检索结果-内蒙古大学图书馆

集成技术 2023年第3期12卷 48-60页

作者：韩铖山李红辉闫佳和林映利屈靖淇贾志伟北京交通大学计算机与信息技术学院北京100044 高速铁路网络管理教育部工程研究中心北京100044

政务数据资源来源广泛、类型多样、数据量大且分布情况不清晰,缺乏统一管理,数据获取和使用效率较低,无法持续释放数据价值。为解决上述问题,实现不同来源和不同类型数据的关联融合,该文采用多源异构数据融合技术,为政务数据的交换和共... 详细信息

政务数据资源来源广泛、类型多样、数据量大且分布情况不清晰,缺乏统一管理,数据获取和使用效率较低,无法持续释放数据价值。为解决上述问题,实现不同来源和不同类型数据的关联融合,该文采用多源异构数据融合技术,为政务数据的交换和共享提供技术支持。该文不仅提出了信息通道和通道耦合的概念,还提出一种基于知识图谱的多源异构信息通道耦合的方法,可先实现多源异构数据统一化,再进行数据融合。该方法包括构建初始通道耦合知识图谱、基于通道耦合知识图谱实现通道数据耦合和基于通道耦合知识图谱实现知识更新3个模块。基于知识图谱的多源异构信息通道耦合的方法将图谱构建、知识抽取、知识融合、知识加工、知识更新等技术相结合,通过一种自顶向下的排序检索模型,加快了知识融合和数据检索的速度和准确度。

关键词：多源异构信息数据融合通道耦合知识图谱

来源：评论

学校读者我要写书评

暂无评论

基于列表级排序的深度生成推荐方法

引用

计算机研究与发展 2020年第8期57卷 1697-1706页

作者：孙肖依刘华锋景丽萍于剑交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 北京交通大学计算机与信息技术学院北京100044

变分自编码器(variational autoencoder, VAE)近年来在推荐领域有着很成功的应用.这种非线性概率模型的优势在于它可以突破线性模型有限的建模能力,而线性模型目前仍然在协同过滤研究中占主导地位.尽管基于变分自编码器的推荐方法已经... 详细信息

变分自编码器(variational autoencoder, VAE)近年来在推荐领域有着很成功的应用.这种非线性概率模型的优势在于它可以突破线性模型有限的建模能力,而线性模型目前仍然在协同过滤研究中占主导地位.尽管基于变分自编码器的推荐方法已经取得了优越的表现,但仍存在一些未解决的问题,例如无法针对隐式反馈的推荐数据为用户生成个性化的推荐排序列表.因此,通过借助多项式似然对变分自编码器实施基于列表的排序策略,提出了一种深度生成推荐模型.该模型具有同时生成点级隐式反馈数据并为每个用户创建列表式偏好排序的能力.为了将排序损失与变分自编码器损失结合起来,采取归一化累计损失增益(normalized cumulative loss gain, NDCG)作为排名损失,并通过平滑函数进行近似.在3个真实世界数据集上(MovieLens-100k,XuetangX和Jester)进行了实验.实验结果表明:结合了列表级排序的变分自编码器在推荐个性化列表所有评价指标上,相比于其他基线模型拥有更出色的表现.

关键词：个性化推荐深度生成模型排序学习隐式反馈列表级排序

来源：评论

学校读者我要写书评

暂无评论

移动边缘计算在铁路行业的应用

引用

铁路计算机应用 2024年第3期33卷 19-25页

作者：张维真石平刚任爽北京交通大学计算机与信息技术学院北京100044 中国铁路济南局集团有限公司济南站济南250001 中国铁路济南局集团有限公司信息技术所济南250001

为满足智能铁路的快速发展对铁路应用数据大容量传输、计算处理的实时性、安全性提出的更高要求,文章研究移动边缘计算(MEC,Mobile Edge Computing)的相关概念和基本框架,分析其关键技术、应用场景;针对铁路MEC业务需求,总结MEC在智能... 详细信息

为满足智能铁路的快速发展对铁路应用数据大容量传输、计算处理的实时性、安全性提出的更高要求,文章研究移动边缘计算(MEC,Mobile Edge Computing)的相关概念和基本框架,分析其关键技术、应用场景;针对铁路MEC业务需求,总结MEC在智能运营、智能装备、智能建造场景下的应用方案;结合当前存在的问题,展望MEC未来发展的技术趋势,为提升铁路智能化提供助力。

关键词：智能铁路移动边缘计算(MEC) 智能运营智能装备智能建造

来源：评论

学校读者我要写书评

暂无评论

融合重叠社区正则化及隐式反馈的协同过滤方法

引用

计算机应用 2021年第1期41卷 53-59页

作者：李翔锟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(北京交通大学) 北京100044

针对目前推荐系统存在的数据稀疏和冷启动等问题,提出了一种融合重叠社区正则化及隐式反馈的协同过滤方法(OCRIF),该方法不仅考虑了用户在社交网络中的社区结构,而且将用户评分信息与社交信息的隐式反馈融入推荐模型之中。此外,由于网... 详细信息

