申请/专利权人：广东康利达物联科技有限公司

申请日：2024-02-19

公开（公告）日：2024-07-05

公开（公告）号：CN117910906B

主分类号：G06Q10/083

分类号：G06Q10/083;G06F16/904

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本申请实施例涉及数据处理技术领域，具体涉及应用于智慧物流的数据可视化方法及系统，能够实现物流系统数据的高效可视化转换，从而为物流管理和规划提供有力的决策支持。这一技术方案首先通过挖掘物流系统数据中的状态知识，识别出关键的数据特征和指标，确保了可视化内容的针对性和准确性。接着，通过可视化衔接权重判别，能够根据物流系统的实际需求和关注重点，合理分配不同数据特征在可视化中的权重，突出了关键信息，避免了信息过载。

主权项：1.一种应用于智慧物流的数据可视化方法，其特征在于，应用于数据可视化系统，所述方法包括：对待进行可视化转换的物流系统数据进行状态知识挖掘，得到所述待进行可视化转换的物流系统数据的原始物流系统状态向量；所述状态知识挖掘通过最少一个状态知识挖掘模型实现，当所述状态知识挖掘模型的个数为多个时，对所述待进行可视化转换的物流系统数据进行状态知识挖掘，得到所述待进行可视化转换的物流系统数据的原始物流系统状态向量，包括：通过第1个状态知识挖掘模型，对所述待进行可视化转换的物流系统数据进行状态知识挖掘，得到第1个原始物流系统状态向量；对x执行自加1循环以实现如下操作：通过第x个状态知识挖掘模型，依据第x-1个原始物流系统状态向量，对所述待进行可视化转换的物流系统数据进行状态知识挖掘，得到第x个原始物流系统状态向量；其中，x大于等于1且小于等于N；其中，所述通过第x个状态知识挖掘模型，依据第x-1个原始物流系统状态向量，对所述待进行可视化转换的物流系统数据进行状态知识挖掘，得到第x个原始物流系统状态向量之前，所述方法还包括：依据所述第x-1个原始物流系统状态向量，在各所述特征通道对所述待进行可视化转换的物流系统数据的图像输出特征进行可视化衔接权重判别，得到所述待进行可视化转换的物流系统数据分别在各所述特征通道的第x-1个可视化衔接权重判别结果；依据所述第x-1个可视化衔接权重判别结果，对所述第x-1个原始物流系统状态向量进行状态识别，得到第x-1个目标物流系统状态向量；所述通过第x个状态知识挖掘模型，依据第x-1个原始物流系统状态向量，对所述待进行可视化转换的物流系统数据进行状态知识挖掘，得到第x个原始物流系统状态向量，包括：通过第x个状态知识挖掘模型，依据所述第x-1个目标物流系统状态向量，对所述待进行可视化转换的物流系统数据进行状态知识挖掘，得到所述第x个原始物流系统状态向量；其中，所述依据所述第x-1个可视化衔接权重判别结果，对所述第x-1个原始物流系统状态向量进行状态识别，得到第x-1个目标物流系统状态向量，包括：当存在所述第x-1个可视化衔接权重判别结果表征所述待进行可视化转换的物流系统数据在相应的所述特征通道下不存在所述可视化衔接权重时，对所述第x-1个原始物流系统状态向量进行知识优化处理，得到第x-1个目标物流系统状态向量；当各所述第x-1个可视化衔接权重判别结果均表征所述待进行可视化转换的物流系统数据在相应的所述特征通道下存在所述可视化衔接权重时，将所述第x-1个原始物流系统状态向量，确定为所述第x-1个目标物流系统状态向量；依据所述原始物流系统状态向量，在最少一个特征通道对所述待进行可视化转换的物流系统数据的图像输出特征进行可视化衔接权重判别，得到所述待进行可视化转换的物流系统数据分别在各所述特征通道的可视化衔接权重判别结果；当所述可视化衔接权重判别结果表征所述待进行可视化转换的物流系统数据在相应的所述特征通道下不存在可视化衔接权重时，获取所述原始物流系统状态向量在相应的所述特征通道下的知识优化指示向量；依据所述知识优化指示向量，对所述原始物流系统状态向量进行知识优化处理，得到所述原始物流系统状态向量对应的目标物流系统状态向量；对所述目标物流系统状态向量进行可视化映射，得到所述待进行可视化转换的物流系统数据对应的目标可视化结果，所述目标可视化结果在各所述特征通道下皆存在所述可视化衔接权重；所述依据所述原始物流系统状态向量，在最少一个特征通道对所述待进行可视化转换的物流系统数据