1≤j≤m,样本中属性A的总数量记为N,属性A中类别k下的数量记为nk;有序多分类变量的属性A规格化后的数据值v′k通过公式(1)进行求取:其中,1≤k≤m, 为属性A中m个类别原始值的均值,其通过如下公式进行求取。本发明的数据规格化方法,使得处理后的变量可应用在如神经网络、最近邻分类、聚类等基于对象距离的挖掘算法中,有益效果显著,适于应用推广。

    基于网络性能综合权值决策的算网调度服务方法及系统

    公开(公告)号:CN116708446A

    公开(公告)日:2023-09-05

    申请号:CN202310967433.3

    申请日:2023-08-03

    Abstract: 本发明涉及算力资源调度技术领域,提供了基于网络性能综合权值决策的算网调度服务方法及系统,算网服务平台将筛选出来的不属于同一数据中心的存储平台和算力平台进行一一组合,得到若干组存储平台和算力平台的组合;根据每一种组合下存储平台与算力平台之间的不同网络性能指标的数值、不同网络性能指标的主观权重向量、不同网络性能指标的客观权重向量以及用户客户端的资源需求,构建存算分离场景或数据流转场景下的多目标优化函数,对函数进行求解,得到满足用户需求的最佳存储平台和算力平台组合;算网服务平台将用户客户端的作业和计算数据,部署到最佳存储平台和算力平台组合中进行存储和计算。提高了计算资源利用率和任务调度效率。

    一种基于形态学的切片组织裱贴位置优良判别方法

    公开(公告)号:CN113658209A

    公开(公告)日:2021-11-16

    申请号:CN202110924457.1

    申请日:2021-08-12

    Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法,包括:a).获取切片组织缩略图;b).标签位置识别和统一方向;c).去除标签信息;d).去除非病理组织的点和线;e).计算病理组织中心点偏离距离;f).计算病理组织与长轴的夹角;g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法,整个切片组织裱贴位置优良判别利用图像识别和处理自动完成,处理效率高,解决了现有人工评估所带来的耗时耗力问题,而且整个判别过程不会加入个人的主观想法,更加客观和准确,降低了医生在切片组织裱贴位置优良判别过程中的工作量。

    一种基于投票集成学习的心电数据智能分类方法

    公开(公告)号:CN111000553A

    公开(公告)日:2020-04-14

    申请号:CN201911395467.X

    申请日:2019-12-30

    Abstract: 本发明的基于投票集成学习的心电数据智能分类方法,其特征在于,通过以下步骤来实现:a).数据预处理;b).建立logistic回归模型;c).建立决策树模型;d).建立一个支持向量机;e).建立朴素贝叶斯模型;f).建立神经元模型;g).建立k邻近模型;h).模型集成,最终获得一个正确率不低于80%的模型,效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法,首先从ccdd中获取足够数量的数据,将其分为训练集和测试集,然后建立各类模型,最后,获得一个正确率不低于80%的模型,可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类,实现心血管疾病的早发现、早治疗。

Patent Agency Ranking