CN110517144A - 一种基于bsp模型的资金环路优化方法 - Google Patents

一种基于bsp模型的资金环路优化方法 Download PDF

Info

Publication number
CN110517144A
CN110517144A CN201910807911.8A CN201910807911A CN110517144A CN 110517144 A CN110517144 A CN 110517144A CN 201910807911 A CN201910807911 A CN 201910807911A CN 110517144 A CN110517144 A CN 110517144A
Authority
CN
China
Prior art keywords
node
loop
fund
point
obtains
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
Application number
CN201910807911.8A
Other languages
English (en)
Inventor
穆宁
郭春岭
彭艳兵
邱秀连
胡冲
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.)
Nanjing Beacon World Communication Technology Co Ltd
Original Assignee
Nanjing Beacon World Communication Technology Co Ltd
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 Nanjing Beacon World Communication Technology Co Ltd filed Critical Nanjing Beacon World Communication Technology Co Ltd
Priority to CN201910807911.8A priority Critical patent/CN110517144A/zh
Publication of CN110517144A publication Critical patent/CN110517144A/zh
Pending legal-status Critical Current

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于BSP模型的资金环路优化方法，摒弃以往以邻接矩阵表示图关系、并使用常规的深度搜索的方式、以及采取计算点的最小环路的方式，选择采取构建图计算通路，通过通路数据求交集的方式，计算特定步数环路的方案，能够适用大型关系网络，实现高效解决方案的获得。

Description

一种基于BSP模型的资金环路优化方法
技术领域
本发明涉及一种基于BSP模型的资金环路优化方法，属于资金数据追踪技术领域。
背景技术
在网络安全领域中，存在许多大型的复杂关系网络，尤其是涉及银行流水相关的案件，关系错综复杂，人员行为扑朔迷离。在涉嫌走私，金融诈骗、洗钱等案件里，及时发现相关嫌疑人银行流水异常信息，包括企业和企业之间、账户和账户之间转移等行为，通过分析大量相关人员资金交易数据，快速准确的找出证据是重中之重。但是面对海量银行流水数据，如何能及时发现目标人物间的关系网络，发现目标人物之间的交易路径，正是我们急需解决的核心问题。
在有向关系网络的环路计算这个问题上，目前传统的方式往往还是从每个点的最小环开始出发，普遍使用深度搜索的方法，并且仅仅在本机上运行，实现最小环路的计算，但是在面对大型关系网络时，由于深度优先算法在这一问题上的局限性，往往导致空间代价和时间代价成倍增长，难以在短时间内计算出环路，甚至可能出现内存溢出导致无法计算出结果等问题。同时传统方式功能单一，一般难以覆盖多种需求。
发明内容
本发明所要解决的技术问题是提供一种基于BSP模型的资金环路优化方法，有效解决现有技术问题，能够针对大型关系网络，采用构建图的方式，进行多步环路计算，提出了高效解决方案。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于BSP模型的资金环路优化方法，用于针对资金流水数据，实现资金环路定位，包括如下步骤：
步骤A.获得资金流水数据中的各个资金节点，以及各资金节点之间的资金流向，然后进入步骤B；
步骤B.按资金节点为节点，资金流向为有向边，构建各节点之间的有向网络关系图，然后进入步骤C；
步骤C.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，分别针对与目标点之间存在可达关系的各个节点，获得节点所对应包含目标点的最小长度环路，作为各条待分析环路，然后进入步骤D；
步骤D.针对各条待分析环路进行节点关联，获得各节点分别到达目标点的最小长度环路、以及相应环路，即获得资金流水数据中各个资金节点分别到达目标资金节点的最小长度环路、以及相应资金流水环路路径，其中，环路的长度为环路中的节点数。
作为本发明的一种优选技术方案，所述步骤C包括如下步骤：
步骤C1.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，获得目标点分别到达各节点的最小距离、以及相应路径，并将该各条路径分别作为正向路径，其中，节点之间的距离为对应路径上节点数减1，然后进入步骤C2；
步骤C2.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，获得各节点分别到达目标节点的最小距离、以及相应路径，并将该各条路径分别作为反向路径，然后进入步骤C3；
步骤C3.根据各条正向路径、以及各条反向路径，获得相对应的各条环路，作为各条待分析环路。
作为本发明的一种优选技术方案：所述步骤C1中，根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得目标点分别到达各节点的最小距离、以及相应路径；
所述步骤C2中，根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得各节点分别到达目标节点的最小距离、以及相应路径。
作为本发明的一种优选技术方案，还包括步骤E如下，所述步骤D中，在获得各节点分别到达目标点的最小长度环路、以及相应环路后，定义该各条环路为待筛选环路，然后进入步骤E；
步骤E.针对各条待筛选环路，获得长度低于预设环路长度阈值的各条待筛选环路，作为各条目标环路，即获得资金流水数据中各条目标资金流水环路路径。
本发明所述一种基于BSP模型的资金环路优化方法，采用以上技术方案与现有技术相比，具有以下技术效果：
本发明所设计一种基于BSP模型的资金环路优化方法，摒弃以往以邻接矩阵表示图关系、并使用常规的深度搜索的方式、以及采取计算点的最小环路的方式，选择采取构建图计算通路，通过通路数据求交集的方式，计算特定步数环路的方案，能够适用大型关系网络，实现高效解决方案的获得。
附图说明
图1是本发明设计应用实施例中的初始有向网络关系图；
图2是本发明设计应用实施例中的结果有向网络关系图；
图3是BSP算法随量级增长运行时间图；
图4是本发明设计应用实施例中目标点到每个点的正向迭代计算图；
图5是本发明设计应用实施例中目标点到每个点的反向迭代计算图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种基于BSP模型的资金环路优化方法，用于针对资金流水数据，实现资金环路定位，包括如下步骤。
步骤A.获得资金流水数据中的各个资金节点，以及各资金节点之间的资金流向，然后进入步骤B。
步骤B.按资金节点为节点，资金流向为有向边，构建各节点之间的有向网络关系图，然后进入步骤C。
步骤C.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，分别针对与目标点之间存在可达关系的各个节点，获得节点所对应包含目标点的最小长度环路，作为各条待分析环路，然后进入步骤D。
实际应用中，上述步骤C具体包括如下步骤C1至步骤C3。
步骤C1.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得目标点分别到达各节点的最小距离、以及相应路径，并将该各条路径分别作为正向路径，其中，节点之间的距离为对应路径上节点数减1，然后进入步骤C2。
步骤C2.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得各节点分别到达目标节点的最小距离、以及相应路径，并将该各条路径分别作为反向路径，然后进入步骤C3。
步骤C3.根据各条正向路径、以及各条反向路径，获得相对应的各条环路，作为各条待分析环路。
步骤D.针对各条待分析环路进行节点关联，获得各节点分别到达目标点的最小长度环路、以及相应环路，定义该各条环路为待筛选环路，并进入步骤E，这里的各节点分别到达目标点的最小长度环路、以及相应环路，即获得资金流水数据中各个资金节点分别到达目标资金节点的最小长度环路、以及相应资金流水环路路径，其中，环路的长度为环路中的节点数。
步骤E.针对各条待筛选环路，获得长度低于预设环路长度阈值的各条待筛选环路，作为各条目标环路，即获得资金流水数据中各条目标资金流水环路路径。
将上述所设计基于BSP模型的资金环路优化方法，应用于实际当中，具体执行如下步骤。
基于步骤A至步骤B的执行，构建各节点之间的有向网络关系图，如图1所示，然后进入步骤C1。
基于图3所示，可知BSP算法与数据条数大致呈线性关系且斜率小，能够处理大批量的关系数据。
步骤C1.基于图1所示，应用BSP模型迭代计算方法，获得目标点分别到达各节点的最小距离、以及相应路径，并将该各条路径分别作为正向路径，具体如下，然后进入步骤C2。
Step1计算起始点到每个点的最短距离：
1->2[起始点到2的最短距离为1]；
1->5[起始点到5的最短距离为1]；
1->7[起始点到7的最短距离为1]；
Step2从Step1并行递归计算：
2->3[起始点到3的最短距离为2]；
5->6[起始点到6的最短距离为2]；
7->8[起始点到8的最短距离为2]；
Step3从Step2并行递归计算：
3->4[起始点到4的最短距离为3]；
6->7[起始点到7的最短距离为1]；
6->10[起始点到10的最短距离为3]；
8->9[起始点到9的最短距离为3]；
StepN从StepN-1并行递归计算：
a->b[起点到b的最短距离为M]。
其中，BSP模型计算起始点到每个点的最小距离的正向迭代过程见图4，图中节点内的数值代表了节点序号，距离为步长值，图中虚线代表了超步之间的消息传递关系，深色圆圈的图节点为活跃节点，浅色圆圈的图节点为不活跃节点，图中省略超步之间未加入计算的点，集合V0至V9是已计算的顶点集合。
顶点1的值初始化为0，其他点为正无穷。在第0个超级步中，节点将自身数值通过链接传出去，模型进入第1个超级步，顶点2、顶点3、顶点5接收到顶点1的数值，由于比自身小，更新为1。未收到更新消息的节点转为不活跃状态，处于活跃的节点再次发出消息，模型进入第2个超级步，顶点3、顶点6、顶点8接收到比自身小的消息，更新数值到2，重新进入活跃状态，顶点1收到比自身大的数值不变，和其他节点都进入了不活跃的状态。依次执行下去，模型进入第9个超级步，所有节点处于不活跃状态，计算任务结束。
则目标点分别到达各节点的最小距离，如下表1所示。
索引值 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
最小距离 1 2 3 1 2 1 2 3 3 4 5 6 7 8 7
表1
步骤C2.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得各节点分别到达目标节点的最小距离、以及相应路径，并将该各条路径分别作为反向路径，具体如下，然后进入步骤C3。
Step1计算每个点到起始点的最短距离：
3->1[3到起始点的最短距离为1]；
4->1[4到起始点的最短距离为1]；
7->1[7到起始点的最短距离为1]；
10->1[10到起始点的最短距离为1]；
15->1[15到起始点的最短距离为1]；
Step2从Step1并行递归计算：
2->3[2到起始点的最短距离为2]；
3->4[3到起始点的最短距离为1]；
6->7[6到起始点的最短距离为2]；
6->10[6到起始点的最短距离为2]；
9->10[9到起始点的最短距离为2]；
14->15[14到起始点的最短距离为2]；
Step3从Step2并行递归计算：
2->3[2到起始点的最短距离为2]；
5->6[5到起始点的最短距离为3]；
8->9[8到起始点的最短距离为3]；
13->14[12到起始点的最短距离为3]；
StepN从StepN-1并行递归计算：
a->b[a到起始点的最短距离为M]。
其中，BSP模型计算每个点到起始点的最小距离的逆向迭代过程见图5，图中节点内的数值代表了节点序号，距离为步长值，图中虚线代表了超步之间的消息传递关系，深色圆圈的图节点为活跃节点，浅色圆圈的图节点为不活跃节点，图中省略超步之间未加入计算的点，集合V0至V5是已计算的顶点集合。
顶点1的值初始化为0，其他点为正无穷。在第0个超级步中，节点将自身数值通过链接传出去，模型进入第1个超级步，顶点3、顶点4、顶点7、顶点10、顶点11、顶点15接收到顶点1的数值，由于比自身小，更新为1。未收到更新消息的节点转为不活跃状态，处于活跃的节点再次发出消息，模型进入第2个超级步，顶点2、顶点6、顶点9、顶点14接收到比自身小的消息，更新数值到2，重新进入活跃状态，顶点1、顶点3收到比自身大的数值不变，和其他节点都进入了不活跃的状态。依次执行下去，模型进入第5个超级步，所有节点都处于不活跃状态，计算任务结束。
则各节点分别到达目标节点的最小距离，如下表2所示。
索引值 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
最小距离 2 1 1 3 2 1 3 2 1 1 4 3 2 1 NA
表2
步骤C3.根据各条正向路径、以及各条反向路径，获得相对应的各条环路，作为各条待分析环路，然后进入步骤D，则每个节点分别对应其与目标点所做成环路的长度，如下表3所示。
索引值 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
环路长度 3 3 4 4 4 4 5 5 4 5 9 9 9 9 NA
表3
步骤D.针对各条待分析环路进行节点关联，获得各节点分别到达目标点的最小长度环路、以及相应环路，定义该各条环路为待筛选环路，并进入步骤E。
步骤E.针对各条待筛选环路，获得长度低于5的各条待筛选环路，作为各条目标环路，即获得资金流水数据中各条目标资金流水环路路径，如图2所示。
上述技术方案所设计基于BSP模型的资金环路优化方法，摒弃以往以邻接矩阵表示图关系、并使用常规的深度搜索的方式、以及采取计算点的最小环路的方式，选择采取构建图计算通路，通过通路数据求交集的方式，计算特定步数环路的方案，能够适用大型关系网络，实现高效解决方案的获得。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.一种基于BSP模型的资金环路优化方法，用于针对资金流水数据，实现资金环路定位，其特征在于，包括如下步骤：
步骤A.获得资金流水数据中的各个资金节点，以及各资金节点之间的资金流向，然后进入步骤B；
步骤B.按资金节点为节点，资金流向为有向边，构建各节点之间的有向网络关系图，然后进入步骤C；
步骤C.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，分别针对与目标点之间存在可达关系的各个节点，获得节点所对应包含目标点的最小长度环路，作为各条待分析环路，然后进入步骤D；
步骤D.针对各条待分析环路进行节点关联，获得各节点分别到达目标点的最小长度环路、以及相应环路，即获得资金流水数据中各个资金节点分别到达目标资金节点的最小长度环路、以及相应资金流水环路路径，其中，环路的长度为环路中的节点数。
2.根据权利要求1所述一种基于BSP模型的资金环路优化方法，其特征在于，所述步骤C包括如下步骤：
步骤C1.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，获得目标点分别到达各节点的最小距离、以及相应路径，并将该各条路径分别作为正向路径，其中，节点之间的距离为对应路径上节点数减1，然后进入步骤C2；
步骤C2.根据各节点中的预设目标点，基于各节点之间的有向网络关系图，获得各节点分别到达目标节点的最小距离、以及相应路径，并将该各条路径分别作为反向路径，然后进入步骤C3；
步骤C3.根据各条正向路径、以及各条反向路径，获得相对应的各条环路，作为各条待分析环路。
3.根据权利要求2所述一种基于BSP模型的资金环路优化方法，其特征在于：所述步骤C1中，根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得目标点分别到达各节点的最小距离、以及相应路径；
所述步骤C2中，根据各节点中的预设目标点，基于各节点之间的有向网络关系图，应用BSP模型迭代计算方法，获得各节点分别到达目标节点的最小距离、以及相应路径。
4.根据权利要求1至3中任意一项所述一种基于BSP模型的资金环路优化方法，其特征在于，还包括步骤E如下，所述步骤D中，在获得各节点分别到达目标点的最小长度环路、以及相应环路后，定义该各条环路为待筛选环路，然后进入步骤E；
步骤E.针对各条待筛选环路，获得长度低于预设环路长度阈值的各条待筛选环路，作为各条目标环路，即获得资金流水数据中各条目标资金流水环路路径。
CN201910807911.8A 2019-08-29 2019-08-29 一种基于bsp模型的资金环路优化方法 Pending CN110517144A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910807911.8A CN110517144A (zh) 2019-08-29 2019-08-29 一种基于bsp模型的资金环路优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910807911.8A CN110517144A (zh) 2019-08-29 2019-08-29 一种基于bsp模型的资金环路优化方法

Publications (1)

Publication Number Publication Date
CN110517144A true CN110517144A (zh) 2019-11-29

Family

ID=68627846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910807911.8A Pending CN110517144A (zh) 2019-08-29 2019-08-29 一种基于bsp模型的资金环路优化方法

Country Status (1)

Country Link
CN (1) CN110517144A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103838811A (zh) * 2012-11-20 2014-06-04 Sap股份公司 循环交易路径检测
CN103970856A (zh) * 2014-05-07 2014-08-06 中国人民大学 一种有权有向动态网络上的最短路径估算方法
CN104867055A (zh) * 2015-06-16 2015-08-26 咸宁市公安局 一种金融网络可疑资金追踪与识别方法
CN106920162A (zh) * 2017-03-14 2017-07-04 西京学院 一种基于并行环路检测的虚开增值税专用发票检测方法
CN107800624A (zh) * 2017-10-10 2018-03-13 三峡大学 一种区域性保护关键信息最优迂回路径选择新方法
CN108985724A (zh) * 2018-07-25 2018-12-11 南京烽火星空通信发展有限公司 一种资金流水可视化方法
CN108985741A (zh) * 2018-07-19 2018-12-11 南京市公安局建邺分局 一种警务平台资金流水自动查询追踪方法
CN109961364A (zh) * 2019-02-19 2019-07-02 众安信息技术服务有限公司 一种基于有向无环图的交易方法及系统
CN110019324A (zh) * 2017-12-06 2019-07-16 航天信息股份有限公司 一种生成纳税人资金回路的方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103838811A (zh) * 2012-11-20 2014-06-04 Sap股份公司 循环交易路径检测
CN103970856A (zh) * 2014-05-07 2014-08-06 中国人民大学 一种有权有向动态网络上的最短路径估算方法
CN104867055A (zh) * 2015-06-16 2015-08-26 咸宁市公安局 一种金融网络可疑资金追踪与识别方法
CN106920162A (zh) * 2017-03-14 2017-07-04 西京学院 一种基于并行环路检测的虚开增值税专用发票检测方法
CN107800624A (zh) * 2017-10-10 2018-03-13 三峡大学 一种区域性保护关键信息最优迂回路径选择新方法
CN110019324A (zh) * 2017-12-06 2019-07-16 航天信息股份有限公司 一种生成纳税人资金回路的方法及系统
CN108985741A (zh) * 2018-07-19 2018-12-11 南京市公安局建邺分局 一种警务平台资金流水自动查询追踪方法
CN108985724A (zh) * 2018-07-25 2018-12-11 南京烽火星空通信发展有限公司 一种资金流水可视化方法
CN109961364A (zh) * 2019-02-19 2019-07-02 众安信息技术服务有限公司 一种基于有向无环图的交易方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WEIXIN_30649859: "学习笔记——最小环问题", 《HTTP://BLOG.CSDN.NET/WEIXIN_30649859/ARTICLE/DETAILS/96231825》 *

Similar Documents

Publication Publication Date Title
Planken et al. Computing all-pairs shortest paths by leveraging low treewidth
Arkolakis et al. Combinatorial discrete choice
CN111738628B (zh) 一种风险群组识别方法及装置
CN104657418B (zh) 一种基于隶属度传播的复杂网络模糊社团挖掘方法
Jasiewicz A new GRASS GIS fuzzy inference system for massive data analysis
CN106156941A (zh) 一种用户信用评分优化方法和装置
Cai et al. Piece-by-piece approach to solving large nonlinear water resources management models
CN104268243B (zh) 一种位置数据处理方法及装置
Davendra et al. Complex network analysis of discrete self-organising migrating algorithm
CN109446205A (zh) 判断数据状态的装置和方法以及数据更新的装置和方法
CN112087316B (zh) 基于异常数据分析的网络异常根源定位方法
CN105205052A (zh) 一种数据挖掘方法及装置
CN104700311B (zh) 一种社会网络中的邻域跟随社区发现方法
Qian et al. An ant colony system based on the Physarum network
CN105867930A (zh) 一种函数调用关系的显示方法、装置及终端
Fadaeizadeh et al. Determination of the optimal river basin-wide agricultural water demand quantities meeting satisfactory reliability levels
CN110517144A (zh) 一种基于bsp模型的资金环路优化方法
CN106651317A (zh) 一种业务流程相关性的判别方法和装置
Hopkins et al. Generating alternative solutions for dynamic programing models of water resources problems
Dadaneh et al. Graph coloring using intelligent water drops algorithm
CN110516198A (zh) 一种分布式非线性卡尔曼滤波方法
Kim et al. A theoretical framework for closeness centralization measurements in a workflow-supported organization
CN110427341A (zh) 一种基于路径排序的知识图谱实体关系挖掘方法
Ciliberti et al. Digital Water Services using Digital Twin paradigm
CN107682193A (zh) 一种公共通信多业务流估计方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191129