针对目前推荐系统存在的数据稀疏和冷启动等问题,提出了一种融合重叠社区正则化及隐式反馈的协同过滤方法(OCRIF),该方法不仅考虑了用户在社交网络中的社区结构,而且将用户评分信息与社交信息的隐式反馈融入推荐模型之中。此外,由于网络表示学习可以有效学习节点在社交网络的全局结构上的近邻信息,提出了一种网络表示学习增强的OCRIF(OCRIF+),该方法结合社交网络中用户在网络中的低维表示与用户-商品特征,能更有效地刻画用户之间的相似度及用户对兴趣社区的归属度。多个真实数据集上的实验结果显示:所提出的方法的推荐效果优于同类方法,与TrustSVD方法相比,在FilmTrust、DouBan以及Ciao数据集上,该方法的均方根误差(RMSE)分别下降了2.74%、2.55%以及1.83%,平均绝对误差(MAE)分别下降了3.47%、2.97%以及2.40%。

关键词：协同过滤推荐系统社交网络网络嵌入重叠社区

来源：评论

学校读者我要写书评

暂无评论

封闭环境下人体姿态识别及打架行为监测

引用

计算机应用 2021年第S02期41卷 214-220页

作者：马子健林雨衡王志强都迎迎北京交通大学计算机与信息技术学院北京100044 北京电子科技学院网络空间安全系北京100070

因传统监控领域存在监控成本高、需要大量人力投入等问题,普通监控模式已经难以满足社会发展需要,发展智慧监控迫不容缓。针对上述问题,提出一种基于深度学习的打架行为监测预警原型系统。该系统通过对开源人体姿态识别项目OpenPose进... 详细信息

因传统监控领域存在监控成本高、需要大量人力投入等问题,普通监控模式已经难以满足社会发展需要,发展智慧监控迫不容缓。针对上述问题,提出一种基于深度学习的打架行为监测预警原型系统。该系统通过对开源人体姿态识别项目OpenPose进行简化改进,在确保一定准确率的情况下,精简网络结构,减少计算参数,进而压缩模型大小。同时配合人体打架行为识别人工规则,对二维视频中可能存在的打架行为进行预警,从而降低监控人员负担,提升监控效率,及时制止打架行为,避免暴力事件出现。实验结果表明,经简化过的系统输出模型准确度可达到原系统输出模型准确度70%以上,模型大小同比缩小50%以上,可以成功预警打架行为,并标明打架行为动作实施者,符合设计需求,达到实用标准。

关键词：智慧监控深度学习人体姿态识别行为监测模型简化

来源：评论

学校读者我要写书评

暂无评论

基于幻象模块与深度可分离卷积的运动想象脑电分类方法

引用

电脑知识与技术 2022年第28期18卷 17-19,29页

作者：李春艳尹鸿峰李伟静邵铭鑫唐山师范学院计算机科学系河北唐山063000 沧州交通学院计算机与信息技术学院河北沧州061199 北京交通大学计算机科学与信息技术学院北京100044

基于运动想象的脑机接口系统可以在无外部刺激的情况下产生有效脑电信号,控制外接设备,在医疗健康等方面发挥着越来越重要的作用。运动想象脑电信号具有非线性、非平稳、低信噪比和个体差异大等特点,同时许多运动想象脑电算法应用在计... 详细信息

基于运动想象的脑机接口系统可以在无外部刺激的情况下产生有效脑电信号,控制外接设备,在医疗健康等方面发挥着越来越重要的作用。运动想象脑电信号具有非线性、非平稳、低信噪比和个体差异大等特点,同时许多运动想象脑电算法应用在计算能力差、实时性要求高的移动设备上,对运动想象脑电的分类准确性和模型复杂度提出了很大挑战。基于此,文章提出一种新的融合幻象模块与深度可分离卷积的轻量化分类模型。首先对原始数据进行截取和滤波,使用EMD算法计算IMFs,将二维脑电信号重构为三维数据,然后通过幻象模块和深度可分离卷积进行数据扩展与特征提取,引入反残差模块缓解网络退化问题,最后用全连接层进行分类。

关键词：深度学习运动想象深度可分离卷积幻象模块

来源：评论

学校读者我要写书评

暂无评论

基于软件定义网络的卫星网络路由预置方法

引用

北京交通大学学报 2021年第2期45卷 111-118,134页

作者：孙延涛刘承昕李琪宁金枝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重点实验室北京100044 航天东方红卫星有限公司北京100094

由于卫星网络所拥有的节点负载有限、拓扑变化频繁、通信距离长等特点,常见的动态路由算法在卫星网络上存在路由无法收敛、丢包严重和传输延迟较大等问题.为此,本文提出了一种基于软件定义网络(Software-Defined Network,SDN)的卫星网... 详细信息

由于卫星网络所拥有的节点负载有限、拓扑变化频繁、通信距离长等特点,常见的动态路由算法在卫星网络上存在路由无法收敛、丢包严重和传输延迟较大等问题.为此,本文提出了一种基于软件定义网络(Software-Defined Network,SDN)的卫星网络路由预置方法.利用卫星网络的运动规律性,由控制器根据网络拓扑变化情况预先计算路由路径,并在卫星链路断开前为相关卫星节点下发新的路由条目,卫星节点在拓扑发生变化后按照新的路由条目转发数据报文.实验表明:本文方法在180个节点的卫星网络中,端到端时延约为100 ms,丢包率约为0.3%,与OLSR相比,延迟和丢包率均降低了90%以上,可以较好地支持大规模星群系统的通信.

