检索结果-内蒙古大学图书馆

计算机研究与发展 2010年第S1期47卷 385-393页

作者：陈超蒋建春丁治明中国科学院软件研究所北京100190 中国科学院研究生院北京100049 中国科学院软件研究所北京100190

数据分配是研究数据如何分布到多个物理节点的NP-Complete问题.给出数据分配算法的数学模型,提出基于时序片段评价的数据分配算法--DATE.该算法利用数据在短时域访问量分布不均的特点,将多目标优化问题转化为单一目标求解,采用蜜蜂算法(... 详细信息

数据分配是研究数据如何分布到多个物理节点的NP-Complete问题.给出数据分配算法的数学模型,提出基于时序片段评价的数据分配算法--DATE.该算法利用数据在短时域访问量分布不均的特点,将多目标优化问题转化为单一目标求解,采用蜜蜂算法(collective Honey bee behavior)调整参数并反馈算法结果,以实现系统负载均衡.随机实验结果表明,DATE相比于同类Random,round-robin,Bubba算法在系统总时段均衡ET、系统时段内均衡值ES、系统最大波峰值EM 3个指标中表现更优.

关键词： DATE 时序片段数据分配负载均衡数据存储

来源：评论

学校读者我要写书评

暂无评论

基于时序片段的油气管道运行工况识别方法

引用

中国安全生产科学技术 2022年第11期18卷 99-104页

作者：张丽苏怀范霖江璐鑫张劲军中国石油大学(北京)油气管道输送安全国家工程实验室北京102249 中国石油大学(北京)城市油气输配技术北京市重点实验室北京102249

为准确识别管道系统运行工况,提高对油气管道突发事故的响应速度,综合提升管网安全管理水平,提出1种基于时序片段的油气管道运行工况识别方法。首先,构建基于概率分布的状态变化识别模型,提取油气管道中不同运行状态点;其次,建立基于时... 详细信息

为准确识别管道系统运行工况,提高对油气管道突发事故的响应速度,综合提升管网安全管理水平,提出1种基于时序片段的油气管道运行工况识别方法。首先,构建基于概率分布的状态变化识别模型,提取油气管道中不同运行状态点;其次,建立基于时间序列片段的工况识别模型,快速识别不同时间长度内油气管道运行工况;最后,以国内某成品油管道为例进行方法验证。研究结果表明:该方法可有效识别成品油管道阀门开关状态、泵异常停机和阀门内漏3种运行工况。对比传统的识别方法,该方法可降低状态变化点的漏报率,提升管道运行工况识别的准确率。研究结果可为油气管道系统运行工况识别提供新的借鉴方法。

关键词：油气管道时序片段工况识别智能化

来源：评论

学校读者我要写书评

暂无评论

基于时序片段评价的数据分配算法

基于时序片段评价的数据分配算法

引用

NDBC2010第27届中国数据库学术会议

作者：陈超蒋建春丁治明中国科学院软件研究所中国科学院研究生院

数据分配是研究数据如何分布到多个物理节点的NP-Complete问题.给出数据分配算法的数学模型,提出基于时序片段评价的数据分配算法——DATE.该算法利用数据在短时域访问量分布不均的特点,将多目标优化问题转化为单一目标求解,采用蜜蜂算... 详细信息

数据分配是研究数据如何分布到多个物理节点的NP-Complete问题.给出数据分配算法的数学模型,提出基于时序片段评价的数据分配算法——DATE.该算法利用数据在短时域访问量分布不均的特点,将多目标优化问题转化为单一目标求解,采用蜜蜂算法(collective Honey bee behavior)调整参数并反馈算法结果,以实现系统负载均衡.随机实验结果表明,DATE相比于同类Random,roundrobin,Bubba算法在系统总时段均衡ET、系统时段内均衡值ES、系统最大波峰值EM 3个指标中表现更优.

关键词： DATE 时序片段数据分配负载均衡数据存储

来源：评论

学校读者我要写书评

暂无评论

基于耦合特征矩阵时序片段分析的综合负荷短期预测方法

基于耦合特征矩阵时序片段分析的综合负荷短期预测方法

引用

作者：张磊仇茹嘉王小明吴红斌徐斌谢毓广滕越彭勃毕锐 230009 安徽省合肥市包河区屯溪路193号

本发明公开了一种基于耦合特征矩阵时序片段分析的综合负荷短期预测方法，包括：1、采集原始数据并归一化，将负荷数据整理为负荷耦合特征矩阵的形式，通过滑动时窗重组构建负荷耦合特征矩阵和外部参数的时序片段样本；2、通过3DCNN网... 详细信息

标准号: CN115907118A

本发明公开了一种基于耦合特征矩阵时序片段分析的综合负荷短期预测方法，包括：1、采集原始数据并归一化，将负荷数据整理为负荷耦合特征矩阵的形式，通过滑动时窗重组构建负荷耦合特征矩阵和外部参数的时序片段样本；2、通过3DCNN网络同时提取样本时序特征和负荷形式耦合特征，利用FCM聚类进行聚类分析；3、基于多任务学习框架结合LSTM网络，构建LSTM‑MTL模型实现综合负荷预测，利用隶属度搜索的机制迭代重构训练集和验证集，提高最终预测性能。本发明针对能源耦合形式复杂影响综合负荷预测性能的问题，通过对耦合特征矩阵的时序片段样本进行聚类分析，增强了负荷波动特征提取能力，从而有效提高综合负荷的预测精度。

关键词：综合负荷时序片段耦合特征样本矩阵负荷耦合聚类分析特征矩阵预测性能构建采集原始数据短期预测复杂影响负荷波动负荷数据滑动时窗模型实现任务学习时序特征特征提取外部参数耦合形式归一化隶属度训练集验证集预测迭代重构搜索网络能源分析

来源：评论

学校读者我要写书评

暂无评论

异常时序片段的确定方法、装置和电子设备

异常时序片段的确定方法、装置和电子设备

引用

作者：刘小龙付佳佳罗双燕陆帅泉唐瑶 200438 上海市杨浦区国权北路1688弄38号9层、10层、11层、12层

本申请公开了一种异常时序片段的确定方法、装置和电子设备，属于数据处理技术领域。方法包括：获取监测环境下的监测时间序列，所述监测时间序列包括时间连续的多个监测数据；对所述监测时间序列进行数据突变检测，确定所述监测时间序... 详细信息

标准号: CN117272088A

本申请公开了一种异常时序片段的确定方法、装置和电子设备，属于数据处理技术领域。方法包括：获取监测环境下的监测时间序列，所述监测时间序列包括时间连续的多个监测数据；对所述监测时间序列进行数据突变检测，确定所述监测时间序列中的至少一个突变数据；基于所述至少一个突变数据，将所述监测时间序列划分为多个第一时序片段；将各所述第一时序片段输入至预设的神经网络预测模型中，确定所述多个第一时序片段中的异常时序片段，所述异常时序片段表示包括异常数据的时序片段。

关键词：时序片段时间序列监测突变数据神经网络预测模型数据处理技术电子设备监测环境监测数据时间连续突变检测异常数据预设申请

来源：评论

学校读者我要写书评

暂无评论

一种基于片段相似性的弱监督时序动作定位方法

一种基于片段相似性的弱监督时序动作定位方法

引用

作者：张汝波李容露张天一刘冠群温乃峰 116600 辽宁省大连市经济技术开发区辽河西路18号

本发明公开了一种基于片段相似性的弱监督时序动作定位方法，包括：将未剪辑视频进行低维向量化表示后，输入至特征提取器中得到RGB特征与光流特征，所述RGB特征和光流特征通过融合层进行融合；构建基于时序片段的相似性模块，该模块对... 详细信息

标准号: CN117173788A

本发明公开了一种基于片段相似性的弱监督时序动作定位方法，包括：将未剪辑视频进行低维向量化表示后，输入至特征提取器中得到RGB特征与光流特征，所述RGB特征和光流特征通过融合层进行融合；构建基于时序片段的相似性模块，该模块对片段间的相似性进行评估，学习视频中的全局和局部信息，并对片段间的相似性进行传播，学习动作片段特性；构建伪标签生成模块，动态调整弱监督学习方式的权重，从而动态的对整个时序动作定位网络进行训练，完成动作定位任务。相似性传播方式让片段之间进行全面的信息交互，实现更精准的定位效果。伪标签生成模块可以对动作定位网络提供更精准的伪监督，提高定位准确性。

关键词：标签生成模块定位网络时序动作构建光流视频定位准确性特征提取器相似性模块定位效果动态调整动作片段局部信息时序片段信息交互学习方式动态的融合层向量化监督低维权重剪辑传播融合学习评估全局

来源：评论

学校读者我要写书评

暂无评论

一种基于稠密边界时空网络的时序行为检测方法

一种基于稠密边界时空网络的时序行为检测方法

引用

作者：潘晓英薛玉锋刘妮王红玉 710121 陕西省西安市长安区西安邮电大学南校区计算机学院

本发明公开一种基于稠密边界时空网络的时序行为检测方法，包括如下步骤：步骤1：采用two‑stream提取待检测视频的时空特征，得到时空特征图；步骤2：采用LSTM学习视频信息中的长期依赖关系，增强上下文信息特征，获得多尺度的稠密边界... 详细信息

标准号: CN112990013A

本发明公开一种基于稠密边界时空网络的时序行为检测方法，包括如下步骤：步骤1：采用two‑stream提取待检测视频的时空特征，得到时空特征图；步骤2：采用LSTM学习视频信息中的长期依赖关系，增强上下文信息特征，获得多尺度的稠密边界特征；步骤3：采用稠密边界提取模块，得到尽可能多的候选提议时序片段，并预测所述候选提议时序片段的置信度得分；步骤4：采用Soft‑NMS方法对提取出的若干候选片段进行筛选，去除视频中的冗余片段。本发明方法能够提高特征的多样性，保证时序定位的精度，生成精准的时间边界候选，从而提升时序行为检测的召回率和AreaUnder Curve(AUC)大小。

关键词：时序稠密时空特征时序片段行为检测视频上下文信息提议边界特征边界提取候选片段时间边界视频信息依赖关系多尺度置信度冗余去除多样性筛选时空检测预测网络保证学习

来源：评论

学校读者我要写书评

暂无评论

一种时序分析方法、装置和计算机存储介质

一种时序分析方法、装置和计算机存储介质

引用

作者：周澍 211100 江苏省南京市江宁区秣陵街道胜利路88号

本申请涉及计算机控制技术领域，特别涉及一种时序分析方法、装置和计算机存储介质；时序分析方法包括：获取调试端发送的时序分析指令；时序分析指令包括断点设置信息、头部地址以及尾部地址；基于断点设置信息、头部地址以及尾部地址... 详细信息

标准号: CN116069625A

本申请涉及计算机控制技术领域，特别涉及一种时序分析方法、装置和计算机存储介质；时序分析方法包括：获取调试端发送的时序分析指令；时序分析指令包括断点设置信息、头部地址以及尾部地址；基于断点设置信息、头部地址以及尾部地址，确定头部断点以及尾部断点；在运行至头部断点以及尾部断点的情况下，分别触发断点处理函数进行时间获取处理，得到头部执行时间信息，以及尾部执行时间信息；向调试端发送头部执行时间信息，以及尾部执行时间信息；以确定待分析时序片段的时序分析结果；通过设置统一的断点处理函数，仅需要在头部断点和尾部断点触发断点处理函数，即可实现时序分析，进而提高时序分析效率，降低了时序分析的时间成本。

关键词：时序分析断点时间信息处理函数断点设置头部地址尾部地址触发调试计算机存储介质计算机控制技术发送指令时间成本时间获取时序片段申请分析统一

来源：评论

学校读者我要写书评

暂无评论

一种时序事件动作检测方法

一种时序事件动作检测方法

引用

作者：韩红 311800 浙江省绍兴市诸暨市浣东街道东旺路212号宇邦大厦8楼西-3

本发明公开了一种一种时序事件动作检测方法，以整段视频中每个视频帧作为关键帧，选取前后或者附近相互关联的时序片段，根据所选时序片段长度，搭建时序可变P3D卷积神经网络，保证3D卷积网络输出为2D动作特征图，忽略时序关联片段的... 详细信息

标准号: CN110427807A

本发明公开了一种一种时序事件动作检测方法，以整段视频中每个视频帧作为关键帧，选取前后或者附近相互关联的时序片段，根据所选时序片段长度，搭建时序可变P3D卷积神经网络，保证3D卷积网络输出为2D动作特征图，忽略时序关联片段的微小位移变化，假设与关键帧位置大致相同，通过候选区域网络在动作特征图上找到关键帧的候选预测框，锁定动作范围大小后，将相应的动作特征选出，经过ROIAlign归一化为相同尺寸大小，送入Faster RCNN的分类和回归网络中，得到最后所需的动作检测结果，对时序事件中动作特征建模，用3DCNN提高Faster RCNN中RPN提取候选区域所用动作特征质量，进而提高动作检测回归的准确率，之后用于FasterRCNN中动作识别，也能提高动作检测分类的准确率。

关键词：动作特征动作检测时序候选区域时序片段时序事件关键帧准确率卷积神经网络微小位移变化分类和回归关键帧位置动作识别关联片段候选预测网络输出视频帧可变建模卷积送入视频锁定网络关联分类回归保证

来源：评论

学校读者我要写书评

暂无评论

一种基于双级对比学习与噪声鲁棒的弱监督时序语言定位方法和装置

一种基于双级对比学习与噪声鲁棒的弱监督时序语言定位方法和装置

引用

作者：张晓宇张亚如石海超 100085 北京市海淀区树村路19号

本发明涉及一种基于双级对比学习与噪声鲁棒的弱监督时序语言定位方法和装置。该方法包括：提取初始的视频特征和初始的文本特征，分别输入自注意力模块以提取自注意力特征；通过互注意力模块提取跨模态语义特征，并利用时序提案生成网... 详细信息

标准号: CN116883886B

本发明涉及一种基于双级对比学习与噪声鲁棒的弱监督时序语言定位方法和装置。该方法包括：提取初始的视频特征和初始的文本特征，分别输入自注意力模块以提取自注意力特征；通过互注意力模块提取跨模态语义特征，并利用时序提案生成网络对跨模态语义特征进行高斯建模，得到候选时序片段掩码、背景片段掩码与整个视频的掩码，并分别与初始的视频特征结合，生成前景、背景与整个视频的三种视频特征，然后通过跨模态关联去噪模块得到的鲁棒视频特征表示，并进行文本语义重建与双级对比学习；利用高斯建模参数对目标视频片段进行时序语言定位。本发明能够解决由于弱监督标注的主观性和模糊性造成的跨模态学习的语义鸿沟与关联噪声问题。

关键词：视频特征模态时序掩码注意力高斯建模语义特征双级视频方法和装置关联噪声模块提取目标视频时序片段文本特征文本语义语义鸿沟噪声鲁棒模糊性主观性鲁棒去噪学习语言标注关联监督提案重建网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：