检索结果-内蒙古大学图书馆

第三届CCF大数据学术会议

作者：李金忠同济大学电子与信息工程学院计算机科学与技术系/同济大学嵌入式系统与服务计算教育部重点实验室

鲁棒性在排序学习中显得越来越重要，而现有排序学习算法多数仅关注改进排序模型的有效性，往往忽略了排序模型的鲁棒性。为了增强排序模型的鲁棒性，在训练排序模型的过程中可同时考虑其有效性和鲁棒性。本文从一个新颖的视角，即偏差...

鲁棒性在排序学习中显得越来越重要，而现有排序学习算法多数仅关注改进排序模型的有效性，往往忽略了排序模型的鲁棒性。为了增强排序模型的鲁棒性，在训练排序模型的过程中可同时考虑其有效性和鲁棒性。本文从一个新颖的视角，即偏差-方差均衡，研究了如何优化LambdaMART排序学习的有效性和鲁棒性均衡。将偏差和方差融合为一个统一的目标函数以修改LambdaMART算法中的梯度，并证明了修改后的梯度仍然可以采用LambdaMART算法去优化以训练出排序模型。最后，在大规模的排序学习数据集上的实验结果表明，基于偏差-方差均衡思想所修改梯度后的LambdaMART算法具有更强的鲁棒性。

关键词：

来源：评论

学校读者我要写书评

暂无评论

一种用于物体分类与识别的并行交叉Alex-Net模型

一种用于物体分类与识别的并行交叉Alex-Net模型

引用

第十一届和谐人机环境联合会议

作者：汤鹏杰王瀚漓左凌轩同济大学计算机科学与技术系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海200092 井冈山大学数理学院吉安343009 同济大学计算机科学与技术系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海200092

深度卷积神经网络模型提取的图像特征抽象程度高、可辨别性强、语义信息丰富,因此它已经在物体分类与识别领域取得了重大突破,其效果远远超过了传统的基于手工特征的模型.但很多深度模型由于层数过多,导致运算复杂度过高,且模型都是向... 详细信息

深度卷积神经网络模型提取的图像特征抽象程度高、可辨别性强、语义信息丰富,因此它已经在物体分类与识别领域取得了重大突破,其效果远远超过了传统的基于手工特征的模型.但很多深度模型由于层数过多,导致运算复杂度过高,且模型都是向深度发展,顶层特征过于依赖底层变换特征的线性流动,最终特征鲁棒性不强.本文根据经典的Alex-Net模型和人眼视觉原理,提出并设计了一种深度并行交叉Alex-Net模型——PC-Alex-Net.该模型在Alex-Net基础上,通过两条改进后的Alex Net数据变换流,提取两组深度特征;在模型顶端,经过两次混合交叉,得到1024维的特征向量,最后使用Softmax回归对物体进行分类识别.实验结果表明,与同类模型相比,该模型所提取的特征更具判别力,鲁棒性更强,具有更好的分类识别性能;PC-Alex-Net模型不仅能够应用于物体分类与识别,也为其他深度模型的设计提供了一种新的思路.

关键词：物体分类图像识别 Alex-Net模型鲁棒性

来源：评论

学校读者我要写书评

暂无评论

一种基于前向感知因子的WSN能量均衡路由方法

引用

电子学报 2014年第1期42卷 113-118页

作者：张德干赵晨鹏李光明学超郑可天津理工大学天津市智能计算及软件新技术重点实验室天津300384 天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384

无线传感网络由于受能量和通信能力的限制,为了保证感知数据的有效送达,路由方法(协议)的设计显得尤为关键.本文提出了一种基于前向感知因子的能量均衡路由协议FAF-EBRP,它通过感知链路权重和前向区域内的能量密度来决定下一跳节点,并... 详细信息

无线传感网络由于受能量和通信能力的限制,为了保证感知数据的有效送达,路由方法(协议)的设计显得尤为关键.本文提出了一种基于前向感知因子的能量均衡路由协议FAF-EBRP,它通过感知链路权重和前向区域内的能量密度来决定下一跳节点,并设计了相应的局部拓扑自发重构机制.通过实验对FAF-EBRP和LEACH、EEUC两个典型路由方法(协议)进行了比较,结果表明,FAF-EBRP能使无线传感网络表现出更好的能量均衡性和更长的有效工作时间.

