CN104715073A - 基于改进Apriori算法的关联规则挖掘系统 - Google Patents

基于改进Apriori算法的关联规则挖掘系统 Download PDF

Info

Publication number
CN104715073A
CN104715073A CN201510158609.6A CN201510158609A CN104715073A CN 104715073 A CN104715073 A CN 104715073A CN 201510158609 A CN201510158609 A CN 201510158609A CN 104715073 A CN104715073 A CN 104715073A
Authority
CN
China
Prior art keywords
module
frequent
database
item
association rule
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.)
Granted
Application number
CN201510158609.6A
Other languages
English (en)
Other versions
CN104715073B (zh
Inventor
管江华
陈曙东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Cas Internet Of Things Technology Venture Capital Co ltd
Original Assignee
Jiangsu IoT Research and Development Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu IoT Research and Development Center filed Critical Jiangsu IoT Research and Development Center
Priority to CN201510158609.6A priority Critical patent/CN104715073B/zh
Publication of CN104715073A publication Critical patent/CN104715073A/zh
Application granted granted Critical
Publication of CN104715073B publication Critical patent/CN104715073B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于改进Apriori算法的关联规则挖掘系统，包括数据预处理模块、连接模块、剪枝模块、频繁项统计模块和关联规则生成模块；所述数据预处理模块与数据库交互，负责将数据库中的文本数据转换为可进行位运算的整型格式；所述连接模块、剪枝模块和频繁项统计模块共同构成Apriori算法的具体实现，负责频繁项集的生成；所述关联规则生成模块与频繁项统计模块交互，负责将频繁项统计模块生成的频繁项转化为具体的关联规则。本发明采用了基于位运算的频繁项统计方法，简化了剪枝操作复杂度并减少了数据库扫描的次数，从而提高了关联规则挖掘效率，降低了系统资源的消耗，可以为企业、商家提供更为高效、方便的关联规则挖掘业务，具有较大实用价值。

