CN117472302B - 时间管理标签打印机的分布式打印方法 - Google Patents
时间管理标签打印机的分布式打印方法 Download PDFInfo
- Publication number
- CN117472302B CN117472302B CN202311823827.8A CN202311823827A CN117472302B CN 117472302 B CN117472302 B CN 117472302B CN 202311823827 A CN202311823827 A CN 202311823827A CN 117472302 B CN117472302 B CN 117472302B
- Authority
- CN
- China
- Prior art keywords
- printed
- labels
- time
- label
- optimal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 205
- 238000005192 partition Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims description 14
- 230000000903 blocking effect Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 34
- 238000004458 analytical method Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1237—Print job management
- G06F3/126—Job scheduling, e.g. queuing, determine appropriate device
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J3/00—Typewriters or selective printing or marking mechanisms characterised by the purpose for which they are constructed
- B41J3/407—Typewriters or selective printing or marking mechanisms characterised by the purpose for which they are constructed for marking on special material
- B41J3/4075—Tape printers; Label printers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
- B41M3/00—Printing processes to produce particular kinds of printed work, e.g. patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
- G06F3/1211—Improving printing performance
- G06F3/1217—Improving printing performance achieving reduced idle time at the output device or increased asset utilization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1237—Print job management
- G06F3/124—Parallel printing or parallel ripping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
Abstract
本发明涉及打印数据处理技术领域,具体涉及一种时间管理标签打印机的分布式打印方法。该方法包括对同一待打印标签的开始时间、结束时间、队列次序进行分析,确定时间参数;根据文字备注和时间参数确定待打印标签的类别向量;根据类别向量构建类别向量空间,根据待打印标签在类别向量空间的分布,确定最优分块;根据最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定最优分块的目标距离阈值;根据目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,对不同的标签类簇分配对应的打印次序。综上,本发明能够增强时间管理标签打印机在分布式打印管理上的稳定性与条理性。
Description
技术领域
本发明涉及打印数据处理技术领域,具体涉及一种时间管理标签打印机的分布式打印方法。
背景技术
时间管理标签打印机是一种打印标记、帮助管理时间的标签工具,用于标记待办事项或物品使用的时间限制,例如医用无菌物品、食品和工业零件等的保质期限。