关键词：无线传感网络路由协议前向感知因子能量均衡

来源：评论

学校读者我要写书评

暂无评论

一种基于微服务架构的新型云件PaaS平台

引用

信息网络安全 2015年第11期 15-20页

作者：郭栋王伟曾国荪同济大学计算机科学与技术系上海200092 国家高性能计算机工程技术中心同济分中心上海200092 同济大学嵌入式系统与服务计算教育部重点实验室上海200092

随着微服务、容器等理念和技术的不断深入,云计算环境下的软件形态将进一步朝着云件(Cloudware)的方向发展。云件技术以服务为核心,以云平台为支撑,是实现传统软件云化的重要手段,是未来云环境下的软件开发、软件部署、软件运维和软件... 详细信息

随着微服务、容器等理念和技术的不断深入,云计算环境下的软件形态将进一步朝着云件(Cloudware)的方向发展。云件技术以服务为核心,以云平台为支撑,是实现传统软件云化的重要手段,是未来云环境下的软件开发、软件部署、软件运维和软件使用的重要手段,是软件在云计算平台下的新思想。文章基于轻量级容器技术和微服务架构,提出了一种新的云件Paa S平台,该平台可以在不修改传统软件的情况下,直接将软件部署到云端运行,并通过浏览器服务于终端用户。通过采用微服务架构设计,使得该云件平台具有较好的扩展性、规模化部署、容灾和灵活配置等特性。

关键词：云计算云件微服务容器

来源：评论

学校读者我要写书评

暂无评论

基于ARIMA与WASDN加权组合的时间序列预测

引用

计算机应用研究 2015年第9期32卷 2630-2633,2638页

作者：张雨浓劳稳超丁玮翔王英叶成绪中山大学信息科学与技术学院广州510006 自主系统与网络控制教育部重点实验室广州510640 广东顺德中山大学卡内基梅隆大学国际联合研究院广东顺德528300 青海师范大学计算机学院西宁810008

为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determ... 详细信息

为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determination,WASD)算法的幂激励前向神经网络(WASDN)对时间序列进行建模、测试以及预测。根据测试结果,将ARIMA与WASDN进行加权组合。数值实验结果显示,所提出的ARIMA-WASDN加权组合方法的预测精度高于ARIMA或WASDN单独使用时的预测精度,验证了该方法在时间序列预测方面的有效性和优越性。

关键词：差分自回归移动平均模型权值与结构确定算法幂激励前向神经网络时间序列预测加权组合

来源：评论

学校读者我要写书评

暂无评论

基于可见光图像的红外图像纹理映射研究

基于可见光图像的红外图像纹理映射研究

引用

国防光电子论坛第二届新型探测技术及其应用研讨会

作者：胡海鹤白廷柱李玉鑑北京工业大学计算机学院北京理工大学光电成像技术与系统教育部重点实验室

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法。以相应景物的可见光图像的灰度范围为参照,基于同景物红外图像的温度分布,确定对应红外图像的灰度分布关系,并将对应景物温度分布偏差的灰度信息... 详细信息

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法。以相应景物的可见光图像的灰度范围为参照,基于同景物红外图像的温度分布,确定对应红外图像的灰度分布关系,并将对应景物温度分布偏差的灰度信息叠加在相关景物上,映射为对应景物的红外图像纹理。仿真结果表明,本文方法可为快速仿真红外图像纹理提供一种方便有效的途径。

关键词：红外图像纹理映射可见光图像单一组分混合组分温差

来源：评论

学校读者我要写书评

暂无评论

数据挖掘开源平台性能分析

引用

天津理工大学学报 2015年第4期31卷 33-38页

作者：郑茹菁王晓晔柴晓瑞袁闻梁秀霞天津理工大学计算机与通信工程学院天津市智能计算及软件新技术重点实验计算机视觉与系统省部共建教育部重点实验室天津300384 河北工业大学自动化学院天津300131

当前,数据挖掘已经成为各行各业不可或缺的技能,能够选择一款合适的数据挖掘平台尤为重要.本文通过对数据挖掘开源平台的使用难易程度、各挖掘平台提供的算法及其可视化等性能进行综合分析,并结合部分现有文献资料,为数据挖掘的初涉者... 详细信息

当前,数据挖掘已经成为各行各业不可或缺的技能,能够选择一款合适的数据挖掘平台尤为重要.本文通过对数据挖掘开源平台的使用难易程度、各挖掘平台提供的算法及其可视化等性能进行综合分析,并结合部分现有文献资料,为数据挖掘的初涉者选取开发平台提供参考依据.

