Original name record: 中电万维信息技术有限责任公司

本发明公开了一种基于网关的分布式服务智能化调度方法，通过实时采集服务节点性能指标，归一化处理后计算加权得分，动态调整网关负载均衡权重，实现资源调度的智能化和均衡化。该方法有效解决了现有轮询方式的资源利用不均衡、缺乏灵活性及性能瓶颈问题，提升了分布式系统的整体性能和可靠性。

本发明涉及数据处理技术领域，特别是一种基于蒙特卡洛算法的分布式数据库查询优化方法。蒙特卡洛算法是一种基于随机抽样的统计方法，它通过大量的随机试验来估计一个过程的期望结果。在优化分布式数据库查询时，蒙特卡洛算法可以用来估计查询的执行成本，从而帮助选择最优的查询执行计划。成本估计：通过随机抽样数据集的一部分，蒙特卡洛算法可以快速估计查询的执行成本，包括CPU使用、I/O操作和网络传输等，而无需执行整个查询。

本发明涉及人工智能领域，是一种基于DeepSeek大模型、Split技术与空间搜索算法相结合的大模型系统和溯源方法，通过结合先进的深度学习算法、数据分割策略及高效的空间搜索机制，确保高效、准确地追踪和定位信息源头，为用户提供便捷性。通过结合DeepSeek大模型的智能分析能力、Split技术的数据分割处理以及空间搜索算法的高效定位，够迅速锁定信息的来源，大大缩短了溯源时间。DeepSeek大模型具备深度学习和自然语言处理的能力，能够深入理解文本内容，从而更准确地判断信息的来源。同时，Split技术确保数据在处理过程中保持完整性和一致性，避免了信息丢失或误解。空间搜索算法则进一步提高了定位的精确度，确保溯源结果的可靠性。

本发明属于移动设备定位技术领域，具体涉及一种基于移动设备的离线定位数据精度增强方法。通过卡尔曼滤波算法对多源数据进行融合和优化，有效减少了定位误差，提高了定位的准确性和稳定性。同时，卷积神经网络进一步挖掘数据中的潜在信息，对定位结果进行精细化调整，使定位精度得到显著提升；无论是在室外还是室内环境，该方法都能有效地处理各种复杂的定位场景。在不同的环境下，CNN能够学习到相应的特征模式，自适应地调整定位策略，确保定位的可靠性。

本发明公开了一种适用于移动端的ArcGIS图形引擎加速与交互方法及系统，属于移动地理信息系统技术领域。所述系统包括数据处理、图形渲染、交互响应和数据同步更新四个子系统。所述方法包括：预加载阶段，对地理数据进行分层抽稀和缓存；并发渲染阶段，采用动态多线程模型和GPU加速进行图形绘制，并基于设备性能动态调整抗锯齿级别；互动事件处理阶段，通过视口位置预测模型和双缓冲技术优化响应；数据动态更新阶段，进行增量数据同步。本发明解决了ArcGIS在移动终端上存在的渲染性能瓶颈、交互响应滞后和系统资源消耗高的技术问题，显著提升了地图渲染效率、交互流畅度和系统资源利用率。

本发明属于生态环境遥感监测与人工智能交叉技术领域，具体涉及一种基于多源遥感数据和改进支持向量机（SVM）的生态环境风险隐患智能识别方法。提供一种高效的生态环境风险隐患智能识别方法，通过融合多源遥感数据和改进的SVM算法，实现对复杂地表隐患的准确识别，提高分类精度，降低误检率。输出隐患概率图与边界矢量文件，并支持GIS平台可视化展示与人工复核。

本发明属于地理信息系统（GIS）与网络地图服务技术领域，基于多级几何简化的自适应矢量瓦片生成方法及实时渲染优化系统。本发明通过深度整合PostGIS的空间计算能力通过ST_Simplify系列函数、拓扑校验工具链与客户端渲染优化，构建了一套从数据简化到动态可视化的完整技术体系，解决了传统矢量瓦片在效率、质量与拓扑一致性间的矛盾，为大规模地理数据实时服务提供了工业化级解决方案。相比静态简化方案，生成时间减少40%‑65%。数据传输量：区域级瓦片体积压缩至原大小的12%‑18%。

发明涉及信息数据处理技术领域，尤其涉及一种基于多维土壤数据的动态测土配肥推荐方法与系统，适用于精准农业中的肥料推荐。针对传统施肥方案依赖经验、肥料利用率低、环境污染，以及现有测土配方技术缺乏多肥料类型组合动态计算能力、未充分结合作物生长阶段与土壤肥力差异、难以处理复杂施肥场景导致推荐结果精准度不足等问题，提供一种基于多维土壤数据的动态测土配肥推荐方法与系统，通过整合多维数据、动态算法及多组合适配，实现精准配肥、动态调整及有机 ‑ 无机协同，提升施肥精准度与环境友好性。

本发明涉及人工智能与计算机视觉技术领域，具体为一种基于大模型的射击靶纸弹孔识别与行为分析方法，包括以下步骤：步骤1、图像采集与预处理；步骤2、弹孔识别与分类；步骤3、大模型特征提取与融合；步骤4、行为智能体分析；步骤5、行为分类与打分；步骤6、智能反馈生成。本发明融合了目标检测、图像处理、深度学习、智能分析与人机交互反馈等关键技术，面向射击训练中靶纸弹孔的自动识别与射击行为的建模分析；本发明综合应用YOLO等目标检测算法与图像增强机制，实现弹孔的精准识别与分类，结合大规模预训练模型进行行为特征建模与趋势分析，并通过智能交互方式生成个性化训练反馈，具备高鲁棒性、跨场景适应能力与闭环式智能评估能力。