Description

基于改进Apriori算法的关联规则挖掘系统
技术领域
本发涉及一套基于改进Apriori算法的关联规则挖掘系统，是一种基于位运算进行频繁项统计的关联规则挖掘系统，该系统在实现Apriori算法的过程中，减少了剪枝操作中候选项集子集的检验数量并在由候选项集生成频繁项集时减少了数据库扫描次数，属于数据挖掘领域。
背景技术
随着“啤酒、尿布”案例在营销界的成功运用，人们对不断收集的数据中关联规则的挖掘越来越感兴趣，关联规则的应用范围也逐渐从超市营销扩展到更多的领域。当前关联规则挖掘的算法主要有Apriori和FP树。FP树因内存消耗大、实现复杂、系统要求高等限制，未能在实际使用中得到广泛应用，目前多作教学案例或研究课题用。Apriori算法是关联规则挖掘过程中实际采用最多的方法，但是该算法仍存在数据库扫描次数多、候选集大、挖掘效率低等问题。
发明内容
本发明的目的在于克服现有技术中存在的不足，提供一种基于改进Apriori算法的关联规则挖掘系统，采用了基于位运算的频繁项统计方法，简化了剪枝操作复杂度并减少了数据库扫描的次数，从而提高了关联规则挖掘效率，降低了系统资源的消耗，可以为企业、商家提供更为高效、方便的关联规则挖掘业务，具有较大实用价值。本发明采用的技术方案是：
本发明提出的基于改进Apriori算法的关联规则挖掘系统，包括数据预处理模块、连接模块、剪枝模块、频繁项统计模块和关联规则生成模块；所述数据预处理模块与数据库交互，负责将数据库中的文本数据转换为可进行位运算的整型格式；所述连接模块、剪枝模块和频繁项统计模块共同构成Apriori算法的具体实现，负责频繁项集的生成；所述关联规则生成模块与频繁项统计模块交互，负责将频繁项统计模块生成的频繁项转化为具体的关联规则。
本发明的优点在于：基于位运算进行频繁项统计，降低了比较内容复杂度，提高了比较效率；连接和剪枝操作中，只针对K项集中包含新加入两项的K-1项子集进行Apriori性质验证，缩小了候选项集子集的Apriori性质验证范围，减少了运算量；频繁项统计中是对每一条记录统计各候选集中项集的频数，而不是传统实现中每一个项集扫描一次数据库的方法。总体来说，本发明降低了比较内容的复杂度、减少了数据库扫描次数，从而提高了关联规则的挖掘效率。
附图说明
图1为本发明的结构框图。
图2为本发明的工作流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
本发明提出的基于改进Apriori算法的关联规则挖掘系统，包括数据预处理模块、连接模块、剪枝模块、频繁项统计模块和关联规则生成模块；所述数据预处理模块与数据库交互，负责将数据库中的文本数据转换为可进行位运算的整型格式；所述连接模块、剪枝模块和频繁项统计模块共同构成Apriori算法的具体实现，负责频繁项集的生成；所述关联规则生成模块与频繁项统计模块交互，负责将频繁项统计模块生成的频繁项转化为具体的关联规则。
具体地，所述数据预处理模块首先扫描数据库，将数据库中所有的项进行编号，令所有项组成的集合为I＝{i1,i2,i3…in}，则用n个二进制位表示各项，二进制数从高到低位依次代表i1，i2，……in，每个二进制位0代表该项没有出现，1代表出现；然后将数据库中的数据记录TID＝{ik,k≥1∩k≤n}转换为对应的二进制整型，重新写入数据库；并且，该模块第一次扫描数据库式统计了各项ik出现的频数，将其中频数超过最小支持度s的项的集合称作频繁1项集L1。
举例来说，假设数据库中有4个项，分别用于记录姓名，地址，电话，邮编；如果一条数据记录中，只有姓名和地址有数据，则这条数据记录转换为二进制整型为1100。
所述连接模块用来由频繁k-1项集Lk-1生成频繁k项集Lk；设Ik1和Ik2是Lk-1中的项集，它们均按照约定用二进制数表示：相应项编号对应的二进制位值为1，其它位为0，对Ik1和Ik2执行异或操作后所得结果，左起前两个为1的二进制位u和v即为要连接的对象，设从左到右对应二进制从高位到低位；接下来从Ik1和Ik2中查找v位为0的项，并将该位置1，v位以下各位置0即完成Ik1和Ik2的连接操作，将其加入候选集Ck；对Lk-1中的任意两个项集执行类似操作。
所述剪枝模块与所述连接模块相交互，根据Apriori性质，频繁项集的任何子集一定是频繁项集，将候选集Ck中，k-1项子集不在Lk-1中的项剪掉；对任意Ck中的项集Ik1，其对应二进制数如0……1……0……1……1……0，除最右边两个1以外，从左到右依次将位为1的位置0，然后与Lk-1中的每一项执行异或操作，如果扫描完整个Lk-1，没有出现结果为0的项，则将Ik1从Ck中剪去；
所述频繁项统计模块与数据库相交互，并和所述连接模块及所述剪枝模块共同构成Apriori算法的主体；频繁项统计模块主要负责从数据库中依次读入每条记录TID，然后与Ck中的每一项Ik1，执行如下操作若结果为0则对Ik1的频数统计加1；最后从Ck中选出频数超过最小支持度s的项集组成Lk；
所述关联规则生成模块主要用来根据所述频繁项统计模块的结果生成相应的关联规则,对Lk中的每一项Ik与Lk-1中的每一项Ik-1，执行如下操作若结果不为0，设Ik值为0……1……0……1……1……0且对应位为1的位置分别为k1，k2，……kn，则如果Ik最低位1比Ik-1最低位1位低，则生成的关联规则为ik1,ik2,…ikn-2,否则生成关联规则ik1,ik2,…ikn-2,置信度为Ik的频数除以Ik-1的频数，输出置信度大于最小置信度的规则。
如图1所示，本系统分数据预处理模块、连接模块、剪枝模块、频繁项统计模块和关联规则模块。其中所述数据预处理模块安装在操作系统之上，与MySQL数据库直接交互。所述关联规则生成模块与具体应用程序或命令行界面交互，输出具体关联规则。
具体地，所述数据预处理模块安装在CentOS6.5操作系统之上，通过Jdbc与MySQL数据库连接。其中维护了二维表(编号，项)，为具体项在二进制数中的位编号。二进制数采用Java中的int数组表示，且数组中按数组编号从小到大对应二进制位数中从高到低位，若最后一个数组元素整数位数没有用完，补0。MySQL中的原始数据为记录，每个记录包含若干项，每一项内容可以为任何字符串内容，以空白符分隔。所述关联规则生成模块为Java接口，通过Java静态函数实现，可以在任何Java程序中调用，生成的关联规则保存在List中，System.out输出。输出内容中编号会转换为具体的项的名称。具体系统工作流程如图2所示。
本发明主要对传统Apriori算法中的连接、剪枝和频繁项统计步骤进行了改进。数据预处理过程中将文本内容或其他格式的内容统一转化为二进制数，整个系统在进行频繁项挖掘及关联规则生成过程中的运算都采用位运算，既降低了内存占用率，又提高了执行效率；在连接过程中用二进制位编号代替了传统Apriori实现过程中的排序操作；在剪枝过程中合理利用了Apriori性质和由k-1项集产生k项集过程中数据生成的特点，只对候选项集中包含新加入两项的k-1项子集进行检验，极大地减少了候选项集和k-1项子集的数量；在频繁项统计过程中，采用了针对记录扫描候选项集的方式，从而减少数据库扫描的次数。总体来说，本发明降低了关联规则挖掘过程中的内存占用率、提高了挖掘过程中的运算速率并减少了数据库扫描次数，为企业、用户带来更高效、方便的关联规则挖掘服务。

Claims (2)

1.一种基于改进Apriori算法的关联规则挖掘系统，其特征在于：包括数据预处理模块、连接模块、剪枝模块、频繁项统计模块和关联规则生成模块；
所述数据预处理模块与数据库交互，负责将数据库中的文本数据转换为可进行位运算的整型格式；
所述连接模块、剪枝模块和频繁项统计模块共同构成Apriori算法的具体实现，负责频繁项集的生成；
所述关联规则生成模块与频繁项统计模块交互，负责将频繁项统计模块生成的频繁项转化为具体的关联规则。
2.如权利要求1所述的基于改进Apriori算法的关联规则挖掘系统，其特征在于：
所述数据预处理模块首先扫描数据库，将数据库中所有的项进行编号，令所有项组成的集合为I＝{i1,i2,i3…in}，则用n个二进制位表示各项，二进制数从高到低位依次代表i1，i2，……in，每个二进制位0代表该项没有出现，1代表出现；然后将数据库中的数据记录TID＝{ik,k≥1∩k≤n}转换为对应的二进制整型，重新写入数据库；并且，该模块第一次扫描数据库式统计了各项ik出现的频数，将其中频数超过最小支持度s的项的集合称作频繁项集L1；
所述连接模块用来由频繁k-1项集Lk-1生成频繁k项集Lk；设Ik1和Ik2是Lk-1中的项集，它们均按照约定用二进制数表示：相应项编号对应的二进制位值为1，其它位为0，对Ik1和Ik2执行异或操作后所得结果，左起前两个为1的二进制位u和v即为要连接的对象，设从左到右对应二进制从高位到低位；接下来从Ik1和Ik2中查找v位为0的项，并将该位置1，v位以下各位置0即完成Ik1和Ik2的连接操作，将其加入候选集Ck；对Lk-1中的任意两个项集执行类似操作；
所述剪枝模块与所述连接模块相交互，根据Apriori性质，频繁项集的任何子集一定是频繁项集，将候选集Ck中，k-1项子集不在Lk-1中的项剪掉；对任意Ck中的项集Ik1，其对应二进制数，除最右边两个1以外，从左到右依次将位为1的位置0，然后与Lk-1中的每一项执行异或操作，如果扫描完整个Lk-1，没有出现结果为0的项，则将Ik1从Ck中剪去；
所述频繁项统计模块与数据库相交互，并和所述连接模块及所述剪枝模块共同构成Apriori算法的主体；频繁项统计模块主要负责从数据库中依次读入每条记录TID，然后与Ck中的每一项Ik1，执行如下操作若结果为0则对Ik1的频数统计加1；最后从Ck中选出频数超过最小支持度s的项集组成Lk；
所述关联规则生成模块主要用来根据所述频繁项统计模块的结果生成相应的关联规则,对Lk中的每一项Ik与Lk-1中的每一项Ik-1，执行如下操作若结果不为0，则生成的关联规则为或关联规则置信度为Ik的频数除以Ik-1的频数，输出置信度大于最小置信度的规则。
CN201510158609.6A 2015-04-03 2015-04-03 基于改进Apriori算法的关联规则挖掘系统 Active CN104715073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510158609.6A CN104715073B (zh) 2015-04-03 2015-04-03 基于改进Apriori算法的关联规则挖掘系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510158609.6A CN104715073B (zh) 2015-04-03 2015-04-03 基于改进Apriori算法的关联规则挖掘系统

Publications (2)

Publication Number Publication Date
CN104715073A true CN104715073A (zh) 2015-06-17
CN104715073B CN104715073B (zh) 2017-11-24

Family

ID=53414399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510158609.6A Active CN104715073B (zh) 2015-04-03 2015-04-03 基于改进Apriori算法的关联规则挖掘系统

Country Status (1)

Country Link
CN (1) CN104715073B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260442A (zh) * 2015-10-08 2016-01-20 西安培华学院 一种基于位运算和倒排索引的关联规则挖掘算法
CN105447410A (zh) * 2015-12-12 2016-03-30 天津南大通用数据技术股份有限公司 一种隐蔽信道的操作检测方法及装置
CN105760279A (zh) * 2016-03-09 2016-07-13 北京国电通网络技术有限公司 分布式数据库集群故障预警关联树生成方法及系统
CN106022886A (zh) * 2016-05-25 2016-10-12 黑龙江大学 基于位组合的关联规则生成方法
CN106022950A (zh) * 2016-05-06 2016-10-12 中国电力科学研究院 一种配电网二次设备类型识别方法及系统
CN106126577A (zh) * 2016-06-17 2016-11-16 北京理工大学 一种基于数据源划分矩阵的加权关联规则挖掘方法
CN106327323A (zh) * 2016-08-19 2017-01-11 清华大学 银行频繁项模式挖掘方法及挖掘系统
WO2017198198A1 (zh) * 2016-05-19 2017-11-23 中兴通讯股份有限公司 软件编译方法及装置
CN107391515A (zh) * 2016-05-17 2017-11-24 李明轩 基于关联规则分析的电力系统指标分析方法
CN107451708A (zh) * 2017-04-26 2017-12-08 国家电网公司 一种基于Apriori算法的电网设备监控信息置信关联分析方法
CN107908665A (zh) * 2017-10-20 2018-04-13 国网浙江省电力公司经济技术研究院 一种有向无环图电网企业频繁节点挖掘方法及挖掘系统
CN108596750A (zh) * 2018-05-09 2018-09-28 西安交通大学 一种基于并行关联规则挖掘的发票虚开识别方法
CN109360004A (zh) * 2018-09-25 2019-02-19 电子科技大学 一种客户关系管理方法及系统
CN109977021A (zh) * 2019-04-02 2019-07-05 济南浪潮高新科技投资发展有限公司 一种基于关联规则分析的软件质量管理方法及系统
CN110750561A (zh) * 2018-07-20 2020-02-04 深圳市诚壹科技有限公司 一种关联应用程序挖掘的方法及装置
CN111241497A (zh) * 2020-02-13 2020-06-05 北京高质系统科技有限公司 基于软件复用特征学习的开源代码溯源检测方法
WO2020147335A1 (zh) * 2019-01-16 2020-07-23 苏宁云计算有限公司 用于电商平台的会员数据圈选方法及系统
CN112215646A (zh) * 2020-10-12 2021-01-12 四川长虹电器股份有限公司 基于改进Aprion算法的品牌推广方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050055629A1 (en) * 2003-09-05 2005-03-10 Oracle International Corporation Method and mechanism for efficient access to nodes in XML data
CN101634983A (zh) * 2008-07-21 2010-01-27 华为技术有限公司 一种文本分类方法和装置
US20110004631A1 (en) * 2008-02-26 2011-01-06 Akihiro Inokuchi Frequent changing pattern extraction device
CN102098175A (zh) * 2011-01-26 2011-06-15 浪潮通信信息系统有限公司 一种移动互联网告警关联规则获取方法
CN104182527A (zh) * 2014-08-27 2014-12-03 广西教育学院 基于偏序项集的中英文本词间关联规则挖掘方法及其系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050055629A1 (en) * 2003-09-05 2005-03-10 Oracle International Corporation Method and mechanism for efficient access to nodes in XML data
US20110004631A1 (en) * 2008-02-26 2011-01-06 Akihiro Inokuchi Frequent changing pattern extraction device
CN101634983A (zh) * 2008-07-21 2010-01-27 华为技术有限公司 一种文本分类方法和装置
CN102098175A (zh) * 2011-01-26 2011-06-15 浪潮通信信息系统有限公司 一种移动互联网告警关联规则获取方法
CN104182527A (zh) * 2014-08-27 2014-12-03 广西教育学院 基于偏序项集的中英文本词间关联规则挖掘方法及其系统

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260442A (zh) * 2015-10-08 2016-01-20 西安培华学院 一种基于位运算和倒排索引的关联规则挖掘算法
CN105260442B (zh) * 2015-10-08 2018-11-02 西安培华学院 一种基于位运算和倒排索引的关联规则挖掘算法
CN105447410A (zh) * 2015-12-12 2016-03-30 天津南大通用数据技术股份有限公司 一种隐蔽信道的操作检测方法及装置
CN105760279B (zh) * 2016-03-09 2018-09-07 北京国电通网络技术有限公司 分布式数据库集群故障预警关联树生成方法及系统
CN105760279A (zh) * 2016-03-09 2016-07-13 北京国电通网络技术有限公司 分布式数据库集群故障预警关联树生成方法及系统
CN106022950A (zh) * 2016-05-06 2016-10-12 中国电力科学研究院 一种配电网二次设备类型识别方法及系统
CN107391515A (zh) * 2016-05-17 2017-11-24 李明轩 基于关联规则分析的电力系统指标分析方法
WO2017198198A1 (zh) * 2016-05-19 2017-11-23 中兴通讯股份有限公司 软件编译方法及装置
CN107402797A (zh) * 2016-05-19 2017-11-28 中兴通讯股份有限公司 一种软件编译方法及装置
CN106022886A (zh) * 2016-05-25 2016-10-12 黑龙江大学 基于位组合的关联规则生成方法
CN106126577A (zh) * 2016-06-17 2016-11-16 北京理工大学 一种基于数据源划分矩阵的加权关联规则挖掘方法
CN106327323A (zh) * 2016-08-19 2017-01-11 清华大学 银行频繁项模式挖掘方法及挖掘系统
CN107451708A (zh) * 2017-04-26 2017-12-08 国家电网公司 一种基于Apriori算法的电网设备监控信息置信关联分析方法
CN107908665A (zh) * 2017-10-20 2018-04-13 国网浙江省电力公司经济技术研究院 一种有向无环图电网企业频繁节点挖掘方法及挖掘系统
CN108596750A (zh) * 2018-05-09 2018-09-28 西安交通大学 一种基于并行关联规则挖掘的发票虚开识别方法
CN108596750B (zh) * 2018-05-09 2019-08-23 西安交通大学 一种基于并行关联规则挖掘的发票虚开识别方法
CN110750561A (zh) * 2018-07-20 2020-02-04 深圳市诚壹科技有限公司 一种关联应用程序挖掘的方法及装置
CN109360004A (zh) * 2018-09-25 2019-02-19 电子科技大学 一种客户关系管理方法及系统
WO2020147335A1 (zh) * 2019-01-16 2020-07-23 苏宁云计算有限公司 用于电商平台的会员数据圈选方法及系统
CN109977021A (zh) * 2019-04-02 2019-07-05 济南浪潮高新科技投资发展有限公司 一种基于关联规则分析的软件质量管理方法及系统
CN111241497A (zh) * 2020-02-13 2020-06-05 北京高质系统科技有限公司 基于软件复用特征学习的开源代码溯源检测方法
CN112215646A (zh) * 2020-10-12 2021-01-12 四川长虹电器股份有限公司 基于改进Aprion算法的品牌推广方法

