為您找到相關(guān)結(jié)果 4591 篇
-
運(yùn)用時間序列等統(tǒng)計(jì)分析方法，采用自身縱向?qū)Ρ群退鶎偃簷M向?qū)Ρ鹊姆绞絹碜詣幼R別和挖掘出客戶經(jīng)營異常和風(fēng)險(xiǎn)的內(nèi)管預(yù)警模型，在大量基礎(chǔ)預(yù)警信息中最終識別出高度可疑的銷售異常零售戶
-
數(shù)據(jù)挖掘在煙草情報(bào)實(shí)戰(zhàn)中的應(yīng)用歸納為三個方面：人工智能的應(yīng)用、模型重構(gòu)以及隱藏信息的深度挖掘。結(jié)合具體案例分析，本文進(jìn)一步探討了數(shù)據(jù)挖掘方法在理論創(chuàng)新、機(jī)制革新及思維方式
-
通過“煙葉大數(shù)據(jù)模型”對初烤下桿后煙葉直接進(jìn)行分定級，減少人工作業(yè)環(huán)節(jié)，解決了分級水平不一及等級純度、煙葉質(zhì)量不穩(wěn)定問題，同時杜絕了人情煙、關(guān)系煙情況發(fā)生
-
、C-W節(jié)約算法、超啟發(fā)算法等多種算法模型，通過實(shí)時電子地圖，深度優(yōu)化現(xiàn)有網(wǎng)絡(luò)布局和資源配置，啟動配送線路資源整合項(xiàng)目，搭建科學(xué)合理、動態(tài)優(yōu)化
-
據(jù)法律監(jiān)督模型，運(yùn)用大數(shù)據(jù)思維，結(jié)合市場調(diào)研、校園周邊走訪等大量取證工作，快速挖掘出未檢公益訴訟線索，鐵檢分院根據(jù)省院的指定管轄，迅速
-
、數(shù)字化發(fā)展。在營銷和物流方面，深入開展卷煙銷售數(shù)據(jù)采集、分析、應(yīng)用技術(shù)和卷煙消費(fèi)算法模型等研究，提升物流綠色低碳化建設(shè)能力和現(xiàn)代化水平。在專賣管理方面，深化
-
取分析，研究構(gòu)建多維度、多指標(biāo)的數(shù)據(jù)模型?！ ≈饕?#xff1a;一方面，根據(jù)送貨量、客戶分布等差異，對物流配送網(wǎng)絡(luò)進(jìn)行測算及規(guī)劃，對配送車次
-
或者是公園等地方，通過卡通形象或者是機(jī)器人造型的模型來吸引群眾也是非常好的一個舉措。有不少地方，工作人員穿上卡通造型的模型站在公園，旁邊放著宣傳控?zé)煹臉?biāo)語或者是
-
基于線性網(wǎng)絡(luò)法的卷煙吸阻穩(wěn)定性檢測評價(jià)方法》，授權(quán)日為2021年7月6日，權(quán)利人為鄭州煙草研究院。該發(fā)明在吸阻線性網(wǎng)絡(luò)模型的基礎(chǔ)上建立卷煙吸阻穩(wěn)定性關(guān)系模型，
-
等物品的圖片進(jìn)行物體模型訓(xùn)練，以測試識別的準(zhǔn)確率，并開發(fā)了針對物流現(xiàn)場的物體檢測算法。經(jīng)過反復(fù)、大量的模型訓(xùn)練，圖像識別準(zhǔn)確率穩(wěn)定在98%以上。解決了識別
