期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于排队论的道路交通警力资源配置研究 被引量:1
1
作者 胡正华 周继彪 +1 位作者 郭旭 马昌喜 《中国安全科学学报》 CAS CSCD 北大核心 2024年第7期178-185,共8页
为缓解有限的交通警力资源与道路交通事故处理不及时之间的矛盾,提出道路网格化管理模式下基于排队论模型的交通警力优化配置方法。首先,利用城市路网卡口系统获取的车牌识别数据,提取车辆的历史出行轨迹,建立路段之间的相似度模型;其次... 为缓解有限的交通警力资源与道路交通事故处理不及时之间的矛盾,提出道路网格化管理模式下基于排队论模型的交通警力优化配置方法。首先,利用城市路网卡口系统获取的车牌识别数据,提取车辆的历史出行轨迹,建立路段之间的相似度模型;其次,采用谱聚类算法对路段进行聚类划分,形成路段之间关联度最高的集合,作为城市道路网格划分的结果;然后,针对网格范围内实时发生的交通事故,进一步提出利用排队论模型来计算每个网格所需的最少警员数量,以及相应的警力资源配置优化方案;最后,以宁波市鄞州区为例验证所提方法。结果表明:与传统的“事故即发生即派发警员”的方法相比,提出的警力资源配置优化方法能够减少18.18%的警员配置数量和10.87%的出警巡航路程,使事故处置的响应速度提高10.68%,表现出良好的优化性能。 展开更多
关键词 排队论 交通警力 资源配置 交通事故 网格化管理
在线阅读 下载PDF
基于传播树的多特征谣言检测方法
2
作者 张鑫昕 潘善亮 茅琴娇 《电子学报》 EI CAS CSCD 北大核心 2024年第5期1609-1618,共10页
目前网络谣言的检测方法主要是从传播路径中寻找信息,大多只采用文本信息作为初始传播特征,因此难以捕捉到丰富的传播结构表示.本文根据谣言的传播路径,提取文本和用户可信度特征,构建一种基于传播树的多特征谣言检测模型.模型通过图卷... 目前网络谣言的检测方法主要是从传播路径中寻找信息,大多只采用文本信息作为初始传播特征,因此难以捕捉到丰富的传播结构表示.本文根据谣言的传播路径,提取文本和用户可信度特征,构建一种基于传播树的多特征谣言检测模型.模型通过图卷积网络聚合文本传播信息,使用多头注意力机制挖掘文本传播树的层内依赖关系,同时对用户传播树中的每个用户构建可信度序列,并采用M-Attention模块捕获有效的用户可信度特征.实验结果表明,本文提出的方法在Twitter15、Twitter16和Weibo数据集上的检测准确率达到89.3%、91.7%和96.4%,相比当前最优的传播树模型Bi-GCN(Binary Graph Convolutional Network)分别提升4.8%、4.2%和3%. 展开更多
关键词 谣言检测 传播结构 图卷积网络 注意力机制 自然语言处理
在线阅读 下载PDF
控制失真漂移的HEVC视频自适应隐写算法
3
作者 朱燕彬 徐达文 《计算机应用研究》 CSCD 北大核心 2024年第8期2508-2514,共7页
现有自适应视频隐写的成本分配方法主要针对特定变换系数,导致容量较低。此外,失真漂移是HEVC(high efficiency video coding)视频隐写面临的一大挑战。因此,结合HEVC视频编码的帧内帧间过程,提出了一种代价分配方法,以实现高容量、低... 现有自适应视频隐写的成本分配方法主要针对特定变换系数,导致容量较低。此外,失真漂移是HEVC(high efficiency video coding)视频隐写面临的一大挑战。因此,结合HEVC视频编码的帧内帧间过程,提出了一种代价分配方法,以实现高容量、低失真传递的高性能视频自适应隐写。首先,该方法针对HEVC视频编码中的离散正弦变换特征进行研究,分析了这些系数在受到扰动后所产生的误差传播规律。在嵌入过程中,对修改变换系数导致的块内失真、块间失真、帧间失真进行了详细分析,并考虑不同块隐写产生的块间失真差异对块进行分类。该算法充分利用所有的非零变换系数,为不同的载体系数分配了不同的失真代价,将隐秘信息嵌入到对视频质量影响较小的帧中。实验结果表明,与现有的HEVC视频系数域隐写方法相比,该算法在视频码率、视频质量和嵌入容量方面具有一定的优势。 展开更多
关键词 自适应视频隐写 失真漂移 HEVC
在线阅读 下载PDF
闪电河流域SMAP L4被动微波土壤水分降尺度研究
4
作者 文静 杨娜 《遥感信息》 CSCD 北大核心 2024年第6期114-121,共8页
作为全球水循环中的关键变量,土壤水分在农业生产、灾害监测、气候研究等诸多领域具有重要的支撑作用。为优化星载被动微波遥感土壤水分数据的空间尺度,使其更好地满足区域性的研究与应用,针对闪电河流域,文章在“地形-植被-温度”传统... 作为全球水循环中的关键变量,土壤水分在农业生产、灾害监测、气候研究等诸多领域具有重要的支撑作用。为优化星载被动微波遥感土壤水分数据的空间尺度,使其更好地满足区域性的研究与应用,针对闪电河流域,文章在“地形-植被-温度”传统因子随机森林模型的基础上,进一步引入地表反照率、蒸散发、覆被类型3个参量,构建改进因子模型(地表反照率、蒸散发)和加权融合模型(覆被类型),将9 km的SMAP L4土壤水分数据降至1 km尺度。结果表明:改进因子模型的建模精度优于(R=0.778)传统因子模型(R=0.766);加权融合模型能够实现传统和改进因子模型的集成,降尺度结果与地面实测数据具有良好的相关性(R=0.502),能够保持SMAP L4数据所反映的土壤水分空间特征。 展开更多
关键词 土壤水分 随机森林 SMAP 降尺度 闪电河流域
在线阅读 下载PDF
基于时间序列分类任务的智能电能表负荷监测技术研究 被引量:15
5
作者 李家东 胡正华 +3 位作者 蒋卫平 龙翔林 童春芽 翟聪 《电测与仪表》 北大核心 2023年第6期153-159,共7页
随着深度学习模型在非侵入式负荷监测领域的应用,负荷识别与分解的能力得到了显著提升。但是多数方法仍然存在模型训练效率低下、分解精度不足以及模型不易推广的问题。针对上述问题,文章利用基于时间序列分类任务的卷积神经网络对非侵... 随着深度学习模型在非侵入式负荷监测领域的应用,负荷识别与分解的能力得到了显著提升。但是多数方法仍然存在模型训练效率低下、分解精度不足以及模型不易推广的问题。针对上述问题,文章利用基于时间序列分类任务的卷积神经网络对非侵入式负荷监测框架进行了研究,并提出了相应的负荷识别与分解方法。通过对比实验证明,在UK-DALE数据集上,基于时间序列分类任务的卷积神经网络提升了洗碗机4.3%的识别准确率和19%的识别精度,降低了21.3%负荷分解过程的均方误差;在REDD数据集上,模型对于洗衣机的识别准确率、精度和F1值均有所提升,特别是召回率提高了24.3%,同时在负荷分解的过程中,模型降低了15.8%的均方误差。因此,与其它神经网络模型相比,基于时间序列分类任务的卷积神经网络具有更稳定的负荷识别与分解性能。 展开更多
关键词 智能电网 非侵入式负荷监测 数据挖掘 卷积神经网络 时间序列分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部