相关技术中,为了处理较大的打印任务,常会采用分布式打印的方法。分布式打印是一种将打印任务分散到多台打印设备的打印管理方法,旨在提升打印任务的效率和可用性。这种方式下,在时间管理标签打印机的分布式打印过程中,当出现多用户多批次同时使用时,打印任务量较大,可能会出现打印任务序列与预期任务序列不符的情况,打印结果可能会出现不同批次打印任务掺杂在一起的情况,使得多用户大任务量所造成的分布式打印结果混乱,降低时间管理标签打印机在分布式打印管理上的稳定性与条理性。
发明内容
为了解决相关技术中打印结果可能会出现不同批次打印任务掺杂在一起的情况,使得多用户大任务量所造成的分布式打印结果混乱,降低时间管理标签打印机在分布式打印管理上的稳定性与条理性的技术问题,本发明提供一种时间管理标签打印机的分布式打印方法,所采用的技术方案具体如下:
本发明提出了一种时间管理标签打印机的分布式打印方法,方法包括:
获取时间管理标签打印机在当前打印任务队列中的所有的待打印标签,其中,所述待打印标签包括开始时间、结束时间、文字备注和队列次序;
根据同一待打印标签的所述开始时间、所述结束时间、所述队列次序和所有待打印标签的队列次序的最大值,确定所述待打印标签的时间参数;根据所述文字备注确定每个待打印标签的文字向量,根据所述文字向量和所述时间参数,确定每个待打印标签的类别向量;
根据所述类别向量构建类别向量空间,根据所有待打印标签的时间参数筛选得到标准标签,根据所述标准标签与其他所有待打印标签在类别向量空间的分布,对所述类别向量空间内的所有待打印标签进行分块,确定最优分块;
根据所述最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定所述最优分块的目标距离阈值;根据所述目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,对不同的标签类簇分配对应的打印次序。
进一步地,所述根据同一待打印标签的所述开始时间、所述结束时间、所述队列次序和所有待打印标签的队列次序的最大值,确定所述待打印标签的时间参数,包括:
计算所述开始时间与所述结束时间的时间间隔作为标签时间系数;
计算所述队列次序与所有待打印标签的队列次序的最大值的比值作为标签次序系数;
将所述标签时间系数和所述标签次序系数的乘积的归一化值作为所述待打印标签的时间参数。
进一步地,所述根据所述文字备注确定每个待打印标签的文字向量,包括:
将所述文字备注输入至预训练的word2vec模型中,使用word2vec模型对每个文字备注进行处理,输出每个待打印标签的文字向量。
进一步地,所述根据所述文字向量和所述时间参数,确定每个待打印标签的类别向量,包括:
计算所述时间参数与所述文字向量的乘积作为待打印标签的类别向量。
进一步地,所述根据所有待打印标签的时间参数筛选得到标准标签,包括:
计算所有待打印标签的时间参数的均值作为时间筛选系数;
计算所有待打印标签的时间参数与时间筛选系数的差值绝对值的最小值所对应的任一待打印标签作为标准标签。
进一步地,所述根据所述标准标签与其他所有待打印标签在类别向量空间的分布,对所述类别向量空间内的所有待打印标签进行分块,确定最优分块,包括:
计算所述标准标签与其他所有待打印标签在类别向量空间的欧式距离得到标准距离;
将所有标准距离的均值和最大值所对应的取值范围作为分块边长范围;
在所述分块边长范围中任选一个作为待分析边长,以所述待分析边长对所述类别向量空间中所有待打印标签进行分块,得到待分析分块,计算所述待分析分块中待打印标签的数量密度的方差作为优选系数;
遍历所述分块边长范围,根据所有不同待分析边长的优选系数确定最优边长;
将所述最优边长所对应的待分析分块中数量密度最大的分块作为最优分块。
进一步地,所述遍历所述分块边长范围,根据所有不同待分析边长的优选系数确定最优边长,包括:
将所述优选系数最小时所对应待分析分块的待分析边长作为最优边长。
进一步地,所述根据所述最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定所述最优分块的目标距离阈值,包括:
根据所述最优分块内所有待打印标签的类别向量的值和不同待打印标签的类别向量在类别向量空间的距离分布,确定所述最优分块的距离系数;
计算所述最优分块内所有待打印标签的时间参数的数值的信息熵,得到所述最优分块的时间系数;
计算所述距离系数和所述时间系数的乘积作为所述最优分块的目标距离阈值。
进一步地,所述根据所述最优分块内所有待打印标签的类别向量的值和不同待打印标签的类别向量在类别向量空间的距离分布,确定所述最优分块的距离系数,包括:
计算所述最优分块内所有待打印标签的类别向量的均值作为最优类别均值;将所述最优分块内任一类别向量作为分块向量,计算所述分块向量与最优类别均值的均方误差,对所述均方误差进行反比例归一化处理得到所述分块向量的距离调整权值;
计算所述分块向量在类别向量空间中与所述最优分块内所有待打印标签的类别向量的欧式距离的均值作为所述分块向量的初始距离影响值;
将所述距离调整权值与所述初始距离影响值的乘积作为所述分块向量的目标距离影响值;
将所述最优分块内所有待打印标签的类别向量的目标距离影响值的和值作为所述最优分块的距离系数。
进一步地,所述根据所述目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,包括:
将所述目标距离阈值作为DBSCAN聚类的距离阈值,对所有待打印标签进行聚类,得到标签类簇。
本发明具有如下有益效果:
