期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
城市交通均衡流分配的多模式模型及算法 被引量:9
1
作者 陈森发 周晶 朱玉全 《自动化学报》 EI CSCD 北大核心 1993年第2期190-196,共7页
本文建立了城市交通均衡流分配的多模式模型。在深入分析Frank-Wolfe算法的基础上,提出一种加速收敛的新算法——FWN法。实例计算表明,其结果令人满意。
关键词 交通分配 多模式模型 算法
在线阅读 下载PDF
智慧城市多模式数据融合模型 被引量:31
2
作者 张义 陈虞君 +2 位作者 杜博文 蒲菊华 熊璋 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第12期2683-2690,共8页
随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来国内外研究的热点之一。随着城市中摄像头、监测传感器等采集设备数量的增加,城市数据种类也越来越多。所获取的城市数据具有多源、异构、时变、高维等多模式... 随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来国内外研究的热点之一。随着城市中摄像头、监测传感器等采集设备数量的增加,城市数据种类也越来越多。所获取的城市数据具有多源、异构、时变、高维等多模式特性。如何让这些多模式的城市数据关联起来,实现它们的互通互联,挖掘出更丰富多样的信息,从而能更好地指导智慧城市的构建,是本领域的难点。本文提出了一个城市多模式数据融合模型,即多模式互联生长(MICROS)模型,并从3个层面对该模型进行了描述。首先,针对多模式数据的特点,重点描述了多模式数据多源、异构、时变、高维等特点。其次,针对多模式数据的特点,自底向上构建实现针对多模式数据的融合过程的3层基础模型,分别是服务信息描述模型、元数据模型和数据互联模型。最后,在这3层模型的基础上,本文提出了一个适用于智慧城市建设的多模式数据融合模型。 展开更多
关键词 智慧城市 多模式数据 数据挖掘 数据融合 多模式互联生长(MICROS)模型
在线阅读 下载PDF
多模式均衡配流模型 被引量:2
3
作者 周溪召 陈斌 《城市轨道交通研究》 2002年第4期65-68,共4页
基于我国城市混合交通的特点及信息的随机性,研究了混合交通方式选择和路径随机选择模型,证明了模型最优解满足方式选择和路径随机选择平衡的条件,并且最优解是唯一的,同时给出模型的算法。
关键词 多模式均衡配流模型 交通分布 混合交通 方式选择 路径选择 最优解 交通分配 交通规划
在线阅读 下载PDF
一种新的基于交互多模型的序贯重要采样算法
4
作者 夏畅雄 叶尚福 《电讯技术》 2007年第6期90-93,共4页
通过将交互多模型(IMM)算法和粒子滤波(SIS)算法结合,提出了一种新的IMM-SIS算法。在每个模型中,都有一个标准的粒子滤波器,模型之间的交互与传统的IMM一样。由于在新的算法中,每个模型中粒子滤波都保证固定数量的粒子,因此不会出现粒... 通过将交互多模型(IMM)算法和粒子滤波(SIS)算法结合,提出了一种新的IMM-SIS算法。在每个模型中,都有一个标准的粒子滤波器,模型之间的交互与传统的IMM一样。由于在新的算法中,每个模型中粒子滤波都保证固定数量的粒子,因此不会出现粒子退化和贫乏现象。仿真证明了新的IMM-SIS算法在收敛速度和精度方面都要优于传统的IMM-EKF算法。 展开更多
关键词 机动目标跟踪 交互多模式模型 序贯重要采样 收敛速度
在线阅读 下载PDF
整合类内差异与类间关联的隐喻感情预测
5
作者 杨亚萍 张敬源 《电子测量技术》 北大核心 2024年第14期108-120,共13页
隐喻感情预测有助于改进社交媒体内容的用户体验,同时在心理健康监测和虚拟心理治疗方面也具有潜在价值。此外,它还可以更精确地识别目标受众的感情需求,优化广告策略,提升商业效益。为了进一步提升情绪识别与情感检测的有效性,提出了... 隐喻感情预测有助于改进社交媒体内容的用户体验,同时在心理健康监测和虚拟心理治疗方面也具有潜在价值。此外,它还可以更精确地识别目标受众的感情需求,优化广告策略,提升商业效益。为了进一步提升情绪识别与情感检测的有效性,提出了一种整合类内差异与类间关联的多模式隐喻感情识别架构。首先引出三种单模式模型,包括视觉语义模型,文本语义模型和音频语义模型,从文本、视觉和音频三种不同的数据源中分别提取每个模式的个性化差异特征;随后引出一种深度层次多模式模型,通过中间层融合的方式对多模式之间的关联性进行学习,更好地利用双模式与三模式之间提供的互补信息;最后,基于决策层融合的方式将上述四种模型进行融合,在一种端到端的框架中,实现多模式隐喻感情的预测。在开源的数据集中进行的大量消融实验与对比实验证明了方法的有效性。 展开更多
关键词 隐喻感情预测 多模式模型 图像 文本 语音 模式识别
在线阅读 下载PDF
Quadratic investigation of geochemical distribution by backward elimination approach at Glojeh epithermal Au(Ag)-polymetallic mineralization, NW Iran
6
作者 Darabi-Golestan Farshad Hezarkhani Ardeshir 《Journal of Central South University》 SCIE EI CAS CSCD 2018年第2期342-356,共15页
The correspondence analysis will describe elemental association accompanying an indicator samples.This analysis indicates strong mineralization of Ag,As,Pb,Te,Mo,Au,Zn and to a lesser extent S,W,Cu at Glojeh polymetal... The correspondence analysis will describe elemental association accompanying an indicator samples.This analysis indicates strong mineralization of Ag,As,Pb,Te,Mo,Au,Zn and to a lesser extent S,W,Cu at Glojeh polymetallic mineralization,NW Iran.This work proposes a backward elimination approach(BEA)that quantitatively predicts the Au concentration from main effects(X),quadratic terms(X2)and the first order interaction(Xi×Xj)of Ag,Cu,Pb,and Zn by initialization,order reduction and validation of model.BEA is done based on the quadratic model(QM),and it was eliminated to reduced quadratic model(RQM)by removing insignificant predictors.During the QM optimization process,overall convergence trend of R2,R2(adj)and R2(pred)is obvious,corresponding to increase in the R2(pred)and decrease of R2.The RQM consisted of(threshold value,Cu,Ag×Cu,Pb×Zn,and Ag2-Pb2)and(Pb,Ag×Cu,Ag×Pb,Cu×Zn,Pb×Zn,and Ag2)as main predictors of optimized model according to288and679litho-samples in trenches and boreholes,respectively.Due to the strong genetic effects with Au mineralization,Pb,Ag2,and Ag×Pb are important predictors in boreholes RQM,while the threshold value is known as an important predictor in the trenches model.The RQMs R2(pred)equal74.90%and60.62%which are verified by R2equal to73.9%and60.9%in the trenches and boreholes validation group,respectively. 展开更多
关键词 correspondence analysis first order interaction reduced quadratic model (RQM) optimized model order reduction and validation strong genetic effects
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部