关键词：卫星网络软件定义网络路由预置方法路由算法

来源：评论

学校读者我要写书评

暂无评论

磁浮列车电磁悬浮系统的最优重构容错控制

磁浮列车电磁悬浮系统的最优重构容错控制

引用

第41届中国控制会议

作者：陈子瑞吴泽晋蔡文川刘湘黔北京交通大学电子信息工程学院北京交通大学计算机与信息技术学院

电磁悬浮系统是磁浮列车的关键子系统,可靠稳定悬浮是磁浮列车安全高效运行的最基本前提。电磁悬浮系统自身具有的开环不稳定性,任何一组电磁铁发生故障到将导致悬浮系统失衡,因此,可靠的电磁悬浮系统必须具备主动容错控制能力。鉴于此... 详细信息

电磁悬浮系统是磁浮列车的关键子系统,可靠稳定悬浮是磁浮列车安全高效运行的最基本前提。电磁悬浮系统自身具有的开环不稳定性,任何一组电磁铁发生故障到将导致悬浮系统失衡,因此,可靠的电磁悬浮系统必须具备主动容错控制能力。鉴于此,本文首先根据磁浮列车电磁悬浮系统结构,构建了包含15个电磁铁控制单元的悬浮系统动力学模型;然后,根据悬浮系统稳定平衡特性,建立了包含电磁铁故障模态的局部线性化模型;最后,利用最优控制理论,提出了能适应不同电磁铁故障分布模型的最优重构容错控制方法。仿真实验表明,提出的重构容错控制方法不仅能及时补偿因部分电磁铁故障导致悬浮力减小,而且重构后的悬浮系统各电磁铁负载相对均衡。

关键词：电磁悬浮最优控制容错控制

来源：评论

学校读者我要写书评

暂无评论

染缸排产建模及滑动时间窗启发式调度算法

引用

计算机应用 2020年第1期40卷 292-298页

作者：隗千千董兴业王焕政北京交通大学计算机与信息技术学院

针对染缸排产问题约束复杂、任务规模大、排产效率要求高的特点,为了提高问题模型和算法在实际场景中的适用性,建立了染缸排产增量调度模型,提出了滑动时间窗启发式调度(STWS)算法。该算法以最小化延误代价、洗缸成本、染缸切换成本为... 详细信息

针对染缸排产问题约束复杂、任务规模大、排产效率要求高的特点,为了提高问题模型和算法在实际场景中的适用性,建立了染缸排产增量调度模型,提出了滑动时间窗启发式调度(STWS)算法。该算法以最小化延误代价、洗缸成本、染缸切换成本为优化目标,使用启发式调度规则,按照优先级顺序调度产品;对于每个产品的调度,先用动态拼缸算法和拆缸算法进行批次划分,然后调用批次最佳排序算法调度批次。使用某染纱企业车间实际生产数据仿真调度,所提算法可在10 s内完成月度计划的调度。相对于人工排产方式,所提算法提高了排产效率,显著优化了三个目标,在增量调度中洗缸成本和染缸切换成本也有明显优化。实验结果表明所提算法具有很好的调度能力。

关键词：染缸排产启发式算法增量调度模型异构并行机批处理调度

来源：评论

学校读者我要写书评

暂无评论

车辆再识别技术综述

引用

智能科学与技术学报 2020年第1期2卷 10-25页

作者：刘凯李浥东林伟鹏北京交通大学计算机与信息技术学院北京100044

车辆再识别是指给定一张车辆图像,找出其他摄像头拍摄的同一车辆,可将车辆再识别问题看作图像检索的子问题。在真实交通监控系统中,车辆再识别可以起到对目标车辆进行定位、监管、刑侦的作用。随着深度神经网络的兴起和大型数据集的提出... 详细信息

车辆再识别是指给定一张车辆图像,找出其他摄像头拍摄的同一车辆,可将车辆再识别问题看作图像检索的子问题。在真实交通监控系统中,车辆再识别可以起到对目标车辆进行定位、监管、刑侦的作用。随着深度神经网络的兴起和大型数据集的提出,提升车辆再识别的准确度成为近年来计算机视觉和多媒体领域的研究热点。从不同角度对车辆再识别方法进行了分类,并从特征提取、方法设计和性能表现等方面对车辆再识别技术进行了概述、比较和分析,对车辆再识别技术面临的挑战及发展趋势进行了预测。

关键词：车辆再识别深度学习特征表达度量学习

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：