检索结果-内蒙古大学图书馆

计算机仿真 2022年第6期39卷 26-30,46页

作者：景一真赵耀帅傅之凤吴格北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044 中国民航信息网络股份有限公司民航旅客服务智能化应用技术重点实验室北京100105

为了实现大面积延误场景下延误航班的旅客动态成行需求量的准确预测,从旅客个体角度提出了一个两阶段预测算法框架:一是预测旅客是否会流失,二是预测会流失旅客的具体流失时间。最后通过在任意时间点上将这些旅客个体行为整合至航班的... 详细信息

为了实现大面积延误场景下延误航班的旅客动态成行需求量的准确预测,从旅客个体角度提出了一个两阶段预测算法框架:一是预测旅客是否会流失,二是预测会流失旅客的具体流失时间。最后通过在任意时间点上将这些旅客个体行为整合至航班的方式来实现动态成行需求量的预测。其中的流失时间预测阶段由于旅客样本流失时间分布极不均衡且实际数据具有一定模糊性等原因成为该框架下的核心难点。为了缓解由这些问题给预测效果带来的负面影响,提出了结合标记分布学习和随机森林的旅客流失时间预测模型。最后在多个真实场景数据集上进行了仿真,结果表明所提方法优于其它对比方法,实现了更加准确的旅客动态成行需求量预测。

关键词：大面积延误动态成行需求量流失时间标记分布学习随机森林

来源：评论

学校读者我要写书评

暂无评论

航班恢复问题的迭代局部搜索算法

引用

计算机与现代化 2019年第9期 1-6页

作者：肖晚霞董兴业林友芳北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

在恶劣天气和机械故障等原因造成航班不能按照原计划执行时,航空公司需要采取相应的措施对航班进行恢复。本文基于经典的资源指派模型,综合考虑了调整时间、换机、联程拉直、取消航班和调机5种恢复策略,提出一种以最小化加权成本为优化... 详细信息

在恶劣天气和机械故障等原因造成航班不能按照原计划执行时,航空公司需要采取相应的措施对航班进行恢复。本文基于经典的资源指派模型,综合考虑了调整时间、换机、联程拉直、取消航班和调机5种恢复策略,提出一种以最小化加权成本为优化目标的航班恢复模型,并设计一种迭代局部搜索算法。首先用构造-修复启发式方法构造可行解,然后从该初始解出发,在飞机路线对的邻域中进行局部搜索。当陷入局部最优后,对解进行扰动,然后从扰动后的解重新出发进行局部搜索。为了提高搜索效率,同时降低陷入局部最优解的概率,局部搜索过程采用模拟退火算法。实例结果表明,本文提出的模型及算法能够在短时间内对受到影响的大规模航班计划进行恢复。

关键词：航班恢复问题迭代局部搜索模拟退火联程航班飞机路线

来源：评论

学校读者我要写书评

暂无评论

基于对齐性和均匀性约束的图神经网络会话推荐方法

引用

应用科技 2024年第2期51卷 90-98页

作者：唐韬韬楚飞汪炅贾彩燕北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

会话推荐(session-based recommendation,SBR)旨在匿名状态下通过用户的短期历史行为序列来预测下一个待点击的项目。为解决现有基于图神经网络(graph neural networks,GNNs)的会话推荐方法忽略会话中不同位置相同项目之间差异的问题,... 详细信息

会话推荐(session-based recommendation,SBR)旨在匿名状态下通过用户的短期历史行为序列来预测下一个待点击的项目。为解决现有基于图神经网络(graph neural networks,GNNs)的会话推荐方法忽略会话中不同位置相同项目之间差异的问题,在图卷积获得项目表示后,进一步考虑该项目与相邻项目之间的相关性,生成邻域相关的项目表示。此外,鉴于对齐性和均匀性在对比学习中的起到的重要作用,还提出了一种适用于会话推荐的对齐性和均匀性损失方法,以约束生成的会话表示和项目表示。在3个公开数据集上的实验表明,文中提出的模型TAU-GNN的推荐性能优于对比的主流会话推荐模型。

关键词：会话推荐图神经网络对齐性均匀性对比学习交叉熵损失匿名会话邻域信息

来源：评论

学校读者我要写书评

暂无评论

基于AdaBoost回归树的多目标预测算法

引用

计算机与现代化 2017年第9期 89-95,105页

作者：张晶北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

预测问题通常涉及相同的输入变量同时预测多个目标变量。当目标变量为二进制时,预测任务被称为多标签分类;当目标变量为实值时,预测任务称为多目标预测。本文提出2种新的多目标回归方法:多目标堆叠(Multi-Target Stacking,MTS)和集成回... 详细信息

预测问题通常涉及相同的输入变量同时预测多个目标变量。当目标变量为二进制时,预测任务被称为多标签分类;当目标变量为实值时,预测任务称为多目标预测。本文提出2种新的多目标回归方法:多目标堆叠(Multi-Target Stacking,MTS)和集成回归链(Ensemble of Regressor Chains,ERC)。灵感来自2种流行的多标签分类方法。MTS和ERC在第一阶段的训练,都将采用基于回归树Ada Boost算法(ART)建立的单目标预测(Single-Target Prediction)模型作为基准方法;在第二阶段的训练,MTS和ERC都通过额外加入第一阶段的目标预测值作为输入变量来扩展第二阶段的输入变量空间,以此建立多目标预测模型。这2种方法都利用目标变量之间的关系,不同的是,ERC除了考虑目标的依赖性关系外还考虑了目标的顺序问题。此外,总结了MTS和ERC这2种方法的缺点,并且对算法进行修改,提出了相应的改进版本MTS Corrected(MTSC)和ERC Corrected(ERCC)。实验结果表明,修改后的回归链ART-ERCC算法在多目标预测问题中表现最好。

关键词：多目标预测多标签分类单目标预测回归链堆叠泛化

来源：评论

学校读者我要写书评

暂无评论

多核DNN处理器访存指令数据宽度的混合策略

引用

计算机应用文摘 2022年第18期38卷 81-83页

作者：刘元旭张方正王永昶王宝生北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

近年来,深度神经网络(Deep Neural Network,DNN)在计算机视觉等领域获得了广泛应用。DNN任务具有访存密集的特点,对于基于片上网络(Network-on-Chip,NoC)架构的多核DNN处理器,当前的内存访问指令(load-store指令)的数据宽度的访存效率... 详细信息

近年来,深度神经网络(Deep Neural Network,DNN)在计算机视觉等领域获得了广泛应用。DNN任务具有访存密集的特点,对于基于片上网络(Network-on-Chip,NoC)架构的多核DNN处理器,当前的内存访问指令(load-store指令)的数据宽度的访存效率较低。为了提高DNN处理器的访存效率,文章提出了一种基于片上网络架构的多核DNN处理器load-store指令数据宽度的混合策略。该策略混合使用一组长度不等但固定的访存指令数据宽度。基于LeNet5和AlexNet训练任务的实验表明,采用混合访存数据宽度策略比在采用传统定长访存数据宽度下的访存延时平均降低15.87%和11.90%。

关键词： DNN处理器片上网络访存指令混合访存数据宽度

来源：评论

学校读者我要写书评

暂无评论

共表达网络分析识别心肌分化过程中的关键因子

引用

电子技术与软件工程 2019年第4期 141-143页

作者：张艺北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京市100044

目的:心脏疾病末期伴随着心肌细胞的大量缺失,心肌细胞直接重编程有助于心肌细胞再生,使心脏功能得以修复。要提高直接重编程的效率,需要更清楚心脏发育过程中相关转录因子的调控机制,发掘关键转录因子。方法:从NCBI的GEO下载心肌发育... 详细信息

目的:心脏疾病末期伴随着心肌细胞的大量缺失,心肌细胞直接重编程有助于心肌细胞再生,使心脏功能得以修复。要提高直接重编程的效率,需要更清楚心脏发育过程中相关转录因子的调控机制,发掘关键转录因子。方法:从NCBI的GEO下载心肌发育的单细胞转录组测序(scRNA-seq)数据GSE76118,对单细胞数据进行预处理后,利用加权基因共表达网络分析算法构建转录因子之间共表达网络,寻找与心肌分化相关的功能聚类模块,之后结合网络拓扑性特征参数筛选关键转录因子,从而组建更高效的转录因子组合,进行实验验证。结果:从共表达网络中发现与心肌相关的功能模块,根据网络拓扑性挖掘到关键的候选因子。结论:构建基因共表达网络的分析方法,有利于发掘关键功能模块、关键节点基因,是探索细胞命运机制的一个高效途径。

关键词：心肌分化共表达网络聚类模块网络拓扑关键因子

来源：评论

学校读者我要写书评

暂无评论

旅客群体中的家庭结构发现

引用

现代计算机（中旬刊） 2015年第5期 40-44页

作者：王志伟北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

家庭作为一种最常见的出行消费单元,在客运领域拥有相当规模的市场。精准地识别家庭结构,有利于客运企业为旅客提供个性化的出行服务和产品推荐。研究旅客群体中发现家庭结构的问题,提出一种基于关系分类的类型化社区发现方法来确定旅... 详细信息

