CN114003638A - 一种智能互联大数据处理*** - Google Patents
一种智能互联大数据处理*** Download PDFInfo
- Publication number
- CN114003638A CN114003638A CN202111242247.0A CN202111242247A CN114003638A CN 114003638 A CN114003638 A CN 114003638A CN 202111242247 A CN202111242247 A CN 202111242247A CN 114003638 A CN114003638 A CN 114003638A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- input
- information
- data processing
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据处理领域技术领域，且公开了一种智能互联大数据处理***，包括数据输入单元、数据处理单元、数据分类单元和数据信息分层单元，所述数据输入单元包括数据输入定位分析、数据输入类别分析和输入数据权重分析，所述数据输入类别分析指对已经由外部原始数据输入到***内的数据进行分析，输入的数据通过数据输入类别分析后，***再次对数据进行权重分析，***通过权重分析来为数据的存储位置进行定位，本发明中，***将权重系数大，活跃性高的数据处理成置顶数据，将权重系数小，活跃性低的数据处理成沉降数据，达到了避免权重系数小数据以及沉降信息对人工处理数据进行干扰。
Description
技术领域
本发明涉及大数据处理领域技术领域，尤其涉及一种智能互联大数据处理***。
背景技术
在宽带互联网接入技术及智能终端高速普及的今天，网络数据容量以及处理数据量和数据强度的增加速度大大快于任何一个时期；大数据时代已经悄然来临，大型数据处理***也应运而生，大数据处理***的种类繁多，目前还没有公认的分类方法，为了清晰掌握技术的发展现状，这里从负载类型和数据类型两个角度对代表性的***进行分类，一方面明确了各种***的适用范围，另一方面可看到尚未解决的空白领域。
大多企业难以承担同时掌握各种数据分析技术所花费的巨大人力成本，在数据输入和存储过程中，数据的筛选力度不强，垃圾信息很难去除掉，使一些权重系数小的数据占用太多存储空间，并且由于不重要信息的混杂，使人工筛分变的异常艰难，对人工处理数据进行干扰。
为此，我们提出一种智能互联大数据处理***。
发明内容
本发明主要是解决上述现有技术所存在的技术问题，提供一种智能互联大数据处理***。
为了实现上述目的，本发明采用了如下技术方案，一种智能互联大数据处理***，包括数据输入单元、数据处理单元、数据分类单元和数据信息分层单元，所述数据输入单元包括数据输入定位分析、数据输入类别分析和输入数据权重分析，所述数据输入类别分析指对已经由外部原始数据输入到***内的数据进行分析，输入的数据通过数据输入类别分析后，***再次对数据进行权重分析，***通过权重分析来为数据的存储位置进行定位，权重分析是对某组数据在整体中价值的高低和相对重要的程度以及所占比例的大小量化值，通过对所分析的某段数据对于整个数据库起的重要程度，权重可通过划分多个层次指标进行判断和计算，存储好的数据通过数据处理单元，最后再经过数据信息分层单元将已压缩的数据进行分层。
作为优选，所述数据输入定位分析通过外部设备上的定位将原始数据传输给***内部，并将这些数据以外部格式转换为***便于处理的内部格式，外部设备上的定位装置对输入数据的坐标进行定位和统计生成数据地图，应用地图来分析和展示与位置相关的数据，数据地图本质为一般图表与地理信息的结合，形成属性数据既附属于对应目标的空间分布位置，又成为检索图形的依据或参数。
作为优选，所述数据输入类别分析通过数据挖掘技术涉及使用工具提取数据并检查其关键模式和洞察力，它接受数字并将其转换为信息，统计分析技术检查样本以查找诸如中位数和偏差之类的信息，这些信息可以帮助分析人员找到相关模式，诊断分析技术通过识别数据中的模式来解答为什么会发生某些问题，预测分析技术使用现有数据来预判可能发生的情况，它可能是决策的关键方法，通过数据输入类别分析可以帮助将分析器引导至定量数据集中的重要模式，数据输入类别分析对许多行业都很有价值，通过数据挖掘技术、统计分析技术、诊断分析技术、预测分析技术完成数据输入的类别分析。
作为优选，所述输入数据权重分析通过层次分析法是把复杂数据分解成各个组成因素，又将这些因素按支配关系分组形成递阶层次结构，通过两两比较的方式确定各个因素的相对重要性，然后综合决策者的判断，确定决策方案相对重要性的总排序，通过对数据进行权重分析，***通过权重分析来为数据的存储位置进行定位。
作为优选，所述数据处理单元将存储的数据进行分类、回归、聚类、相似匹配、频繁项集、统计描述、链接预测和数据压缩。
作为优选，所述数据处理单元中的分类是一种基本的数据分析方式，数据根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进—步挖掘事物的本质，回归是一种运用广泛的统计分析方法，通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各参数，然后评价回归模型是否能够很好的拟合实测数据，聚类是根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大的一种分类方式，其与分类分析不同，所划分的类是未知的，相似匹配是通过一定的方法，来计算两个数据的相似程度，相似程度通常会用一个是百分比来衡量。
作为优选，所述频繁项集是指事例中频繁出现的项的集合，统计描述是根据数据的特点，用一定的统计指标和指标体系，表明数据所反馈的信息，是对数据分析的基础处理工作，链接预测是一种预测数据之间本应存有的关系的一种方法，链接预测可分为基于节点属性的预测和基于网络结构的预测，基于节点之间属性的链接预测包括分析节点资审的属性和节点之间属性的关系等信息，利用节点信息知识集和节点相似度等方法得到节点之间隐藏的关系，与基于节点属性的链接预测相比，网络结构数据更容易获得，复杂网络领域一个主要的观点表明，网络中的个体的特质没有个体间的关系重要。
作为优选，所述数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储空间
作为优选，所述数据信息分层单元将权重系数大，活跃性高的数据处理成置顶数据，将权重系数小，活跃性低的数据处理成沉降数据。
有益效果
本发明提供了一种智能互联大数据处理***。具备以下有益效果：
(1)、该一种智能互联大数据处理***，通过外部设备上的定位将原始数据传输给***内部，并将这些数据以外部格式转换为***便于处理的内部格式，外部设备上的定位装置对输入数据的坐标进行定位和统计生成数据地图，应用地图来分析和展示与位置相关的数据，采用通用的关系数据库的管理方式与外部设备定位将原始数据传输的方式将地图数据结构组成混合型，通过生成的数据地图与人们的生活轨迹连接，达到了方便人们检索数据和提取数据的效果。
(2)、该一种智能互联大数据处理***，所述数据输入类别分析指对已经由外部原始数据输入到***内的数据进行分析，通过数据挖掘技术涉及使用工具提取数据并检查其关键模式和洞察力，它接受数字并将其转换为信息，统计分析技术检查样本以查找诸如中位数和偏差之类的信息，这些信息可以帮助分析人员找到相关模式，诊断分析技术通过识别数据中的模式来解答为什么会发生某些问题，预测分析技术使用现有数据来预判可能发生的情况，它可能是决策的关键方法，通过数据输入类别分析可以帮助将分析器引导至定量数据集中的重要模式，数据输入类别分析对许多行业都很有价值，通过数据挖掘技术、统计分析技术、诊断分析技术、预测分析技术完成数据输入的类别分析，达到了方便提取数据信息所有价值的效果。
(3)、该一种智能互联大数据处理***，通过数据压缩在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，达到了减少数据的冗余和存储的空间的效果。
(4)、该一种智能互联大数据处理***，最后再经过数据信息分层单元将已压缩的数据进行分层，***将权重系数大，活跃性高的数据处理成置顶数据，将权重系数小，活跃性低的数据处理成沉降数据，通过将数据进行生成数据地图、分类、分层处理，减小人工处理量，达到了避免权重系数小数据以及沉降信息对人工处理数据进行干扰，提高数据处理效率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍。显而易见的，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其他的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明***流程图；
图2为本发明数据输入单元流程示意图；
图3为本发明数据处理单元和数据信息分层单元示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：一种智能互联大数据处理***，如图1-图3所示，包括数据输入单元、数据处理单元、数据分类单元和数据信息分层单元，其中数据输入单元包括数据输入定位分析、数据输入类别分析和输入数据权重分析，通过外部设备上的定位将原始数据传输给***内部，并将这些数据以外部格式转换为***便于处理的内部格式，外部设备上的定位装置对输入数据的坐标进行定位和统计生成数据地图，应用地图来分析和展示与位置相关的数据，数据地图本质为一般图表与地理信息的结合，对应的图形特征与地理属性数据，由不同的数据项组成，如描述某段河流的属性数据包括名称、代码、宽度、长度、等级、通航程度等，描述某个居民地的属性数据有名称、代码、行政归属、等级、面积、人口、交通意义、政治文化意义等，属性数据既附属于对应目标的空间分布位置，又成为检索图形的依据或参数，它们之间没有必然的联系途径，可将它们分别组成若干个二维表，采用通用的关系数据库的管理方式与外部设备定位将原始数据传输的方式将地图数据结构组成混合型，通过生成的数据地图与人们的生活轨迹连接，方便人们检索数据和提取数据，所述数据输入类别分析指对已经由外部原始数据输入到***内的数据进行分析，通过数据挖掘技术涉及使用工具提取数据并检查其关键模式和洞察力，它接受数字并将其转换为信息，统计分析技术检查样本以查找诸如中位数和偏差之类的信息，这些信息可以帮助分析人员找到相关模式，诊断分析技术通过识别数据中的模式来解答为什么会发生某些问题，预测分析技术使用现有数据来预判可能发生的情况，它可能是决策的关键方法，通过数据输入类别分析可以帮助将分析器引导至定量数据集中的重要模式，数据输入类别分析对许多行业都很有价值，通过数据挖掘技术、统计分析技术、诊断分析技术、预测分析技术完成数据输入的类别分析，输入的数据通过类别分析后，***再次对数据进行权重分析，***通过权重分析来为数据的存储位置进行定位，权重分析是对该组数据在整体中价值的高低和相对重要的程度以及所占比例的大小量化值，通过对所分析的某段数据对于整个数据库起的重要程度，权重可通过划分多个层次指标进行判断和计算，层次分析法是把复杂数据分解成各个组成因素，又将这些因素按支配关系分组形成递阶层次结构，通过两两比较的方式确定各个因素的相对重要性，然后综合决策者的判断，确定决策方案相对重要性的总排序，通过对数据进行权重分析，将数据传入不同的存储位置，存储好的数据通过数据处理单元，数据处理单元将存储的数据进行分类、回归、聚类、相似匹配、频繁项集、统计描述、链接预测和数据压缩，分类是一种基本的数据分析方式，数据根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进—步挖掘事物的本质，回归是一种运用广泛的统计分析方法，通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各参数，然后评价回归模型是否能够很好的拟合实测数据，如果能够很好的拟合，则可以根据自变量作进一步预测，聚类是根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大的一种分类方式，其与分类分析不同，所划分的类是未知的，相似匹配是通过一定的方法，来计算两个数据的相似程度，相似程度通常会用一个是百分比来衡量，相似匹配算法被用在很多不同的计算场景，如数据清洗、用户输入纠错、推荐统计、剽窃检测***、自动评分***、网页搜索和DNA序列匹配等领域，频繁项集是指事例中频繁出现的项的集合，统计描述是根据数据的特点，用一定的统计指标和指标体系，表明数据所反馈的信息，是对数据分析的基础处理工作，链接预测是一种预测数据之间本应存有的关系的一种方法，链接预测可分为基于节点属性的预测和基于网络结构的预测，基于节点之间属性的链接预测包括分析节点资审的属性和节点之间属性的关系等信息，利用节点信息知识集和节点相似度等方法得到节点之间隐藏的关系，与基于节点属性的链接预测相比，网络结构数据更容易获得，复杂网络领域一个主要的观点表明，网络中的个体的特质没有个体间的关系重要，数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法，数据压缩分为有损压缩和无损压缩，最后再经过数据信息分层单元将已压缩的数据进行分层，***将权重系数大，活跃性高的数据处理成置顶数据，将权重系数小，活跃性低的数据处理成沉降数据，通过将数据进行生成数据地图、分类、分层处理，减小人工处理量，避免权重系数小数据以及沉降信息对人工处理数据进行干扰，提高数据处理效率。
工作原理：通过外部设备上的定位将原始数据传输给***内部，并将这些数据以外部格式转换为***便于处理的内部格式，外部设备上的定位装置对输入数据的坐标进行定位和统计生成数据地图，应用地图来分析和展示与位置相关的数据，采用通用的关系数据库的管理方式与外部设备定位将原始数据传输的方式将地图数据结构组成混合型，通过生成的数据地图与人们的生活轨迹连接，方便人们检索数据和提取数据。
所述数据输入类别分析指对已经由外部原始数据输入到***内的数据进行分析，通过数据挖掘技术涉及使用工具提取数据并检查其关键模式和洞察力，它接受数字并将其转换为信息，统计分析技术检查样本以查找诸如中位数和偏差之类的信息，这些信息可以帮助分析人员找到相关模式，诊断分析技术通过识别数据中的模式来解答为什么会发生某些问题，预测分析技术使用现有数据来预判可能发生的情况，它可能是决策的关键方法，通过数据输入类别分析可以帮助将分析器引导至定量数据集中的重要模式，数据输入类别分析对许多行业都很有价值，通过数据挖掘技术、统计分析技术、诊断分析技术、预测分析技术完成数据输入的类别分析，输入的数据通过类别分析后，***再次对数据进行权重分析，通过对所分析的某段数据对于整个数据库起的重要程度。
通过数据压缩在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间。
最后再经过数据信息分层单元将已压缩的数据进行分层，***将权重系数大，活跃性高的数据处理成置顶数据，将权重系数小，活跃性低的数据处理成沉降数据，通过将数据进行生成数据地图、分类、分层处理，减小人工处理量，避免权重系数小数据以及沉降信息对人工处理数据进行干扰，提高数据处理效率。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种智能互联大数据处理***，其特征在于：包括数据输入单元、数据处理单元、数据分类单元和数据信息分层单元，所述数据输入单元包括数据输入定位分析、数据输入类别分析和输入数据权重分析，所述数据输入类别分析指对已经由外部原始数据输入到***内的数据进行分析，输入的数据通过数据输入类别分析后，***再次对数据进行权重分析，***通过权重分析来为数据的存储位置进行定位，权重分析是对某组数据在整体中价值的高低和相对重要的程度以及所占比例的大小量化值，通过对所分析的某段数据对于整个数据库起的重要程度，权重可通过划分多个层次指标进行判断和计算，存储好的数据通过数据处理单元，最后再经过数据信息分层单元将已压缩的数据进行分层。
2.根据权利要求1所述的一种智能互联大数据处理***，其特征在于：所述数据输入定位分析通过外部设备上的定位将原始数据传输给***内部，并将这些数据以外部格式转换为***便于处理的内部格式，外部设备上的定位装置对输入数据的坐标进行定位和统计生成数据地图，应用地图来分析和展示与位置相关的数据，数据地图本质为一般图表与地理信息的结合，形成属性数据既附属于对应目标的空间分布位置，又成为检索图形的依据或参数。
3.根据权利要求1所述的一种智能互联大数据处理***，其特征在于：所述数据输入类别分析通过数据挖掘技术涉及使用工具提取数据并检查其关键模式和洞察力，它接受数字并将其转换为信息，统计分析技术检查样本以查找诸如中位数和偏差之类的信息，这些信息可以帮助分析人员找到相关模式，诊断分析技术通过识别数据中的模式来解答为什么会发生某些问题，预测分析技术使用现有数据来预判可能发生的情况，它可能是决策的关键方法，通过数据输入类别分析可以帮助将分析器引导至定量数据集中的重要模式，数据输入类别分析对许多行业都很有价值，通过数据挖掘技术、统计分析技术、诊断分析技术、预测分析技术完成数据输入的类别分析。
4.根据权利要求1所述的一种智能互联大数据处理***，其特征在于：所述输入数据权重分析通过层次分析法是把复杂数据分解成各个组成因素，又将这些因素按支配关系分组形成递阶层次结构，通过两两比较的方式确定各个因素的相对重要性，然后综合决策者的判断，确定决策方案相对重要性的总排序，通过对数据进行权重分析，***通过权重分析来为数据的存储位置进行定位。
5.根据权利要求1所述的一种智能互联大数据处理***，其特征在于：所述数据处理单元将存储的数据进行分类、回归、聚类、相似匹配、频繁项集、统计描述、链接预测和数据压缩。
6.根据权利要求5所述的一种智能互联大数据处理***，其特征在于：所述数据处理单元中的分类是一种基本的数据分析方式，数据根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进—步挖掘事物的本质，回归是一种运用广泛的统计分析方法，通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各参数，然后评价回归模型是否能够很好的拟合实测数据，聚类是根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大的一种分类方式，其与分类分析不同，所划分的类是未知的，相似匹配是通过一定的方法，来计算两个数据的相似程度，相似程度通常会用一个是百分比来衡量。
7.根据权利要求5所述的一种智能互联大数据处理***，其特征在于：所述频繁项集是指事例中频繁出现的项的集合，统计描述是根据数据的特点，用一定的统计指标和指标体系，表明数据所反馈的信息，是对数据分析的基础处理工作，链接预测是一种预测数据之间本应存有的关系的一种方法，链接预测可分为基于节点属性的预测和基于网络结构的预测，基于节点之间属性的链接预测包括分析节点资审的属性和节点之间属性的关系等信息，利用节点信息知识集和节点相似度等方法得到节点之间隐藏的关系，与基于节点属性的链接预测相比，网络结构数据更容易获得，复杂网络领域一个主要的观点表明，网络中的个体的特质没有个体间的关系重要。
8.根据权利要求5所述的一种智能互联大数据处理***，其特征在于：所述数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储空间。
9.根据权利要求1所述的一种智能互联大数据处理***，其特征在于：所述数据信息分层单元将权重系数大，活跃性高的数据处理成置顶数据，将权重系数小，活跃性低的数据处理成沉降数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111242247.0A CN114003638A (zh) | 2021-10-25 | 2021-10-25 | 一种智能互联大数据处理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111242247.0A CN114003638A (zh) | 2021-10-25 | 2021-10-25 | 一种智能互联大数据处理*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114003638A true CN114003638A (zh) | 2022-02-01 |
Family
ID=79923869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111242247.0A Pending CN114003638A (zh) | 2021-10-25 | 2021-10-25 | 一种智能互联大数据处理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114003638A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117290799A (zh) * | 2023-11-24 | 2023-12-26 | 山东壹知产数字科技有限公司 | 一种基于大数据的企业采购管理方法及*** |
-
2021
- 2021-10-25 CN CN202111242247.0A patent/CN114003638A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117290799A (zh) * | 2023-11-24 | 2023-12-26 | 山东壹知产数字科技有限公司 | 一种基于大数据的企业采购管理方法及*** |
| CN117290799B (zh) * | 2023-11-24 | 2024-02-02 | 山东壹知产数字科技有限公司 | 一种基于大数据的企业采购管理方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Mapping the knowledge domain of smart city development to urban sustainability: a scientometric study | |
| CN110597735A (zh) | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 | |
| CN111639237A (zh) | 一种基于聚类和关联规则挖掘的电力通信网风险评估*** | |
| CN101093559A (zh) | 一种基于知识发现的专家***构造方法 | |
| CN107766933A (zh) | 一种解释卷积神经网络的可视化方法 | |
| CN111552813A (zh) | 一种基于电网全业务数据的电力知识图谱构建方法 | |
| CN108170769A (zh) | 一种基于决策树算法的装配制造质量数据处理方法 | |
| CN115934990B (zh) | 基于内容理解的遥感影像推荐方法 | |
| CN112734154B (zh) | 一种基于模糊数相似度的多因素舆情风险评估方法 | |
| CN111797188B (zh) | 一种基于开源地理空间矢量数据的城市功能区定量识别方法 | |
| CN105912773A (zh) | 一种新的基于数据挖掘技术的智能冲压工艺设计方法 | |
| Zhang | Application of data mining technology in digital library. | |
| Wang et al. | Design of the Sports Training Decision Support System Based on the Improved Association Rule, the Apriori Algorithm. | |
| CN114003638A (zh) | 一种智能互联大数据处理*** | |
| CN115794803A (zh) | 一种基于大数据ai技术的工程审计问题监测方法与*** | |
| CN117078077A (zh) | 一种高速公路路域的生态脆弱性评价方法 | |
| CN113726558A (zh) | 基于随机森林算法的网络设备流量预测*** | |
| CN113254517A (zh) | 一种基于互联网大数据的服务提供方法 | |
| CN113408964A (zh) | 一种基于综合评价体系辅助政府碳管理的方法 | |
| CN117078191A (zh) | 一种数据驱动的多制式轨道交通应急协同决策方法及装置 | |
| CN115660221A (zh) | 基于混合神经网络的油气藏经济可采储量评估方法及*** | |
| Ruan | Quality management of the food cold chain system based on big data analysis | |
| CN109976271B (zh) | 一种利用信息表征方法计算信息结构有序度的方法 | |
| CN114461784A (zh) | 一种非结构化设备故障知识的分类及知识萃取方法 | |
| CN117171548B (zh) | 一种基于电网大数据的网络安全态势智能预测方法 |
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 |