期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于粗精二次估计的RFID标签数目估算方法 被引量:3
1
作者 丁建立 韩宇超 王家亮 《计算机应用》 CSCD 北大核心 2017年第9期2722-2727,共6页
为了解决航空物联网信息采集领域RFID标签估算方法存在的估算精度和运算量之间的矛盾,以及标签读取过程随机性所导致的估算方法性能不稳定的问题,结合粗估计的快速、精估计的准确和二次估计算法性能的稳定性,提出一种基于粗精二次估计的... 为了解决航空物联网信息采集领域RFID标签估算方法存在的估算精度和运算量之间的矛盾,以及标签读取过程随机性所导致的估算方法性能不稳定的问题,结合粗估计的快速、精估计的准确和二次估计算法性能的稳定性,提出一种基于粗精二次估计的RFID标签数目估算方法。首先,对帧时隙ALOHA算法标签读取过程进行建模,分析得出碰撞时隙中的平均标签数目和碰撞时隙所占比例之间的数学模型;然后,基于上述数学模型进行标签数目粗估计,评估粗估计值是否需要进行二次精估计。在二次精估计中,将粗估计值作为先验知识,采用基于先验知识的最大后验概率(MAP)估计算法提高估算准确度,相比原始后验概率估计算法的搜索范围可减少90%。仿真实验表明,基于粗精估计的RFID标签数目估算平均误差为3.8%,估算方法性能稳定性显著提高,运算量大幅下降,可有效地应用于航空物联网信息采集过程。 展开更多
关键词 射频识别防碰撞算法 粗精二次估计 标签数估计 最大后验概率估计 建模分析
在线阅读 下载PDF
基于团簇随机连接的CliqueNet航班延误预测模型 被引量:5
2
作者 屈景怡 曹磊 +2 位作者 陈敏 董樑 曹烨琇 《计算机应用》 CSCD 北大核心 2020年第8期2420-2427,共8页
针对目前民航运输业延误率较高,而传统算法难以解决高精度延误预测的问题,提出一种基于随机连接团簇网络(CliqueNet)航班延误预测模型。该模型首先对航班数据和相关气象数据进行融合;然后,充分利用改进后的网络模型对融合后的数据集进... 针对目前民航运输业延误率较高,而传统算法难以解决高精度延误预测的问题,提出一种基于随机连接团簇网络(CliqueNet)航班延误预测模型。该模型首先对航班数据和相关气象数据进行融合;然后,充分利用改进后的网络模型对融合后的数据集进行特征提取;最后,使用Softmax分类器进行航班离港延误各等级的高精度预测。模型的主要特点是:在团簇特征层的随机连接,以及在转换层引入通道和空间注意力残差(CSAR)模块。前者以更为有效的连接方式传递特征信息;后者则对特征信息进行通道和空间维度的双重标定,以提高准确率。实验结果表明,对融合数据进行预测,引入随机连接和CSAR模块后,新模型的准确率分别提高了0.5%、1.3%,最终准确率能达到93.40%。 展开更多
关键词 团簇网络 随机连接 特征重标定 航班延误预测 数据融合
在线阅读 下载PDF
基于时空序列的Conv-LSTM航班延误预测模型 被引量:8
3
作者 屈景怡 杨柳 +1 位作者 陈旭阳 王茜 《计算机应用》 CSCD 北大核心 2022年第10期3275-3282,共8页
精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测,然而目前已有预测方法多为两种或多种算法的结合,存在算法间的融合问题。针对上述问题,提出了一种综合考虑时空序列... 精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测,然而目前已有预测方法多为两种或多种算法的结合,存在算法间的融合问题。针对上述问题,提出了一种综合考虑时空序列的卷积长短时记忆(Conv-LSTM)网络航班延误预测模型。所提模型在长短时记忆(LSTM)网络提取时间特征的基础上,将网络的输入和权重矩阵进行卷积来提取空间特征,从而充分利用数据集包含的时间和空间信息。实验结果表明,与LSTM、仅考虑空间信息的卷积神经网络(CNN)模型相比,Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点。由此可见,同时考虑时空特性可以在航班延误问题中获得更精确的预测结果。此外,基于所提模型设计并实现了基于浏览器/服务器(B/S)架构的航班延误分析系统,并且该系统也可以应用于空中交通管理局流量控制中心。 展开更多
关键词 航班延误预测 时空序列 深度学习 卷积长短时记忆网络 气象信息 航班信息
在线阅读 下载PDF
云平台下基于截止时间的自适应调度策略 被引量:1
4
作者 吴仁彪 张振驰 +1 位作者 贾云飞 乔晗 《计算机应用》 CSCD 北大核心 2023年第1期176-184,共9页
针对在共享集群中进行任务调度时,无法兼顾任务的响应速度与任务完成时间的问题,提出一种基于截止时间的自适应调度算法。该算法以用户提交的截止时间为依据,根据任务的执行进度自适应地分配适当的计算资源。不同于传统调度方式里由用... 针对在共享集群中进行任务调度时,无法兼顾任务的响应速度与任务完成时间的问题,提出一种基于截止时间的自适应调度算法。该算法以用户提交的截止时间为依据,根据任务的执行进度自适应地分配适当的计算资源。不同于传统调度方式里由用户提交固定资源参数,该算法在资源约束的情况下会对优先级高的任务进行抢占式调度以保证服务质量(QoS),并在抢占过程结束后额外分配资源补偿被抢占的任务。在Spark平台进行的任务调度实验结果显示,与另一种资源协调者(YARN)框架下的调度算法相比,所提算法能严格地控制短任务的响应速度,并使长作业的任务完成时间缩短35%。 展开更多
关键词 云平台任务调度 服务质量 自适应 任务抢占 SPARK
在线阅读 下载PDF
基于卷积注意力模块和双通道网络的微表情识别算法 被引量:15
5
作者 牛瑞华 杨俊 +1 位作者 邢斓馨 吴仁彪 《计算机应用》 CSCD 北大核心 2021年第9期2552-2559,共8页
微表情是一种人类在试图隐藏自己真实情感时作出的面部动作,具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题,提出一种基于卷积注意力模块(CBAM)和双通道网络(DPN)的微表情识别算法——CBAM-DPN。首先,... 微表情是一种人类在试图隐藏自己真实情感时作出的面部动作,具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题,提出一种基于卷积注意力模块(CBAM)和双通道网络(DPN)的微表情识别算法——CBAM-DPN。首先,进行典型微表情数据集的数据融合;然后,分析序列帧中像素的变化值以确定顶点帧位置,再对顶点帧进行图像增强处理;最后,基于CBAM-DPN对图像增强后的微表情顶点帧进行特征的有效提取,并构建分类器对微表情进行识别。优化后模型的未加权F1值(UF1)和未加权平均召回率(UAR)分别可以达到0.7203和0.7293,相较于DPN模型分别提高了0.0489和0.0379,相较于CapsuleNet模型分别提高了0.0683和0.0787。实验结果表明,CBAM-DPN算法融合了CBAM和DPN的共同优势,可增强微小特征的信息提取能力,有效改善微表情识别性能。 展开更多
关键词 微表情识别 双通道网络 卷积注意力模块 顶点帧 结构优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部