的图像输出特征进行可视化衔接权重判别，得到所述待进行可视化转换的物流系统数据分别在各所述特征通道的可视化衔接权重判别结果，包括：获取各所述特征通道分别对应的可视化衔接权重判别模型，并针对各所述特征通道依次实施如下操作：通过相应的所述可视化衔接权重判别模型，依据所述原始物流系统状态向量，在所述特征通道对所述待进行可视化转换的物流系统数据的图像输出特征进行可视化衔接权重判别，得到所述待进行可视化转换的物流系统数据在所述特征通道的可视化衔接权重系数；当所述可视化衔接权重系数大于或等于权重系数门限时，将所述特征通道的可视化衔接权重判别结果确定为第一判别观点，所述第一判别观点，用于表征所述待进行可视化转换的物流系统数据在所述特征通道下存在所述可视化衔接权重；当所述可视化衔接权重系数小于所述权重系数门限时，将所述特征通道的可视化衔接权重判别结果确定为第二判别观点，所述第二判别观点，用于表征所述待进行可视化转换的物流系统数据在所述特征通道下不存在所述可视化衔接权重；当所述特征通道的个数为一个时，所述获取各所述特征通道分别对应的可视化衔接权重判别模型，包括：获取原始判别模型，并获取物流系统数据训练示例对应的多个物流系统状态向量训练示例，以及各所述物流系统状态向量训练示例的可视化衔接权重先验注释；针对各所述物流系统状态向量训练示例，通过所述原始判别模型，依据所述物流系统状态向量训练示例，在所述特征通道对所述物流系统数据训练示例的图像输出特征进行可视化衔接权重判别，得到所述物流系统状态向量训练示例对应的可视化衔接权重系数，并结合所述可视化衔接权重系数和相应的所述可视化衔接权重先验注释，确定所述物流系统状态向量训练示例对应的训练代价变量；依据各所述物流系统状态向量训练示例对应的训练代价变量，对所述原始判别模型进行调试，得到所述特征通道对应的可视化衔接权重判别模型；其中，所述获取物流系统数据训练示例对应的多个物流系统状态向量训练示例，包括：获取物流系统数据训练示例，并对所述物流系统数据训练示例进行状态知识挖掘，得到所述物流系统数据训练示例的原始物流系统状态向量；对所述物流系统数据训练示例的原始物流系统状态向量进行向量分割，得到所述物流系统数据训练示例对应的多个物流系统状态向量训练示例；当所述特征通道的个数为多个时，所述获取各所述特征通道分别对应的可视化衔接权重判别模型，包括：获取原始判别模型，并获取第1个特征通道的物流系统数据训练示例对应的第1个物流系统状态向量训练示例，以及所述第1个物流系统状态向量训练示例的第1个可视化衔接权重先验注释；通过所述原始判别模型，依据所述第1个物流系统状态向量训练示例，对所述第1个特征通道的物流系统数据训练示例的图像输出特征进行可视化衔接权重判别，得到第1个可视化衔接权重系数，并结合所述第1个可视化衔接权重系数和所述第1个可视化衔接权重先验注释，对所述原始判别模型进行调试，得到所述第1个特征通道对应的可视化衔接权重判别模型；对y执行自加1循环以实现如下操作：获取第y-1个特征通道的物流系统数据训练示例对应的第y-1个可视化衔接权重系数，依据所述第y-1个可视化衔接权重系数，对所述原始判别模型进行调试，得到第y特征通道对应的可视化衔接权重判别模型；其中，y大于等于2且小于等于M，M用于表征所述特征通道的个数；其中，所述依据第y-1个可视化衔接权重系数，对所述原始判别模型进行调试，得到所述第y特征通道对应的可视化衔接权重判别模型，包括：获取第y特征通道的物流系统数据训练示例对应的第y物流系统状态向量训练示例，以及所述第y物流系统状态向量训练示例的第y可视化衔接权重先验注释；通过所述原始判别模型，依据所述第y物流系统状态向量训练示例，对所述第y特征通道的物流系统数据训练示例的图像输出特征进行可视化衔接权重判别，得到第y可视化衔接权重系数；结合所述第y可视化衔接权重系数和所述第y-1个可视化衔接权重系数，确定第一训练代价变量，并结合所述第y可视化衔接权重系数和所述第y可视化衔接权重先验注释，确定第二训练代价变量；结合所述第一训练代价变量和所述第二训练代价变量，对所述原始判别模型进行调试，得到所述第y特征通道对应的可视化衔接权重判别模型。

全文数据：

权利要求：

百度查询： 广东康利达物联科技有限公司 应用于智慧物流的数据可视化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD