-
题名车联网中视频语义驱动的资源分配算法
被引量：8
- 1
-
-
作者
陈九九
冯春燕
郭彩丽
杨洋
孙启政
朱美逸
-
机构
北京邮电大学北京先进信息网络实验室
-
出处
《通信学报》
EI
CSCD
北大核心
2021年第7期1-11,共11页
-
基金
中央高校基本科研业务费专项资金资助项目(No.2021XD-A01-1)
国家自然科学基金重大研究计划重点资助项目(No.92067202)
+1 种基金
北京市自然科学基金资助项目(No.4202049)
北京邮电大学(济南)工业互联网研究院项目(No.201915001)。
-
文摘
针对车联网中视频语义理解等智能计算业务需求下传统资源分配方式不再适用的问题,研究了视频语义驱动的资源分配算法。首先,以目标检测任务为例,提出视频语义驱动的资源分配指导模型并给出模型参数的求解算法;其次,构建了车联网场景中视频语义驱动的资源分配优化问题,将该问题转化成凸问题并利用凸优化算法求解;进一步,为降低凸优化算法的复杂度,提出了基于强化Q学习的资源分配算法;最后,仿真验证了所提资源分配算法的性能优势。
-
关键词
资源分配
车联网
视频语义
目标检测
强化学习
-
Keywords
resources allocation
Internet of vehicles
video semantics
object detection
reinforcement learning
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名面向多敏感值的个性化随机响应机制设计与分析
被引量：1
- 2
-
-
作者
宋海娜
罗涛
韩新宇
李剑峰
-
机构
北京邮电大学北京先进信息网络实验室
北京邮电大学网络体系构建与融合北京市重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2019年第6期1236-1243,共8页
-
基金
国家重点研发计划重点专项(No.2016YFF0201003)
国家自然科学基金(No.61571065)
-
文摘
在实际数据收集中,不同敏感值的敏感度有很大差异,隐私保护需求也不相同.然而,现有的基于随机响应的本地化隐私保护模型针对所有敏感值都执行同样程度的隐私保护,从而可能造成某些低敏感度的敏感值过度保护,而某些高敏感度的敏感值却保护不足.基于此,本文在常规随机响应(Conventional Randomized Response,CRR)模型的基础上,考虑个性化的隐私需求,引入敏感值权重,并将其引入到随机响应的决策中,提出一种面向多敏感值的个性化随机响应(Personalized Randomized Response,PRR)机制,该机制能够确保不同的敏感值群体均能达到各自期望的隐私保护程度,实现个性化的隐私保护.理论分析和仿真实验表明,在机制的主观隐私泄露程度一定时,相比于CRR模型,本文所提的PRR机制统计估计误差更小,即获得的统计数据的质量更高,同时又保证了个性化的隐私保护.
-
关键词
随机响应
敏感值权重
主观隐私泄露程度
数据质量
个性化隐私保护
-
Keywords
randomized response
sensitive value weight
subjective degree of privacy leakage
data quality
personalized privacy preservation
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名深度学习在多天气分类算法中的研究与应用
被引量：8
- 3
-
-
作者
陈思玮
贾克斌
王聪聪
刘钧
-
机构
北京工业大学信息学部计算智能与智能系统北京市重点实验室
北京先进信息网络实验室
华云升达(北京)气象科技有限责任公司
-
出处
《高技术通讯》
EI
CAS
北大核心
2020年第10期1010-1017,共8页
-
基金
国家自然科学基金面上(61672064)
北京市自然科学基金面上(4172001)
+1 种基金
先进信息网络北京实验室(PXM2019014204500029)
华云升达气象科技有限责任公司委托(20181201)资助项目。
-
文摘
针对目前多天气识别分类问题,提出了一种基于深度学习和计算机视觉的天气现象自动分类算法。采集并建立了一个包括雾霾、沙尘、雨、雪、霜、露6类天气的适用于任意场景的多天气现象数据集,改善了目前已见报数据集规模小、种类单一、只面向特定场景的情况;同时采用密集连接和池化均衡的结构搭建深度卷积神经网络(CNN)模型,训练并挖掘天气数据的特征与内在规律,用深度学习方法实现天气现象的自动分类。实验结果表明相比传统计算机视觉算法,该算法解决了严重依靠特征提取、适用场景单一问题;且比大多数深度网络模型参数更少、识别准确性更高,算法泛化性能大幅提升。
-
关键词
多天气分类
深度学习
卷积神经网络(CNN)
DenseNet
迁移学习
-
Keywords
multiple weather classification
deep learning
convolutional neural network(CNN)
DenseNet
transfer learning
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