本发明通过对待打印标签的开始时间、结束时间和队列次序进行分析,根据同一批次待打印标签所对应持续时间和队列次序相近的特征,确定待打印标签的时间参数,并根据待打印标签的文字向量和时间参数,确定类别向量,类别向量也即表征待打印标签的空间特征表征,根据类别向量构建类别向量空间,筛选得到标准标签,根据标准标签与其他所有待打印标签在类别向量空间的分布,对类别向量空间内的所有待打印标签进行分块,确定最优分块;通过最优分块进行具体分析,其中,最优分块的选取能够在保证后续分析效果的同时,避免对所有分块进行处理时效率不足的问题;根据最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定最优分块的目标距离阈值;根据目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,对不同的标签类簇分配对应的打印次序。综上,本发明针对待打印标签上所印开始时间、结束时间、文字备注和队列次序进行具体分析,从而能够根据分析结果对所有待打印标签进行聚类排序,使得同一批次的待打印标签能够被有效排序在一起,避免多用户大任务量所造成的分布式打印结果混乱的情况,增强时间管理标签打印机在分布式打印管理上的稳定性与条理性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种时间管理标签打印机的分布式打印方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种时间管理标签打印机的分布式打印方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种时间管理标签打印机的分布式打印方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种时间管理标签打印机的分布式打印方法流程图,该方法包括:
S101:获取时间管理标签打印机在当前打印任务队列中的所有的待打印标签,其中,待打印标签包括开始时间、结束时间、文字备注和队列次序。
本发明的一种具体的实施场景为,通过对时间管理标签打印机的打印任务进行分析,从而构建打印次序,帮助时间管理标签打印机实现更为有序可靠的打印过程。
其中,每个打印任务中包含有多个打印标签,不同打印任务可能同时在打印任务队列中,使得打印任务队列内的待打印标签分布混乱。
时间管理标签打印机主要用于打印相应的时间管理标签,将时间管理标签作为待打印标签,待打印标签中印有开始时间、结束时间和文字备注,同时,每个待打印标签还具有对应初始的队列次序,该队列次序为添加至打印任务队列时的次序。
举例而言,医用药品可以使用时间管理标签打印机打印对应的时间管理标签,包括药品的启用时间、停用时间和文字备注等信息,当然,也可以用于工厂的库管工作,对工厂内的个个设备、零件等进行时间管理标签的标注。
需要说明的是,在打印任务较大、待打印的用户较多时,通常会有大量待打印的标签任务,使用分布式打印的方法对每个待打印标签进行打印时,对应的可能会产生打印顺序混乱的现象,也即打印结果可能会出现不同批次打印任务掺杂在一起的情况,基于此,需要对打印任务进行分类,确定不同打印情况,得到不同待打印标签的打印次序,实现待打印标签的有序管理。
S102:根据同一待打印标签的开始时间、结束时间、队列次序和所有待打印标签的队列次序的最大值,确定待打印标签的时间参数;根据文字备注确定每个待打印标签的文字向量,根据文字向量和时间参数,确定每个待打印标签的类别向量。
进一步地,在本发明的一些实施例中,根据同一待打印标签的开始时间、结束时间、队列次序和所有待打印标签的队列次序的最大值,确定待打印标签的时间参数,包括:计算开始时间与结束时间的时间间隔作为标签时间系数;计算队列次序与所有待打印标签的队列次序的最大值的比值作为标签次序系数;将标签时间系数和标签次序系数的乘积的归一化值作为待打印标签的时间参数。
其中,开始时间与结束时间的时间间隔也即对应待打印标签所标注用品的时间属性,可以理解的是,由于同一批次所标注用品通常具有相同的时间属性,例如同一食品的保质期、同一零件的使用年限等,因此,可以将时间间隔作为标签时间系数进行具体分析。
本发明实施例中,不同的待处理标签在待打印标签的任务队列中具有不同的次序,也即队列次序,而由于不同批次打印任务掺杂,队列次序可能会出现混乱,在正常情况下,同一批次表征相同的标注用品的待打印标签的队列次序相接近,因此,本发明实施例中计算队列次序与所有待打印标签的队列次序的最大值的比值作为标签次序系数。
本发明实施例中,将标签时间系数和标签次序系数的乘积的归一化值作为待打印标签的时间参数,则时间参数大小越相似,待打印标签越可能为同一批次的标签。
进一步地,在本发明的一些实施例中,根据文字备注确定每个待打印标签的文字向量,包括:将文字备注输入至预训练的word2vec模型中,使用word2vec模型对每个文字备注进行处理,输出每个待打印标签的文字向量。
其中,word2vec模型,是一个用来产生词向量的相关模型群,对word2vec模型的构建和训练过程为本领域技术人员所熟知的现有技术,对此不再赘述。可以理解的是,将文字备注输入至预训练的word2vec模型中,可以根据word2vec模型对文字备注进行语言分析,得到对应的文字向量。
需要说明的是,该文字向量是一个多维的向量,也即对应的向量可以映射至一个多维的空间。
