CN111340516A - 基于信息熵与变异系数融合算法的满意度评价***及方法 - Google Patents
基于信息熵与变异系数融合算法的满意度评价***及方法 Download PDFInfo
- Publication number
- CN111340516A CN111340516A CN202010177756.9A CN202010177756A CN111340516A CN 111340516 A CN111340516 A CN 111340516A CN 202010177756 A CN202010177756 A CN 202010177756A CN 111340516 A CN111340516 A CN 111340516A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- algorithm
- comprehensive
- comprehensive score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 230000004927 fusion Effects 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 title claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- NAXKFVIRJICPAO-LHNWDKRHSA-N [(1R,3S,4R,6R,7R,9S,10S,12R,13S,15S,16R,18S,19S,21S,22S,24S,25S,27S,28R,30R,31R,33S,34S,36R,37R,39R,40S,42R,44R,46S,48S,50R,52S,54S,56S)-46,48,50,52,54,56-hexakis(hydroxymethyl)-2,8,14,20,26,32,38,43,45,47,49,51,53,55-tetradecaoxa-5,11,17,23,29,35,41-heptathiapentadecacyclo[37.3.2.23,7.29,13.215,19.221,25.227,31.233,37.04,6.010,12.016,18.022,24.028,30.034,36.040,42]hexapentacontan-44-yl]methanol Chemical compound OC[C@H]1O[C@H]2O[C@H]3[C@H](CO)O[C@H](O[C@H]4[C@H](CO)O[C@H](O[C@@H]5[C@@H](CO)O[C@H](O[C@H]6[C@H](CO)O[C@H](O[C@H]7[C@H](CO)O[C@@H](O[C@H]8[C@H](CO)O[C@@H](O[C@@H]1[C@@H]1S[C@@H]21)[C@@H]1S[C@H]81)[C@H]1S[C@@H]71)[C@H]1S[C@H]61)[C@H]1S[C@@H]51)[C@H]1S[C@@H]41)[C@H]1S[C@H]31 NAXKFVIRJICPAO-LHNWDKRHSA-N 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于信息熵与变异系数融合算法的满意度评价***及方法,包括远程服务模块,用于提供售后设备的状态数据;数据处理模块,用于关联远程服务模块数据;指标权重计算模块,用于对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;综合得分计算模块,用于分别对权重系数计算综合得分,求出最终满意度综合得分;无监督聚类算法模块,将计算得到的满意度综合得分输入到聚类模块的分层聚类算法中。本发明能够科学客观的对客服人员的上门服务满意度进行评估,并且具有运行速度快、算法稳定性高、模型可解释性强、分类准确率高、人为因素干扰性低、可移植性强的优点。
Description
技术领域
本发明涉及满意度评价***及方法,尤其是涉及基于信息熵与变异系数融合算法的满意度评价***及方法。
背景技术
目前各设备制造厂家,当售后设备出现故障不能正常运行时,需要派售后人员上门服务,对设备进行针对性保养维护。然而,上门服务的满意效果却难以有效衡量。这是因为一方面缺乏足够的数据支撑,另一方面则是满意度评估一直以来容易受到人为因素的干扰,缺乏一个客观的标准评价***。
发明内容
本发明目的在于提供一种基于信息熵与变异系数融合算法的满意度评价***,本发明另一目的是提供该满意度评价***的评价方法,实现满意度评价人为因素干扰性低、可移植性强。
为实现上述目的,本发明采取下述技术方案:
本发明所述基于信息熵与变异系数融合算法的满意度评价***,包括下述模块:
远程服务模块,用于提供售后设备的状态数据,包括时间戳、故障码信息、上门服务记录台账数据、设备台账数据;
数据处理模块,用于关联远程服务模块数据,对缺失数据进行均值填充,构造上门服务前后所述售后设备的故障发生次数、发生频率、设备运行时长、设备工作状态的差分数据,对负值数据进行非复制转化;
指标权重计算模块,用于对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;
综合得分计算模块,用于分别对所述权重系数计算综合得分,将各自综合得分进行最大、最小归一化处理,并进行综合得分融合操作,继而求出每次上门服务记录样本的最终满意度综合得分;
无监督聚类算法模块,将计算得到的所述满意度综合得分输入到聚类模块的分层聚类算法中;其中,满意度综合得分的相似性距离采用欧式距离,距离的评估方法采用平均链接距离算法。
本发明所述满意度评价***的评价方法,包括下述步骤:
步骤1,通过所述远程服务模块访问相关数据库,获得所述售后设备的状态数据,包括时间戳、故障码信息、上门服务记录台账数据、设备台账数据;
步骤2,将读取到的所述数据输入给所述数据处理模块,执行数据按售后设备ID的关联操作,对缺失的数值数据进行均值填充,对缺失的离散数据进行空值补齐,填充‘None’;再次,构造上门服务前后该售后设备的故障发生次数、发生频率、设备运行时长、设备工作状态等一阶差分数据,对负值数据进行非复制转化;
步骤3,经过数据处理模块处理后的数据,输入到指标权重计算模块,对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;
其中,M为样本数量,即上门服务的次数;
将所述综合得分最大、最小归一化处理:
对综合得分进行最大最小归一化处理:
分别对变异系数以及信息熵下的总额和得分归一化处理后,用下述公式计算第j个样本的最终综合得分:
步骤5,最后,指定要聚类的个数,即满意度划分类型个数,把所述最终综合得分输入到所述聚类模块中;聚类模块采用自底向上的层次聚类算法,即:
步骤5.1,将每个按上述公式计算得到的综合得分score j 都作为一个簇;
步骤5.2,计算两两簇之间的相似度,即采用基于欧式距离的平均链接距离算法,并加入到最相似的簇中;具体地,所述基于欧式距离平均链接距离算法的操作是:把两两簇r、s的欧式距离全部放在一起求一个平均值L(r,s),
步骤6,重复步骤5.1、步骤5.1,直到只剩下指定聚类个数的簇,从而完成了上门服务的满意度评价。
本发明能够科学客观的对客服人员的上门服务满意度进行评估,并且具有运行速度快、算法稳定性高、模型可解释性强、分类准确率高、人为因素干扰性低、可移植性强的优点。
附图说明
图1是本发明所述故障预测***的结构框图。
图2是本发明所述预警方法的流程框图。
具体实施方式
下面结合附图对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述实施例。
如图1所示,本发明所述基于信息熵与变异系数融合算法的满意度评价***,包括下述模块:
远程服务模块,用于提供售后设备的状态数据,包括故障码信息、上门服务记录台账数据、设备台账数据;
数据处理模块,用于关联远程服务模块数据,对缺失数据进行均值填充,构造上门服务前后所述售后设备的故障发生次数、发生频率、设备运行时长、设备工作状态的差分数据,对负值数据进行非复制转化;
指标权重计算模块,用于对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;
综合得分计算模块,用于分别对所述权重系数计算综合得分,将各自综合得分进行最大、最小归一化处理,并进行综合得分融合操作,继而求出每次上门服务记录样本的最终满意度综合得分;
无监督聚类算法模块,将计算得到的所述满意度综合得分输入到聚类模块的分层聚类算法中;其中,满意度综合得分的相似性距离采用欧式距离,距离的评估方法采用法平均链接距离算法。
如图2所述,所述满意度评价***的评价方法,按照下述步骤进行:
步骤1,通过所述远程服务模块访问相关数据库,获得所述售后设备的状态数据,包括设备ID、开机时间、工作时间、历史维护次数、元器件更换信息数据、故障码信息;上门服务记录台账数据,包括设备ID、上门服务类型、上门服务时间、上门人员数据;设备台账数据,包括设备类型、设备ID、设备地理信息数据;
步骤2,将读取到的所述数据输入给所述数据处理模块,执行数据按售后设备ID的关联操作,对缺失的数值数据进行均值填充,对缺失的离散数据进行空值补齐,填充‘None’;再次,构造上门服务前后该售后设备的故障发生次数,具体地,构造设备上门服务期间前后3天、前后7天、前后15天的故障发生次数、发生频率、设备运行时长等特征,并对负值数据进行非负值转化,具体地,对出现负值的特征列广播添加此列最小负值的绝对值,将处理后的特征值作为此列的最终值;
步骤3,经过数据处理模块处理后的数据,输入到指标权重计算模块,对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;
其中,M为样本数量,即上门服务的次数;
将所述综合得分最大、最小归一化处理:
对综合得分进行最大最小归一化处理:
分别对变异系数以及信息熵下的满意度综合得分归一化处理后,用下述公式计算第j个样本的最终综合得分:
步骤5,最后,指定要聚类的个数,即满意度划分类型个数,把所述最终综合得分输入到所述聚类模块中;聚类模块采用自底向上的层次聚类算法,即:
步骤5.1,将每个按上述公式计算得到的综合得分score j 都作为一个簇;
步骤5.2,计算两两簇之间的相似度,即采用基于欧式距离的平均链接距离算法,并加入到最相似的簇中;具体地,所述基于欧式距离的平均链接距离算法的操作是:把两两簇r、s的欧式距离全部放在一起求一个平均值L(r,s):
步骤6,重复步骤5.1、步骤5.2,直到只剩下指定聚类个数的簇,从而完成了上门服务的满意度评价。
相关簇的合并算法的伪代码如下所示:
Given:
A specified clusters as the number of satisfaction types cluster_ threshold
for i= 1 to
end for
whileC.size > cluster_thresholddo
end while。
Claims (2)
1.一种基于信息熵与变异系数融合算法的满意度评价***,其特征在于:包括下述模块:
远程服务模块,用于提供售后设备的状态数据,包括时间戳、故障码信息、上门服务记录台账数据、设备台账数据;
数据处理模块,用于关联远程服务模块数据,对缺失数据进行均值填充,构造上门服务前后所述售后设备的故障发生次数、发生频率、设备运行时长、设备工作状态的差分数据,对负值数据进行非复制转化;
指标权重计算模块,用于对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;
综合得分计算模块,用于分别对所述权重系数计算综合得分,将各自综合得分进行最大、最小归一化处理,并进行综合得分融合操作,继而求出每次上门服务记录样本的最终满意度综合得分;
无监督聚类算法模块,将计算得到的所述满意度综合得分输入到聚类模块的分层聚类算法中;其中,满意度综合得分的相似性距离采用欧式距离,距离的评估方法采用平均链接距离算法。
2.一种如权利要求1所述满意度评价***的评价方法,其特征在于:包括下述步骤:
步骤1,通过所述远程服务模块访问相关数据库,获得所述售后设备的状态数据,包括时间戳、故障码信息、上门服务记录台账数据、设备台账数据;
步骤2,将读取到的所述数据输入给所述数据处理模块,执行数据按售后设备ID的关联操作,对缺失的数值数据进行均值填充,对缺失的离散数据进行空值补齐,填充‘None’;再次,构造上门服务前后该售后设备的故障发生次数、发生频率、设备运行时长、设备工作状态等一阶差分数据,对负值数据进行非复制转化;
步骤3,经过数据处理模块处理后的数据,输入到指标权重计算模块,对处理后的数据分别基于信息熵与变异系数算法,计算出相应指标的权重系数;
其中,M为样本数量,即上门服务的次数;
将所述综合得分最大、最小归一化处理:
对综合得分进行最大最小归一化处理:
步骤5,最后,指定要聚类的个数,即满意度划分类型个数,把所述最终综合得分输入到所述聚类模块中;聚类模块采用自底向上的层次聚类算法,即:
步骤5.1,将每个按上述公式计算得到的综合得分score j 都作为一个簇;
步骤5.2,计算两两簇之间的相似度,即采用基于欧式距离的平均链接距离算法,并加入到最相似的簇中;具体地,所述平均链接距离算法的操作是:把两两簇r、s的欧式距离全部放在一起求一个平均值L(r,s),
步骤6,重复步骤5.1、步骤5.1,直到只剩下指定个数的簇,从而完成了上门服务的满意度评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177756.9A CN111340516A (zh) | 2020-03-13 | 2020-03-13 | 基于信息熵与变异系数融合算法的满意度评价***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177756.9A CN111340516A (zh) | 2020-03-13 | 2020-03-13 | 基于信息熵与变异系数融合算法的满意度评价***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111340516A true CN111340516A (zh) | 2020-06-26 |
Family
ID=71186580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010177756.9A Pending CN111340516A (zh) | 2020-03-13 | 2020-03-13 | 基于信息熵与变异系数融合算法的满意度评价***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340516A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947229A (zh) * | 2021-10-25 | 2022-01-18 | 交通运输部公路科学研究所 | 一种基于云平台的汽车售后服务智慧评价***及方法 |
CN115309872A (zh) * | 2022-10-13 | 2022-11-08 | 深圳市龙光云众智慧科技有限公司 | 一种基于Kmeans召回的多模型熵加权检索方法及*** |
CN116664173A (zh) * | 2023-08-02 | 2023-08-29 | 成都信通信息技术有限公司 | 一种基于大数据模型的竞品分析方法、终端及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460891A (zh) * | 2018-09-25 | 2019-03-12 | 平安科技(深圳)有限公司 | 基于满意度评价的数据处理方法、装置和计算机设备 |
CN110222183A (zh) * | 2019-06-12 | 2019-09-10 | 云南电网有限责任公司大理供电局 | 一种供电客户满意度评价模型的构建方法 |
CN110503283A (zh) * | 2018-05-18 | 2019-11-26 | 重庆师范大学 | 一种县域高标准基本农田建设综合成效的评估方法 |
CN110533115A (zh) * | 2019-09-04 | 2019-12-03 | 西南交通大学 | 基于变分模态分解的轨道电路传输特性定量评价方法 |
-
2020
- 2020-03-13 CN CN202010177756.9A patent/CN111340516A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503283A (zh) * | 2018-05-18 | 2019-11-26 | 重庆师范大学 | 一种县域高标准基本农田建设综合成效的评估方法 |
CN109460891A (zh) * | 2018-09-25 | 2019-03-12 | 平安科技(深圳)有限公司 | 基于满意度评价的数据处理方法、装置和计算机设备 |
CN110222183A (zh) * | 2019-06-12 | 2019-09-10 | 云南电网有限责任公司大理供电局 | 一种供电客户满意度评价模型的构建方法 |
CN110533115A (zh) * | 2019-09-04 | 2019-12-03 | 西南交通大学 | 基于变分模态分解的轨道电路传输特性定量评价方法 |
Non-Patent Citations (14)
Title |
---|
姜君: "基于熵权与变异系数组合赋权法的模糊综合评价模型——以白洋淀水环境质量评价为例", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
姜君: "基于熵权与变异系数组合赋权法的模糊综合评价模型——以白洋淀水环境质量评价为例", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》, no. 2011, 15 August 2011 (2011-08-15), pages 13 - 33 * |
岳毅蒙: "县域旅游服务质量满意度评价模型", 《微型电脑应用》, vol. 22, no. 9, pages 21 - 23 * |
王欣: "基于用户视角的医疗设备售后满意度评价模型的构建", 《中国医疗设备》, vol. 34, no. 09, pages 140 - 142 * |
王永弟等: "熵权、变异系数及模糊多准则决策在测量平差中的综合应用", 《工程勘察》 * |
王永弟等: "熵权、变异系数及模糊多准则决策在测量平差中的综合应用", 《工程勘察》, no. 09, 1 September 2012 (2012-09-01) * |
程赐胜: "基于模糊熵的物流企业客户满意度评价模型", 《铁道科学与工程学报》, vol. 3, no. 3, pages 79 - 82 * |
钱晓辉等: "基于组合赋权的变异系数法在质量评价中的应用", 《南京师大学报(自然科学版)》 * |
钱晓辉等: "基于组合赋权的变异系数法在质量评价中的应用", 《南京师大学报(自然科学版)》, no. 04, 31 December 2019 (2019-12-31) * |
雷兴列等: "基于组合赋权与D-S证据理论的变压器状态评估", 《华东电力》 * |
雷兴列等: "基于组合赋权与D-S证据理论的变压器状态评估", 《华东电力》, no. 10, 24 October 2013 (2013-10-24) * |
韩忠明: "《数据分析与R》", 31 August 2014, 北京:北京邮电大学出版社, pages: 198 - 202 * |
马骁等: "改进的尼梅罗污染指数法在地下水水质评价中的应用", 《环境工程》 * |
马骁等: "改进的尼梅罗污染指数法在地下水水质评价中的应用", 《环境工程》, no. 03, 22 March 2017 (2017-03-22) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947229A (zh) * | 2021-10-25 | 2022-01-18 | 交通运输部公路科学研究所 | 一种基于云平台的汽车售后服务智慧评价***及方法 |
CN115309872A (zh) * | 2022-10-13 | 2022-11-08 | 深圳市龙光云众智慧科技有限公司 | 一种基于Kmeans召回的多模型熵加权检索方法及*** |
CN116664173A (zh) * | 2023-08-02 | 2023-08-29 | 成都信通信息技术有限公司 | 一种基于大数据模型的竞品分析方法、终端及存储介质 |
CN116664173B (zh) * | 2023-08-02 | 2023-11-14 | 成都信通信息技术有限公司 | 一种基于大数据模型的竞品分析方法、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906473B (zh) | 一种旋转设备故障诊断方法 | |
CN109411082B (zh) | 一种医疗质量评价及就诊推荐方法 | |
CN111340516A (zh) | 基于信息熵与变异系数融合算法的满意度评价***及方法 | |
CN112383052B (zh) | 基于电力物联网的电网故障修复方法和装置 | |
CN110929918A (zh) | 一种基于CNN和LightGBM的10kV馈线故障预测方法 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN106021545A (zh) | 用于车辆远程诊断与备件检索的方法 | |
CN114638476A (zh) | 一种水利一体化运维管理方法及*** | |
CN110458039A (zh) | 一种工业过程故障诊断模型的构建方法及其应用 | |
CN108536866B (zh) | 基于话题转移熵的微博隐蔽关键用户分析方法 | |
CN115719283A (zh) | 一种智能化会计管理*** | |
CN116011827A (zh) | 一种用于重点小区的停电监测分析与预警***及方法 | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN116448161A (zh) | 一种基于人工智能的环境监测设备故障诊断方法 | |
CN115907461A (zh) | 一种基于机理推导方程的电力工程方法 | |
CN117194995A (zh) | 基于数据挖掘的轨道车辆rams数据关联性分析方法 | |
CN114167837B (zh) | 一种铁路信号***的智能故障诊断方法及*** | |
CN110766248A (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
CN116224950A (zh) | 面向无人生产线自组织重构的智能故障诊断方法和*** | |
CN113222471A (zh) | 一种基于新媒体数据的资产风控方法及设备 | |
CN113537759A (zh) | 一种基于权重自适应的用户体验度量模型 | |
CN116319262B (zh) | 一种电能计量装置通信故障数据检测模型 | |
CN118098288B (zh) | 一种基于自学习标签校正的弱监督语音抑郁症检测方法 | |
CN117332777B (zh) | 一种充电桩故障的统计分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200626 |
|
RJ01 | Rejection of invention patent application after publication |