家庭作为一种最常见的出行消费单元,在客运领域拥有相当规模的市场。精准地识别家庭结构,有利于客运企业为旅客提供个性化的出行服务和产品推荐。研究旅客群体中发现家庭结构的问题,提出一种基于关系分类的类型化社区发现方法来确定旅客社会网络中的家庭结构。在客运领域的一个真实的数据集上进行实验,证明该方法可以有效地从旅客历史出行记录中发现旅客家庭结构。

关键词：旅客社会网络家庭结构关系分类社区发现

来源：评论

学校读者我要写书评

暂无评论

基于RFID的分布式工具监管系统设计与实现

引用

物联网技术 2022年第11期12卷 4-8页

作者：张天壮刘铭程慈航北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

随着工业化进程的不断推进,大量的基础设施、生产环境、高端装备需要越来越精细化的维护。在日常维护作业中,需要对现场中涉及的设备或工具进行实时监管,以提高工作效率、保证作业安全。利用RFID技术可以实现对一定空间范围内的电子标... 详细信息

随着工业化进程的不断推进,大量的基础设施、生产环境、高端装备需要越来越精细化的维护。在日常维护作业中,需要对现场中涉及的设备或工具进行实时监管,以提高工作效率、保证作业安全。利用RFID技术可以实现对一定空间范围内的电子标签进行自动清点。以高铁检修的实际需求为背景,设计并实现了一种基于RFID技术的作业现场工具智能监管系统。通过在移动终端上开发了一套监管程序,使得移动终端连接多个RFID阅读器,实现一个分布式的RFID电子标签清点环境,具有很高的部署自由度。利用RFID射频读写器周期性地清点与被监管设备或工具绑定的电子标签,当一定时间内查询不到电子标签时则发出警报,提示作业人员注意查找遗失的工具。使用该监管系统能够在检修作业中实时监管工具的状态,及时发现工具遗失情况,有效提升作业安全和效率。

关键词： RFID Android 智能监管遗失告警分布式部署检修工具高铁检修

来源：评论

学校读者我要写书评

暂无评论

专家寄语

引用

计算机科学 2015年第5期42卷 F0002-F0002页

作者：于剑北京交通大学交通数据分析与挖掘北京市重点实验室

随着大数据时代的到来，数据挖掘迎来了自己的黄金时代。各行各业都已经积累了大量数据，急需从中即提取或“挖掘”出有用的潜在知识，为相关行业和学科提供更加科学合理的服务。由此，数据挖掘吸引了越来越多不同领域的研究学者，涉及... 详细信息

随着大数据时代的到来，数据挖掘迎来了自己的黄金时代。各行各业都已经积累了大量数据，急需从中即提取或“挖掘”出有用的潜在知识，为相关行业和学科提供更加科学合理的服务。由此，数据挖掘吸引了越来越多不同领域的研究学者，涉及机器学习、模式识别、数据库、数学、统计学、物理学、生物信息学、中文信息处理等不同的学科。为了给数据挖掘的同行提供一个公开交流的机会，中国计算机学会组织了两年一届的数据挖掘学术会议。2014年中国数据挖掘学术会议在浙江金华浙江师范大学成功举办。

关键词：数据挖掘专家中文信息处理浙江师范大学学术会议生物信息学科学合理机器学习

来源：评论

学校读者我要写书评

暂无评论

基于PCA和神经网络的多形性胶质母细胞瘤驱动基因预测模型

引用

现代生物医学进展 2017年第33期17卷 6553-6556,6592页

作者：周莉常菁郭珣张艺王志丹北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

目的:通过对癌症基因表达数据的分析,预测多形性胶质母细胞瘤的驱动基因集。方法:基于主成分分析方法和神经网络,提出一种用于预测多形性胶质母细胞瘤驱动基因的系统生物学模型。首先对实验样本的原始表达谱数据进行预清洗,过滤掉无信... 详细信息

目的:通过对癌症基因表达数据的分析,预测多形性胶质母细胞瘤的驱动基因集。方法:基于主成分分析方法和神经网络,提出一种用于预测多形性胶质母细胞瘤驱动基因的系统生物学模型。首先对实验样本的原始表达谱数据进行预清洗,过滤掉无信息或表达不符合实验要求的表达数据,并对肿瘤表达谱数据进行标准化处理;然后对基因进行划分,相似突变率的基因将被划分到同一块中;最后通过学习神经网络,构建癌症相关基因的调控网络,得出驱动基因的预测集。结果:本研究应用上述模型,对多形性胶质母细胞瘤(glioblastoma multiforme,GBM)驱动基因进行预测。已发表的大量实验结果表明,我们预测出的大部分驱动基因在GBM中起重要作用。结论:我们提出一种对GBM表达谱数据分析的新方法,能够高精度地预测出该疾病的驱动基因,该模型同样能够较好地用于分析其它疾病的表达谱数据。

关键词：驱动基因基因表达谱神经网络系统生物学主成分分析

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：