进一步地,在本发明的一些实施例中,根据文字向量和时间参数,确定每个待打印标签的类别向量,包括:计算时间参数与文字向量的乘积作为待打印标签的类别向量。
其中,通过时间参数对文字向量进行调整,计算时间参数与文字向量的乘积作为待打印标签的类别向量,使得不同批次的待打印标签间的文字向量能够通过时间参数进行进一步区分,得到类别向量,便于后续对类别向量进行空间分析。
S103:根据类别向量构建类别向量空间,根据所有待打印标签的时间参数筛选得到标准标签,根据标准标签与其他所有待打印标签在类别向量空间的分布,对类别向量空间内的所有待打印标签进行分块,确定最优分块。
可以理解的是,由于类别向量为多维的向量,则可以根据类别向量的维度构建类别向量空间,而后,根据类别向量的向量值,将每个类别向量在类别向量空间用坐标点的形式进行表示,需要说明的是,由于一个待打印标签对应一个类别向量,且每个类别向量在类别向量空间中具有对应的1个点位,因此,该类别向量在类别向量空间中的位置同样也可以表征对应的待打印标签在类别向量空间中的位置信息。
进一步地,在本发明的一些实施例中,根据所有待打印标签的时间参数筛选得到标准标签,包括:计算所有待打印标签的时间参数的均值作为时间筛选系数;计算所有待打印标签的时间参数与时间筛选系数的差值绝对值的最小值所对应的任一待打印标签作为标准标签。
本发明实施例中,由于每个待打印标签的类别向量在类别向量空间均具有对应的坐标点表征,也即可以通过密度聚类的方式对全部的待打印标签进行聚类,而在聚类的过程中,需要确定聚类的距离阈值。距离阈值应该确保同一批次的待打印标签对应的类别向量能够尽可能被覆盖,在选取距离阈值时,可以将多维的类别向量空间均匀分块以降低分析计算复杂度,并降低多批次待打印标签的干扰。
本发明实施例中,由于同批次打印任务的类别向量具备一定密度关系,但是类别参数受词向量多维的影响其分布相对复杂,因此单纯将类别向量空间进行分块无法准确表示聚类关系,但分块对距离阈值的选取具有一定参考性,由此,本发明通过选择标准标签作为距离阈值的参考标签。
本发明实施例中,计算所有待打印标签的时间参数与时间筛选系数的差值绝对值的最小值所对应的任一待打印标签作为标准标签,也即是说,标注标签能够表征所有待打印标签的时间参数的均值特征,通过时间参数的均值选取得到标准标签,则标准标签的时间特征会与其他所有待打印标签的时间特征均较为接近,且在打印任务的队列中更偏向中心位置,因此通过标准标签的类别向量与其他类别向量的距离进行空间分块的效率更高。
进一步地,在本发明的一些实施例中,根据标准标签与其他所有待打印标签在类别向量空间的分布,对类别向量空间内的所有待打印标签进行分块,确定最优分块,包括:计算标准标签与其他所有待打印标签在类别向量空间的欧式距离得到标准距离;将所有标准距离的均值和最大值所对应的取值范围作为分块边长范围;在分块边长范围中任选一个作为待分析边长,以待分析边长对类别向量空间中所有待打印标签进行分块,得到待分析分块,计算待分析分块中待打印标签的数量密度的方差作为优选系数;遍历分块边长范围,根据所有不同待分析边长的优选系数确定最优边长;将最优边长所对应的待分析分块中数量密度最大的分块作为最优分块。
本发明实施例中,计算标准标签与其他所有待打印标签在类别向量空间的欧式距离得到标准距离;将所有标准距离的均值和最大值所对应的取值范围作为分块边长范围,本发明实施例中,可以将分块边长范围作为分块边长的选择范围,而后,遍历分块边长范围选择对应的分块边长。
本发明实施例中,为了便于计算,则需要筛选出分块效果最优的分块边长,也即是说,计算待分析分块中待打印标签的数量密度的方差作为优选系数,进一步地,在本发明的一些实施例中,遍历分块边长范围,根据所有不同待分析边长的优选系数确定最优边长,包括:将优选系数最小时所对应待分析分块的待分析边长作为最优边长。
由于数量密度的方差表征对应分块的分布均匀性,方差越大,则对应分块内待打印标签所对应类别向量的数量分布越复杂,差异越大,因此,选择最小时所对应待分析分块的待分析边长作为最优边长,也即选择优选系数最小时对应的最优边长,将最优边长所对应的待分析分块中数量密度最大的分块作为最优分块,基于最优分块进行后续分析过程更具参考性。
S104:根据最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定最优分块的目标距离阈值;根据目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,对不同的标签类簇分配对应的打印次序。
本发明实施例中,在对所有待打印标签进行聚类时,可以根据所有待打印标签的类别向量在类别向量空间中的密度进行聚类,因此,需要对距离阈值进行分析。
进一步地,在本发明的一些实施例中,根据最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定最优分块的目标距离阈值,包括:根据最优分块内所有待打印标签的类别向量的值和不同待打印标签的类别向量在类别向量空间的距离分布,确定最优分块的距离系数;计算最优分块内所有待打印标签的时间参数的数值的信息熵,得到最优分块的时间系数;计算距离系数和时间系数的乘积作为最优分块的目标距离阈值。
本发明实施例中,最优的目标距离阈值应该保证同批次的打印任务被分为同一类簇中,而同批次的打印任务在时间、文本中应该相对接近,由此,本发明通过计算距离系数和时间系数分别表征对应的文本、时间特征。