关键词：数据挖掘开源平台可视化算法

来源：评论

学校读者我要写书评

暂无评论

基于模糊综合决策的服务器推送方法

引用

计算机科学 2014年第5期41卷 86-90页

作者：蒋乾悦张亚英同济大学嵌入式系统与服务计算教育部重点实验室上海200092

传统的服务器推送技术不能根据不同的应用场景动态地调整推送方案。提出了将模糊综合决策模型应用于服务器推送的技术,将传统的长轮询技术和轮询技术相结合,提出了一种基于模糊综合决策的复合式轮询技术。并将此推送技术应用于道路交通... 详细信息

传统的服务器推送技术不能根据不同的应用场景动态地调整推送方案。提出了将模糊综合决策模型应用于服务器推送的技术,将传统的长轮询技术和轮询技术相结合,提出了一种基于模糊综合决策的复合式轮询技术。并将此推送技术应用于道路交通实时监控平台,使平台在实时信息发布时既能满足不同用户的实时性要求又能充分利用系统服务器资源。

关键词：服务器推送模糊综合决策轮询复合式轮询

来源：评论

学校读者我要写书评

暂无评论

基于分级判断的行人检测

基于分级判断的行人检测

引用

第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议

作者：孙黎亚张桦薛彦兵王志岗计算机视觉与系统教育部省部共建重点实验室天津理工大学天津300384 智能计算机软件新技术天津市重点实验室天津理工大学天津 300384

传统的目标检测是基于滑动窗口搜索的方法,利用分类器对图像中不同位置、尺度的区域进行判断,确定该位置是否存在目标.这种方法需要对大量候选窗(区域)做判断,因此需要较大的计算量.本文根据人体特点,提出了一种基于分级判断的方法,需... 详细信息

传统的目标检测是基于滑动窗口搜索的方法,利用分类器对图像中不同位置、尺度的区域进行判断,确定该位置是否存在目标.这种方法需要对大量候选窗(区域)做判断,因此需要较大的计算量.本文根据人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减少复杂特征和分类器需要判断的候选窗数量,进而减少整个检测算法的计算量.算法首先对待检测图像提取NG(Norm of the gradients)特征,通过线性支持向量机来判断得到行人的候选区域.然后对候选区域提取简化HOG(Histograms of oriented gradients)特征,采用线性支持向量机对候选区域进一步的过滤.最后,对经过过滤筛选得到的区域提取多分辨率HOG特征,使用DPM(Deformation part model)模型对候选区域进行检测来定位行人的位置.实验证明本文提出的方法是鲁棒的.

关键词：行人检测特征提取分级判断线性支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于运动目标分类的监控视频检索系统

引用

工业控制计算机 2015年第7期28卷 115-116,118页

作者：徐娟张超黄大卫吴小培王营冠安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 中国科学院上海微系统与信息技术研究所上海200050

设计了一种面向运动目标类别的监控视频检索系统,用于快速有效地进行视频片段的定位。系统由视频分析和视频检索两部分组成,视频分析包含了运动目标检测、跟踪和分类等基本算法模块。基于视频分析模块所提供的运动目标信息,对不同视频... 详细信息

设计了一种面向运动目标类别的监控视频检索系统,用于快速有效地进行视频片段的定位。系统由视频分析和视频检索两部分组成,视频分析包含了运动目标检测、跟踪和分类等基本算法模块。基于视频分析模块所提供的运动目标信息,对不同视频片段进行类别标注,并形成目标类别描述文件。在视频检索过程中,使用者可通过输入的运动目标类别,快速查询到相应的视频片段。实验表明,所建系统能够帮助用户在大量的监控视频片段中快速的找出满足指定目标类别的视频片段,避免繁琐的手动浏览和查找,有效提高了监控视频检索的效率。

关键词：监控视频运动目标类别目标检测目标分类视频分析视频检索

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：