-
公开(公告)号：CN118689885A
公开(公告)日：2024-09-24
申请号：CN202410717590.3
申请日：2024-06-04
Applicant: 广西中烟工业有限责任公司
Abstract: 本发明涉及区块链技术领域，公开了用于业务系统数据处理的方法、装置、设备及存储介质，方法包括：获取业务系统的初始业务数据，基于初始业务数据生成初始业务数据的去中心化身份、数据记录主键和时间戳；在区块链网络的区块链网络节点处调用智能合约应用程序编程接口，将目标业务数据存储在区块链网络节点，其中，目标业务数据包括：初始业务数据、与初始业务数据对应的去中心化身份、数据记录主键和时间戳；基于数据导出的智能合约脚本将区块链状态数据和区块链账本数据导出，将区块链状态数据和区块链账本数据进行可视化处理。可以直观地呈现数据特征，使用户可以更快速地获取业务数据流转过程中的关键信息，提高数据解读效率。
-
公开(公告)号：CN116701944A
公开(公告)日：2023-09-05
申请号：CN202310835002.1
申请日：2023-07-07
Applicant: 广西中烟工业有限责任公司
IPC: G06F18/214 , G06F18/27 , G06Q10/067 , G06Q10/04 , G06N20/00
Abstract: 本发明涉及时间序列预测技术领域，公开了卷烟销量预测方法、装置、计算机设备及存储介质，包括：获取近若干年的卷烟销量数据集；对卷烟销量数据集进行预处理，得到原始销量序列；对原始销量序列加入白噪声序列，得到扩展序列，对扩展序列进行模态分解，得到高频分量与低频分量；将高频分量输入极限梯度提升模型，得到高频预测值；将低频分量输入自回归移动平均模型，得到低频预测值；将高频预测值与低频预测值进行融合，得到最终的卷烟销量预测结果，本发明将销量序列分为高频分量与低频分量，通过分别利用极限梯度提升模型与自回归移动平均模型对高频分量与低频分量进行预测，提高了卷烟销量预测准确性，降低了卷烟销量预测误差。
-
公开(公告)号：CN119885288A
公开(公告)日：2025-04-25
申请号：CN202411801290.X
申请日：2024-12-09
Applicant: 广西中烟工业有限责任公司
IPC: G06F21/64 , H04L9/40 , H04L9/00 , H04L9/32 , H04L67/104 , H04L67/1095 , G06F21/60 , G06F21/10 , G06F11/14
Abstract: 本发明涉及区块链技术领域，公开了一种基于联盟链的业务数据处理方法、装置及设备，该方法包括：获取业务系统的多条业务数据和多条业务数据的属性信息，属性信息包括第一哈希值；基于联盟链网络的节点，将多条业务数据和多条业务数据的属性信息存储至联盟链网络的主链和子链；响应于前端对任一业务数据的查询请求，从联盟链网络中获取业务数据；计算业务数据的第二哈希值；基于业务数据的第一哈希值和第二哈希值，判断是否将业务数据发送至前端。本发明通过分布式存储，提高了数据的可用性和容灾能力，通过哈希值验证业务数据在处理过程中是否被篡改，提高了数据的安全性和完整性，能够实现跨云、跨链的重要数据容灾备份。
-
公开(公告)号：CN117457029A
公开(公告)日：2024-01-26
申请号：CN202311541538.9
申请日：2023-11-17
Applicant: 广西中烟工业有限责任公司
Abstract: 本发明涉及设备故障检测技术领域，公开了设备故障检测方法、装置、计算机设备及存储介质，本发明实时地获取和处理声音数据，及时检测出异常情况，从而能够快速地做出反应提高效率；计算声音数据的第一梅尔频谱图，提取第一梅尔频谱图，提高了对声音数据的特征提取；提取第一梅尔频谱图中的第一声学特征，将第一声学特征输入至自编码器，计算得到异常信息，通过计算梅尔频谱图和提取声学特征，能够准确地反映出待检测对象的声音特性，从而能够准确地检测出异常情况；进一步地，捕获了对声音数据特征的重要细节数据；根据预设伽玛分布和异常信息，确定待监测对象是否异常，提高了对设备管理的效率，降低了维护成本。
-
公开(公告)号：CN116050380A
公开(公告)日：2023-05-02
申请号：CN202211685297.0
申请日：2022-12-27
Applicant: 广西中烟工业有限责任公司
IPC: G06F40/205 , G06F40/30 , G06F40/186 , G06F16/35 , G06N3/0455 , G06N3/047 , G06N3/09
Abstract: 本申请提供了一种日志解析方法和装置，其中，该方法包括：获取待解析日志；根据第一预设方法处理待解析日志，得到分割日志；将分割日志输入预训练模型，得到待解析日志中每个单词的中间分数；根据分割日志和中间分数，计算每个单词的目标分数；根据待解析日志、目标分数、单词以及预设算法，得到待解析日志的目标模板，其中，预设算法用于生成目标模板。通过本申请，解决了相关技术中存在准确率低和泛化能力差的问题。
-
Patent Agency Ranking
公开(公告)号：CN106682811B
公开(公告)日：2020-11-03
申请号：CN201611047427.2
申请日：2016-11-23
Applicant: 广西中烟工业有限责任公司
Abstract: 本发明提出了一种基于密度聚类与力引导算法的市场网络可视化方法，该方法中：对市场数据进行预处理并提取时空信息，生成市场多元数据表；根据市场数据中买家与卖家的时空信息进行基于密度的空间聚类，用于自动生成市场网络中的节点，且一个类即为市场网络中的一个节点；根据力引导算法建立自组织市场网络模型，用于自动生成市场网络中类与类之间的边；根据所计算出来的市场网络节点与边进行可视化。通过本发明的技术方案，可对任何蕴涵时空信息的市场数据进行可视化，并在电子地图上实现直观、高效、清晰的市场网络呈现，提高行业及企业的市场数据分析效率。
-
公开(公告)号：CN106709503A
公开(公告)日：2017-05-24
申请号：CN201611047429.1
申请日：2016-11-23
Applicant: 广西中烟工业有限责任公司
IPC: G06K9/62
Abstract: 本发明具体涉及一种基于密度的大型空间数据聚类算法K‑DBSCAN，通过预设基于密度聚类参数：预设半径R、最小近邻数量Min_N、预划分数量K、划分迭代次数T；之后将数据集按照空间分布进行划分为K1个子集；分别计算各数据子集的可达子集，并形成一个可达子集索引；根据可达子集索引，对各子集数据进行基于密度的空间聚类。通过本发明的技术方案，可对大型空间数据集进行基于密度的无监督及半监督聚类，并实现高效、快速的并行聚类计算。
-
公开(公告)号：CN106682811A
公开(公告)日：2017-05-17
申请号：CN201611047427.2
申请日：2016-11-23
Applicant: 广西中烟工业有限责任公司
CPC classification number: G06Q10/067 , G06Q30/0201
Abstract: 本发明提出了一种基于密度聚类与力引导算法的市场网络可视化方法，该方法中：对市场数据进行预处理并提取时空信息，生成市场多元数据表；根据市场数据中买家与卖家的时空信息进行基于密度的空间聚类，用于自动生成市场网络中的节点，且一个类即为市场网络中的一个节点；根据力引导算法建立自组织市场网络模型，用于自动生成市场网络中类与类之间的边；根据所计算出来的市场网络节点与边进行可视化。通过本发明的技术方案，可对任何蕴涵时空信息的市场数据进行可视化，并在电子地图上实现直观、高效、清晰的市场网络呈现，提高行业及企业的市场数据分析效率。
-
公开(公告)号：CN118313348A
公开(公告)日：2024-07-09
申请号：CN202410485054.5
申请日：2024-04-22
Applicant: 广西中烟工业有限责任公司
IPC: G06F40/109 , G06F16/16 , G06N3/0499 , G06N3/084 , G06N3/045
Abstract: 本发明涉及数据处理技术领域，公开了文档格式排版方法、装置、计算机设备、存储介质及产品。该方法包括：获取待排版文件；利用预先训练好的文书分类模型对待排版文件进行处理，得到待排版文书文件的文书分类；利用预先训练好的文书要素分类模型对待排版文件进行处理，得到待排版文书文件的各段落文本的要素分类；基于文书分类、各段落文本的要素分类、各段落文本的要素分类以及排版样式之间的映射关系，对待排版文件进行排版。本发明通过预先训练好的模型，能够自动对待排版文件进行分类和要素识别，极大地减少了人工参与和手动操作的需求。这不仅提高了排版的效率，还降低了出错的可能性。
-
公开(公告)号：CN107908696A
公开(公告)日：2018-04-13
申请号：CN201711063595.5
申请日：2017-11-02
Applicant: 广西中烟工业有限责任公司
CPC classification number: G06F17/30539 , G06F2216/03 , G06K9/6222
Abstract: 本发明具体涉及一种并行高效的基于网格与密度的多维空间数据聚类算法GRIDEN，预设基于密度聚类参数：近邻距离ε、最小近邻数量Min_N、网格划分系数k；根据预设值及D维空间数据集P创建D维空间数据网格G；计算关于ε与k的近邻格子子集S；根据近邻格子子集S对D维空间数据网格G进行无监督的空间网格聚类；根据数据点所在D维格子的聚类结果对整个D维空间数据集P进行分类标注。通过本发明的技术方案，可对海量多维空间数据集进行基于密度的无监督聚类，并实现高效、快速的并行空间数据聚类计算。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.044 seconds)