进一步地,在本发明的一些实施例中,根据最优分块内所有待打印标签的类别向量的值和不同待打印标签的类别向量在类别向量空间的距离分布,确定最优分块的距离系数,包括:计算最优分块内所有待打印标签的类别向量的均值作为最优类别均值;将最优分块内任一类别向量作为分块向量,计算分块向量与最优类别均值的均方误差,对均方误差进行反比例归一化处理得到分块向量的距离调整权值;计算分块向量在类别向量空间中与最优分块内所有待打印标签的类别向量的欧式距离的均值作为分块向量的初始距离影响值;将距离调整权值与初始距离影响值的乘积作为分块向量的目标距离影响值;将最优分块内所有待打印标签的类别向量的目标距离影响值的和值作为最优分块的距离系数。
本发明实施例中,距离系数的计算公式可以具体例如为:
式中,表示最优分块的距离系数,/>表示最优类别均值,/>表示最优分块内类别向量的总数量,/>表示第/>个类别向量,本发明实施例可以将第/>个类别向量作为分块向量,/>表示第/>个类别向量与最优类别均值的均方误差,/>表示归一化处理,/>表示第/>个类别向量的距离调整权值,也即第/>个类别向量的距离调整权值,/>表示第/>个类别向量,/>表示第/>个类别向量在类别向量空间中与第/>个类别向量的欧式距离,/>表示第/>个类别向量的初始距离影响值,/>表示第/>个类别向量的目标距离影响值。
在类别向量空间中,距离越接近的待打印标签的类别向量,则对应的待打印标签越可能为实际上同一批次的标签,因此,本发明通过计算第i个类别向量与其他类别向量的距离均值,得到初始距离影响值,可以理解的是,当第i个类别向量越处于当前最优分块内的参数中心位置时,在计算目标距离阈值时该类别向量与其他类别向量的平均距离更具参考性,应该对其赋予更高的权值。则本发明实施例中通过表示第i个类别向量的距离调整权值,/>通过均方误差的形式表示第i个类别向量与当前最优分块内整体类别向量均值的相似性,该值越小表示第i个类别向量与平均状态的相似性越高,即第i个类别向量越处于中心位置,第i个类别向量的权值应该更大,因此通过反比例归一化处理修正逻辑关系,然后将所有类别向量的初始距离影响值加权求和,得到最优分块的距离系数/>。
本发明实施例中,时间系数则是通过信息熵进行具体分析,计算最优分块内所有待打印标签的时间参数的数值的信息熵,得到最优分块的时间系数。除了不同类别参数的距离因素外,时间管理标签的还需要通过其包含的时间参数划分批次,而的计算过程主要是对时间参数缩放后的词向量,也即类别向量进行相似性计算,对时间参数方面的影响特征不足,因此,目标距离阈值还应该受到时间参数的调节。
在通过时间参数对距离参数进行调节时,主要应该体现最优分块内各打印任务的分批程度,通过打印任务分批程度来调节距离参数;如果时间参数上表示最优分块内打印任务的批次较多,则最优分块内的类别向量较为接近,因此直接通过距离系数进行调节可能会将时间上不同批次的打印任务划为同一类簇。因此,最优分块内的打印任务的时间越相近,队列次序越集中,从时间参数的角度,则这些打印任务为同一批次任务的概率越大,因此通过计算时间参数的信息熵作为最优分块的时间系数,而后,根据时间系数和距离系数对距离阈值进行分析。
本发明实施例中,计算距离系数和时间系数的乘积作为最优分块的目标距离阈值,目标距离阈值可以作为聚类时的距离阈值进行分析。进一步地,在本发明的一些实施例中,根据目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,包括:将目标距离阈值作为DBSCAN聚类的距离阈值,对所有待打印标签进行聚类,得到标签类簇。
其中,DBSCAN聚类算法为本领域所熟知的密度聚类算法,通过目标距离阈值作为DBSCAN聚类的距离阈值,对类别向量空间内的所有类别向量进行聚类,并将聚类结果作为对对应待打印标签的聚类结果,也即将待打印标签划分成多个标签类簇,每个标签类簇中则可以看作为同一批次的待打印标签。
则本发明实施例中,对不同的标签类簇分配对应的打印次序,也即将根据标签类簇实现打印任务的安排,举例而言,通过标签类簇重新对所有待打印标签进行排序,将同一标签类簇的所有待打印标签排序至一起,或者分配至相同的时间管理标签打印机内,从而实现条理清晰且高效的分布式打印效果。
本发明通过对待打印标签的开始时间、结束时间和队列次序进行分析,根据同一批次待打印标签所对应持续时间和队列次序相近的特征,确定待打印标签的时间参数,并根据待打印标签的文字向量和时间参数,确定类别向量,类别向量也即表征待打印标签的空间特征表征,根据类别向量构建类别向量空间,筛选得到标准标签,根据标准标签与其他所有待打印标签在类别向量空间的分布,对类别向量空间内的所有待打印标签进行分块,确定最优分块;通过最优分块进行具体分析,其中,最优分块的选取能够在保证后续分析效果的同时,避免对所有分块进行处理时效率不足的问题;根据最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定最优分块的目标距离阈值;根据目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,对不同的标签类簇分配对应的打印次序。综上,本发明针对待打印标签上所印开始时间、结束时间、文字备注和队列次序进行具体分析,从而能够根据分析结果对所有待打印标签进行聚类排序,使得同一批次的待打印标签能够被有效排序在一起,避免多用户大任务量所造成的分布式打印结果混乱的情况,增强时间管理标签打印机在分布式打印管理上的稳定性与条理性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (8)
1.一种时间管理标签打印机的分布式打印方法,其特征在于,所述方法包括:
获取时间管理标签打印机在当前打印任务队列中的所有的待打印标签,其中,所述待打印标签包括开始时间、结束时间、文字备注和队列次序;
根据同一待打印标签的所述开始时间、所述结束时间、所述队列次序和所有待打印标签的队列次序的最大值,确定所述待打印标签的时间参数;根据所述文字备注确定每个待打印标签的文字向量,根据所述文字向量和所述时间参数,确定每个待打印标签的类别向量;
根据所述类别向量构建类别向量空间,根据所有待打印标签的时间参数筛选得到标准标签,根据所述标准标签与其他所有待打印标签在类别向量空间的分布,对所述类别向量空间内的所有待打印标签进行分块,确定最优分块;
根据所述最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定所述最优分块的目标距离阈值;根据所述目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,对不同的标签类簇分配对应的打印次序;
所述根据所述最优分块内所有待打印标签的类别向量和所有待打印标签的时间参数的混乱度,确定所述最优分块的目标距离阈值,包括:
根据所述最优分块内所有待打印标签的类别向量的值和不同待打印标签的类别向量在类别向量空间的距离分布,确定所述最优分块的距离系数;
计算所述最优分块内所有待打印标签的时间参数的数值的信息熵,得到所述最优分块的时间系数;
计算所述距离系数和所述时间系数的乘积作为所述最优分块的目标距离阈值;
所述根据所述最优分块内所有待打印标签的类别向量的值和不同待打印标签的类别向量在类别向量空间的距离分布,确定所述最优分块的距离系数,包括:
计算所述最优分块内所有待打印标签的类别向量的均值作为最优类别均值;将所述最优分块内任一类别向量作为分块向量,计算所述分块向量与最优类别均值的均方误差,对所述均方误差进行反比例归一化处理得到所述分块向量的距离调整权值;
计算所述分块向量在类别向量空间中与所述最优分块内所有待打印标签的类别向量的欧式距离的均值作为所述分块向量的初始距离影响值;
将所述距离调整权值与所述初始距离影响值的乘积作为所述分块向量的目标距离影响值;
将所述最优分块内所有待打印标签的类别向量的目标距离影响值的和值作为所述最优分块的距离系数。
2.如权利要求1所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述根据同一待打印标签的所述开始时间、所述结束时间、所述队列次序和所有待打印标签的队列次序的最大值,确定所述待打印标签的时间参数,包括:
计算所述开始时间与所述结束时间的时间间隔作为标签时间系数;
计算所述队列次序与所有待打印标签的队列次序的最大值的比值作为标签次序系数;
将所述标签时间系数和所述标签次序系数的乘积的归一化值作为所述待打印标签的时间参数。
3.如权利要求1所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述根据所述文字备注确定每个待打印标签的文字向量,包括:
将所述文字备注输入至预训练的word2vec模型中,使用word2vec模型对每个文字备注进行处理,输出每个待打印标签的文字向量。
4.如权利要求3所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述根据所述文字向量和所述时间参数,确定每个待打印标签的类别向量,包括:
计算所述时间参数与所述文字向量的乘积作为待打印标签的类别向量。
5.如权利要求1所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述根据所有待打印标签的时间参数筛选得到标准标签,包括:
计算所有待打印标签的时间参数的均值作为时间筛选系数;
计算所有待打印标签的时间参数与时间筛选系数的差值绝对值的最小值所对应的任一待打印标签作为标准标签。
6.如权利要求1所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述根据所述标准标签与其他所有待打印标签在类别向量空间的分布,对所述类别向量空间内的所有待打印标签进行分块,确定最优分块,包括:
计算所述标准标签与其他所有待打印标签在类别向量空间的欧式距离得到标准距离;
将所有标准距离的均值和最大值所对应的取值范围作为分块边长范围;
在所述分块边长范围中任选一个作为待分析边长,以所述待分析边长对所述类别向量空间中所有待打印标签进行分块,得到待分析分块,计算所述待分析分块中待打印标签的数量密度的方差作为优选系数;
遍历所述分块边长范围,根据所有不同待分析边长的优选系数确定最优边长;
将所述最优边长所对应的待分析分块中数量密度最大的分块作为最优分块。
7.如权利要求6所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述遍历所述分块边长范围,根据所有不同待分析边长的优选系数确定最优边长,包括:
将所述优选系数最小时所对应待分析分块的待分析边长作为最优边长。
8.如权利要求1所述的一种时间管理标签打印机的分布式打印方法,其特征在于,所述根据所述目标距离阈值对类别向量空间中的所有待打印标签进行聚类,得到标签类簇,包括:
将所述目标距离阈值作为DBSCAN聚类的距离阈值,对所有待打印标签进行聚类,得到标签类簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823827.8A CN117472302B (zh) | 2023-12-28 | 2023-12-28 | 时间管理标签打印机的分布式打印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823827.8A CN117472302B (zh) | 2023-12-28 | 2023-12-28 | 时间管理标签打印机的分布式打印方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117472302A CN117472302A (zh) | 2024-01-30 |
CN117472302B true CN117472302B (zh) | 2024-02-27 |
Family
ID=89633331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311823827.8A Active CN117472302B (zh) | 2023-12-28 | 2023-12-28 | 时间管理标签打印机的分布式打印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117472302B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118034619B (zh) * | 2024-04-12 | 2024-07-05 | 湖南医标通信息科技有限公司 | 时间管理标签打印机的打印信息管理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0124510D0 (en) * | 2001-10-12 | 2001-12-05 | Knox Robert | Apparatus for consumer on-demand label printing |
JP2006285968A (ja) * | 2005-03-07 | 2006-10-19 | Ricoh Co Ltd | 印刷設定処理プログラム、印刷設定処理装置および印刷設定処理方法 |
JP2012053512A (ja) * | 2010-08-31 | 2012-03-15 | Brother Ind Ltd | 分散印刷方法、プログラム、及び記録媒体 |
KR20160094677A (ko) * | 2015-02-02 | 2016-08-10 | 주식회사 한광옵토 | 라벨 프린터 기반 범용 프린터 드라이버 구동 방법 및 기록매체 |
CN108509158A (zh) * | 2017-07-25 | 2018-09-07 | 平安科技(深圳)有限公司 | 保单打印方法、装置、存储介质和计算机设备 |
CN111898443A (zh) * | 2020-06-30 | 2020-11-06 | 江苏科技大学 | 一种fdm型3d打印机送丝机构流量监测方法 |
CN217622815U (zh) * | 2022-03-15 | 2022-10-21 | 湖南医标通信息科技有限公司 | 一种时间标签打印机 |
CN115454360A (zh) * | 2022-08-12 | 2022-12-09 | 浪潮金融信息技术有限公司 | 一种能够灵活调整打印格式的标签打印方法、装置及介质 |
CN117236356A (zh) * | 2023-11-15 | 2023-12-15 | 冠骋信息技术(苏州)有限公司 | 基于web的标签在线设计及打印方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8724168B2 (en) * | 2010-12-16 | 2014-05-13 | Xerox Corporation | Updating a smoothness constrained cluster model for color control in a color management system |
-
2023
- 2023-12-28 CN CN202311823827.8A patent/CN117472302B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0124510D0 (en) * | 2001-10-12 | 2001-12-05 | Knox Robert | Apparatus for consumer on-demand label printing |
JP2006285968A (ja) * | 2005-03-07 | 2006-10-19 | Ricoh Co Ltd | 印刷設定処理プログラム、印刷設定処理装置および印刷設定処理方法 |
JP2012053512A (ja) * | 2010-08-31 | 2012-03-15 | Brother Ind Ltd | 分散印刷方法、プログラム、及び記録媒体 |