Also Published As

Publication number Publication date
CN104715073B (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
CN104715073A (zh) 基于改进Apriori算法的关联规则挖掘系统
CN103823823B (zh) 基于频繁项集挖掘算法的反规范化策略选择方法
US20140207820A1 (en) Method for parallel mining of temporal relations in large event file
CN104461671A (zh) 代码修改汇报的定时管理方法及系统
CN108664635B (zh) 数据库统计信息的获取方法、装置、设备和存储介质
CN109460354B (zh) 一种基于rdf推理进行测试用例约简的方法
CN104407872A (zh) 代码克隆的检测方法
CN101772760A (zh) 数据库管理程序以及数据库管理装置
Guo et al. A vertical format algorithm for mining frequent item sets
CN107291877A (zh) 一种基于Apriori算法的频繁项集挖掘方法
CN104572471A (zh) 一种基于索引的Java软件代码克隆检测方法
CN107479866A (zh) 基于重构技术实现开放终端应用数据与功能的方法
Hong et al. The study of improved FP-growth algorithm in MapReduce
CN107301593A (zh) 一种财务信息系统
CN103336765B (zh) 一种文本关键词的马尔可夫矩阵离线修正方法
CN106294617A (zh) 一种高效挖掘关联规则中频繁项集的方法
CN103929499A (zh) 一种物联网异构标识识别方法和系统
CN110895739A (zh) 一种自动生成评价报告的系统及其工作流程
CN109918074A (zh) 编译链接优化方法
CN107145947A (zh) 一种信息处理方法、装置及电子设备
Ninoria et al. A survey on high utility itemsets mining
MAI et al. Analysing Productivity Change in Vietnamese Garment Industry Using Global Malmquist Index
Zou et al. The data mining algorithm analysis for personalized service
Wei et al. Organizing and storing method for large-scale unstructured data set with complex content
CN103020202B (zh) 一种基于字符串的复杂动态数据关系化解方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230710

Address after: 214135 Building C, Weina Sensor Network International Innovation Park, No. 200, Linghu Avenue, the Taihu Lake International Science Park, Wuxi New District, Jiangsu Province

Patentee after: JIANGSU CAS INTERNET-OF-THINGS TECHNOLOGY VENTURE CAPITAL CO.,LTD.

Address before: 214135 Block C, International Innovation Park of China Sensor Network, 200 Linghu Avenue, Wuxi New District, Jiangsu Province

Patentee before: JIANGSU R & D CENTER FOR INTERNET OF THINGS