云服务平台多层网络协同控制模型

面向制造业产业链上中下游大规模多类型企业群,针对产业链协同云计算服务平台的访问控制问题,提出多类型协同的多层级体系控制机制。基于SaaS/PaaS的云服务模式,从云服务平台产业链的业务协作与访问控制协同出发,给出多层次、分体系的平台访问控制方案。利用各体系层次的关联关系,构建了多维关系布尔矩阵。利用语义关系将布尔关系矩阵转化为多层级体系复杂网络控制模型,并对网络模型进行了仿真实现,给出了模型的实际应用方案及效果。该网络模型改进了传统的基于角色的访问控制静态控制模式,且具有较好的稳定性与扩展性,为解决大规模企业群在角色层次授权多样化、权限体系动态变化过程中的云服务平台访问控制问题,提供了较好的理论支撑。     

面向汽车零部件产业链云服务平台的采购订单整合技术

针对汽车零部件产业链供应商企业群的订单整合集成问题,提出了面向云服务平台订单整合的技术方案.在抽象出订单整合多级映射关系的基础上,建立了多层级订单映射树模型.采用弹性化的动态可配置接口,构建出面向汽车零部件产业链云服务平台的映射规则库,将复杂映射转换为直接映射.运用订单映射树的层级关系,采用映射整合算法,将来自不同整车厂的大批量异构订单整合为供应商企业群所需的零部件生产计划集.结果表明,运用多层级订单映射树模型能支撑面向汽车零部件产业链云服务平台订单整合的扩展应用.     

基于工作流的汽车配件管理系统的研究

随着信息化的发展,如何实现管理系统的工作流配置成为当今的一个研究热点。文章结合汽车配件管理系统的需求,提出在汽车配件管理系统之上的工作流模型,以及工作流各个模块的主要功能。同时指出实现改功能模块的关键技术。最后将该模型用于汽车配件管理系统。以检验该模型的有效性与可行性。     

基于无采样协作知识图网络的推荐系统

知识图谱（KG）可以通过高效组织海量数据实现信息的有效抽取,因而基于知识图谱的推荐方法得到了广泛的研究和应用。针对图神经网络在知识图谱建模中的采样误差问题,提出了一种无采样协作知识图网络（NCKN）的方法。首先,设计了无采样知识传播模块,通过在单个卷积层使用不同大小的线性聚合器来捕捉深层次的信息,实现高效的无采样预计算;然后,为了区分邻居节点贡献度,在传播过程中引入注意力机制;最后,协作传播模块将知识嵌入同用户交互中的协作信号相结合,以更好地描述用户偏好。基于三个真实数据集,评估了NCKN在CTR预测和Top-k预测中的性能。实验结果表明,与主流算法RippleNet、知识图卷积神经网络（KGCN）相比,NCKN在CTR预测中的准确率平均分别提升了2.71%、4.60%;Top-k预测中,NCKN的准确率平均分别提升了5.26%、3.91%。所提方法不仅解决了图神经网络在知识图谱建模中的采样误差问题,且提升了推荐模型的准确率。     

面向汽车产业链的云服务平台数据交换研究

针对汽车产业链大规模企业群的多源异构数据交换需求,提出了基于第三方云服务平台的数据交换解决方案。在分析数据交换交互关系的基础上,构建了一套通用的第三方 Web 服务数据交换授权认证机制。为解决数据交换内容动态可变的难题,设计了一套柔性化、动态可配置的数据交换规则框架。通过分析数据交换状态转移模型,研究了云服务平台与整车制造企业的数据交换过程体系。分析了交换过程的数据同步性与一致性问题,并采用算法给出了级联耦合关系数据实体的处理方式,保障了关联数据交换的完整性。应用表明研究成果解决了云服务平台与多源异构数据源的数据交换问题,支撑了汽车产业链大规模企业群的多业务协同信息交互。     

粒子群局部优化的反距离权重插值算法

参考点与参数的选取会对反距离权重（IDW）的精度产生影响。针对多参数协同优化反距离权重算法（PIDW）忽略局部特性的问题,提出一种利用粒子群对IDW进行局部优化的改进算法——PLIDW。首先,分别对研究区域中各个样本点的参数进行寻优,利用交叉验证方法进行评估,记录各自最优取值的一组参数;同时,为提高查询效率,使用K维树（KD-Tree）保存空间位置与最优参数;最后,根据空间邻近程度从K维树选取最近的一组参数优化IDW。基于模拟数据与真实的温度数据集上的实验结果表明,相较于PIDW,PLIDW在真实数据集上的准确度提高4.18%以上,改善了PIDW存在的因忽略局部特性导致部分场景准确度低的问题,适应能力更强。     

基于前缀投影技术的大规模轨迹预测模型

智能手机、车载GPS终端、可穿戴设备产生了海量的轨迹数据,这些数据不仅描述了移动对象的历史轨迹,而且精确地反映出移动对象的运动特点.已有轨迹预测方法的不足在于：不能同时兼具预测的准确性和时效性,有效的轨迹预测受限于路网等局部空间范围,无法处理复杂、大规模位置数据.为了解决上述问题,针对海量移动对象轨迹数据,结合频繁序列模式发现的思想,提出了基于前缀投影技术的轨迹预测模型PPTP（prefix projection based trajectory prediction model）,包含两个关键步骤：（1）挖掘频繁轨迹模式,构造投影数据库并递归挖掘频繁前序轨迹模式;（2）轨迹匹配,以不同频繁序列模式作为前缀增量式扩展生成频繁后序轨迹,将大于最小支持度阈值的最长连续轨迹作为结果输出.算法的优势在于：可以通过较短的频繁序列模式,增量式生成长轨迹模式;不会产生无用的候选轨迹,弥补频繁模式挖掘计算代价较高的不足.利用真实大规模轨迹数据进行多角度实验,表明PPTP轨迹预测算法具有较高的预测准确性,相对于1阶马尔可夫链预测算法,其平均预测准确率可以提升39.8%.基于所提出的轨迹预测模型,开发了一个通用的轨迹预测系统,能够可视化输出完整的轨迹路线,为用户路径规划提供辅助决策支持.     

基于知识图谱的人岗推荐系统构建

为解决传统人岗推荐系统存在的三个常见问题,即数据稀疏性、数据冷启动和数据利用率低,提出了基于知识图谱的人岗推荐系统构建方法。该方法通过改进传统推荐模型,将知识图谱作为辅助边信息融合到推荐系统中进行人岗推荐,有效解决了数据稀疏性和数据冷启动问题;引入知识图谱补全算法提高了数据利用率。提出的方法在人岗推荐上准确率可达92%,比现有人岗推荐方法准确率提高约1%。实验结果表明该方法是可行的,知识图谱的加入可以提升人岗推荐系统的推荐效果。     

多车场物流协同运输调度问题研究

物流协同运输是现代物流模式的发展趋势,而利润则是驱动物流协同的关键因素。针对多车场物流协同运输中的调度问题,基于汽车配件物流运输的相关约束,建立了由利润驱动的配送任务模型。通过模糊聚类建立基于集货中心点的遗传种群,通过遗传算法的交叉、变异操作进行迭代进化,在一定的迭代次数内得到一个最优解。通过一个实例说明了该模型的求解结果可以使得不同物流企业的运输车辆之间发生协同的同时达到增加物流企业运输利润的目标,从而验证了该模型的正确性和合理性。