KR20160094677A (ko) * | 2015-02-02 | 2016-08-10 | 주식회사 한광옵토 | 라벨 프린터 기반 범용 프린터 드라이버 구동 방법 및 기록매체 |
CN108509158A (zh) * | 2017-07-25 | 2018-09-07 | 平安科技(深圳)有限公司 | 保单打印方法、装置、存储介质和计算机设备 |
CN111898443A (zh) * | 2020-06-30 | 2020-11-06 | 江苏科技大学 | 一种fdm型3d打印机送丝机构流量监测方法 |
CN217622815U (zh) * | 2022-03-15 | 2022-10-21 | 湖南医标通信息科技有限公司 | 一种时间标签打印机 |
CN115454360A (zh) * | 2022-08-12 | 2022-12-09 | 浪潮金融信息技术有限公司 | 一种能够灵活调整打印格式的标签打印方法、装置及介质 |
CN117236356A (zh) * | 2023-11-15 | 2023-12-15 | 冠骋信息技术(苏州)有限公司 | 基于web的标签在线设计及打印方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117472302A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117472302B (zh) | 时间管理标签打印机的分布式打印方法 | |
US10073906B2 (en) | Scalable tri-point arbitration and clustering | |
Kuncheva et al. | Using diversity in cluster ensembles | |
CN108241745B (zh) | 样本集的处理方法及装置、样本的查询方法及装置 | |
Azzalini et al. | Clustering via nonparametric density estimation: The R package pdfCluster | |
Lin et al. | Fuzzy support vector machines | |
Ward Jr | Hierarchical grouping to optimize an objective function | |
CN104298713B (zh) | 一种基于模糊聚类的图片检索方法 | |
Celebi et al. | Linear, deterministic, and order-invariant initialization methods for the k-means clustering algorithm | |
JP2004525471A (ja) | 再帰的ヒストグラムベクトル生成によるパレットに基づいたヒストグラムマッチング | |
CN108764726A (zh) | 根据规则对请求进行决策的方法及装置 | |
JPH04232502A (ja) | 資源割当て方法 | |
Volk et al. | Clustering uncertain data with possible worlds | |
CN111311292B (zh) | 一种用户分类方法和系统 | |
JP2003016078A (ja) | データの分類、検索および表示方法 | |
Qi et al. | Improved K-means clustering algorithm and its applications | |
CN115099759A (zh) | 适用于通信产品柔性立体仓库的管理方法和系统 | |
Gingles et al. | Histogram-based method for effective initialization of the k-means clustering algorithm | |
Razavi Hesabi et al. | Distclustree: A framework for distributed stream clustering | |
CN118034619B (zh) | 时间管理标签打印机的打印信息管理方法及系统 | |
López-Rubio et al. | Principal components analysis competitive learning | |
Li et al. | Kernel hierarchical agglomerative clustering-comparison of different gap statistics to estimate the number of clusters | |
CN117609814B (zh) | 一种sd-wan智能流量调度优化方法及系统 | |
Saini et al. | Achieving balance in clusters-a survey | |
Chu et al. | A fuzzy support vector machine based on geometric model |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |