-
Patent Agency Ranking
公开(公告)号：CN108960643A
公开(公告)日：2018-12-07
申请号：CN201810752416.7
申请日：2018-07-10
Applicant: 安徽农业大学
CPC classification number: G06Q10/0635 , G06Q10/06395 , G06Q10/083
Abstract: 本发明提供了一种乳制品冷链物流系统风险评价方法，包括以下步骤：对乳制品冷链物流系统的各个环节进行分析，找出各个环节的关键影响因素；分析各个环节关键影响因素并将其作为量化标准，建立GO‑FLOW评价模型；初始化GO‑FLOW模型参数，根据GO‑FLOW模型对乳制品冷链物流系统进行风险评价。该方法通过对乳制品冷链物流系统风险评价和可靠度计算的结果，对该乳制品冷链物流系统原有的数据进行修正，通过对折线图的直观观察，得知长途运输这一环节使整个系统可靠度有很大下降，因此通过改进运输路线、改变运输方式等途径，使得长途运输的时间变为12h。
-
公开(公告)号：CN108400907A
公开(公告)日：2018-08-14
申请号：CN201810126298.9
申请日：2018-02-08
Applicant: 安徽农业大学
Abstract: 本发明公开了一种不确定网络环境下的链路丢包率推理方法，包括以下步骤：（101）、获取目标网络的拓扑；（102）、发送端到端探测并接收探测结果，该探测结果就是探测得到的路径丢包率；（103）、根据路径丢包率确定路径状态，从而确定链路状态；（104）、采用对数正态分布拟合可得到1状态和2状态链路的丢包率范围；（105）、输出所有的链路丢包率范围。本发明改进了现有技术的相关算法和流程，提出了一个在真实网络环境下面对不确定因素的丢包推理方法，大大地提高了测量链路丢包率的正确率。
-
公开(公告)号：CN109612513B
公开(公告)日：2021-10-15
申请号：CN201811541556.6
申请日：2018-12-17
Applicant: 安徽农业大学
Abstract: 本发明公开了一种面向大规模高维传感器数据的在线式异常检测方法，包括以下步骤：（101）、获取历史数据；（102）、建立深度信念网络‑1/4球面支持向量机混合模型对数据进行降维和检测；（103）、利用历史数据对混合模型进行训练；（104）、采集传感器数据；（105）、创建滑动窗口，实现在线检测技术；（106）、利用上面训练好的混合模型对传感器采集的数据进行检测；（107）、输出检测后所有的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在处理高维度数据时，实现在线检测技术的方法，在大大地提高了异常数据检测的正确率的同时大大降低了检测时间。
-
公开(公告)号：CN106211168A
公开(公告)日：2016-12-07
申请号：CN201610567721.X
申请日：2016-07-18
Applicant: 安徽农业大学
IPC: H04W12/12
CPC classification number: H04W12/12
Abstract: 本发明公开了一种结合基站信息判定位置数据真伪的系统和方法，系统包括采集终端、处理平台，其中采集终端采集基站数据、GPS数据，经过数据处理模块整合后，通过通信模块发送至处理平台；方法使用基站服务小区的经纬度作为绝对参考，计算位置数据是否在小区覆盖范围内，从而进行真伪判定。本发明创新提出一种新的判定方法和系统，能够对大数据时代的位置数据真实性和有效性进行判定。
-
公开(公告)号：CN106130780A
公开(公告)日：2016-11-16
申请号：CN201610567722.4
申请日：2016-07-18
Applicant: 安徽农业大学
IPC: H04L12/24
CPC classification number: H04L41/0677 , H04L41/0604
Abstract: 本发明公开了一种基于静态贝叶斯模型的IP网络故障定位方法，一方面通过新增疑似故障过滤模块，消除了网络噪声对探测结果的影响，大大提升故障定位准确度；另一方面通过新增故障预处理模块，计算最优故障集合，大大降低了现有算法的复杂度，从而适用于大规模网络拓扑。
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
