公开(公告)号：CN110222738B

公开(公告)日：2021-05-18

申请号：CN201910429746.7

申请日：2019-05-22

Applicant: 重庆邮电大学

Inventor： 于洪 ,  杨倩 ,  胡峰 ,  王国胤 ,  张晓霞

IPC: G06K9/62

Abstract: 本发明请求保护一种面向混合采样工业大数据的基于多视图字典学习的分类方法，该方法巧妙借助多视图数据的分类思想，以混合采样工业数据与多视图数据的共性特点进行连接，同时，考虑到混合采样数据的样本数量不一致特点，设计了适应混合采样数据的分类方案。在训练阶段，通过字典学习方法，学习了每个采样频率数据每一类训练样本的字典。在分类测试阶段，首先利用训练的与对应采样频率数据相关的字典对测试样本进行编码，然后利用子字典和测试样本的编码向量来判断样本与哪个类簇的重构误差最小，则表示样本属于该类簇。本发明相较于现有技术，极大限度地利用原始数据，保证了原始数据的分布，提高了分类结果的精度。

公开(公告)号：CN110222738A

公开(公告)日：2019-09-10

申请号：CN201910429746.7

申请日：2019-05-22

Applicant: 重庆邮电大学

Inventor： 于洪 ,  杨倩 ,  胡峰 ,  王国胤 ,  张晓霞

IPC: G06K9/62

Abstract: 本发明请求保护一种面向混合采样工业大数据的基于多视图字典学习的分类方法，该方法巧妙借助多视图数据的分类思想，以混合采样工业数据与多视图数据的共性特点进行连接，同时，考虑到混合采样数据的样本数量不一致特点，设计了适应混合采样数据的分类方案。在训练阶段，通过字典学习方法，学习了每个采样频率数据每一类训练样本的字典。在分类测试阶段，首先利用训练的与对应采样频率数据相关的字典对测试样本进行编码，然后利用子字典和测试样本的编码向量来判断样本与哪个类簇的重构误差最小，则表示样本属于该类簇。本发明相较于现有技术，极大限度地利用原始数据，保证了原始数据的分布，提高了分类结果的精度。

公开(公告)号：CN115392826A

公开(公告)日：2022-11-25

申请号：CN202210943469.3

申请日：2022-08-08

Applicant: 重庆邮电大学

Inventor： 牛义锋 ,  杨倩 ,  徐秀珍 ,  宋祎璠

IPC: G06Q10/08

Abstract: 本发明涉及一种考虑库存和运输成本的配送网络可靠性评估及优化方法，属于物流技术领域。该方法在给定配送中心库存量下，寻找满足市场需求和成本约束的极小容量向量，然后利用不交和公式计算配送网络可靠性。在给定库存总量的条件下，为配送中心分配库存量并组成库存组合，再根据每个库存组合下的配送网络可靠性，寻找最优库存分配策略。本发明能够验证配送网络的服务效率和服务质量是否满足可靠性要求，并确定何种库存组合能够最大化配送网络的服务效率和服务质量，即能通过确定配送网络可靠性最大的最优库存分配策略。