公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

复杂路由环境下的集中式双栈可信认证模型研究被引量：1: 2014年; 研究了构建面向复杂网络环境下的IPv4/IPv6双栈的可信安全认证机制,以构建一个适用于有线无线的统一的双栈可信接入控制平台,用以提供统一的身份认证、授权及记账等安全服务,使得IPv6应用推广与部署更具可扩展性及安全性,也为运营商的IPv4/IPv6双栈服务提供可信接入控制手段,并实现与现有运营系统的松散耦合对接,以完善其运营体制.; 肖吉英廖律超赖宏图; 关键词：IPV6 双栈认证网关

基于时空上下文协同过滤的出租车载客点推荐算法被引量：3: 2015年; 针对现有出租车载客点推荐算法忽略出租车所处上下文的情况,提出了一种基于时空上下文协同过滤的出租车载客点推荐算法。该算法将载客点信息映射到空间网格,通过在出租车司机驾驶行为相似度的计算中引入时间衰减因子,得到与目标出租车司机驾驶行为最相似的邻居集合,基于地点上下文过滤从相似邻居集合中选取感兴趣程度高的载客点推荐给目标出租车。在基于福州市出租车轨迹数据的实验中,时间衰减因子为0.7时,整体推荐效果最佳,同时该算法在邻居集合的不同大小时推荐准确率均优于传统协同过滤推荐算法。结果表明该算法与传统的协同过滤算法相比有更高的推荐准确度。; 钱文逸蒋新华廖律超邹复民; 关键词：推荐系统协同过滤

基于交通视频的交通拥堵状态自动识别方法被引量：22: 2014年; 为了实现交通视频拥堵状态的自动识别,以满足日益广泛应用的交通视频监控需求,分析了交通拥堵评价模型及其定性过程,进而提出了一种具有自适应学习能力的交通视频拥堵信息识别方法。该方法系统提取视频图像特征集,应用SVM进行模型训练学习和状态分类,并采用GA进行算法模型的在线闭环自适应调优。现场试验表明,该方法具有识别准确率高、处理速度快和系统自适应能力强等优点,为解决全天候的基于视频的交通拥堵实时在线识别处理问题提供了一种快速有效的解决方法。; 廖律超蒋新华邹复民赖宏图; 关键词：交通工程自动识别交通视频模式识别

浮动车轨迹数据聚类的有向密度方法被引量：7: 2015年; 为了充分挖掘浮动车轨迹数据的潜在特性,本文在OPTICS空间密度聚类算法基础上,提出了一种有向密度的快速聚类方法(D-OPTICS)。该方法通过扇形空间邻域计算其有向密度信息,并基于方向信息约束其密度可连通性,通过有向可达距离曲线生成数据基本簇,最后,通过空间网格及类簇聚合等优化方法,实现其大规模浮动车轨迹数据的快速聚类处理。通过有向时空数据的聚类分析,发现浮动车轨迹的时空分布特性,以提取复杂路网的结构信息。本文以福州市大规模浮动车轨迹数据,对D-OPTICS进行了系统实验,分析表明,该算法可实现浮动车轨迹数据的快速有向密度聚类分析,有助于挖掘发现时空轨迹数据的分布规律,且基于聚类结果提取了福州市区复杂路网的有向拓扑结构图。同时,与DBSCAN及OPTICS等传统的密度聚类算法进行性能对比,实验表明,DOPTICS算法能更好地支持大规模浮动车轨迹数据的处理要求。; 廖律超蒋新华邹复民李璐明赖宏图; 关键词：时空数据挖掘密度聚类浮动车数据

基于云计算的高校公共计算资源整合应用研究被引量：2: 2014年; 本文分析了高校公共机房管理方面的主要问题,提出了一种基于云计算技术的高校公共计算资源整合应用方法,并主要从公共计算资源云计算架构,公共计算资源整合方法,公共计算资源云应用服务模式以及高校公共计算资源安全管理策略等方面进行了系统研究.该方法有望增强公共计算资源的共享服务能力,提高软硬件资源的使用效率,并简化高校公共机房的运维管理工作,提高教学服务工作质量.; 肖吉英陈凤美赖宏图; 关键词：公共机房云计算安全管理策略

半监督SVM分类算法的交通视频车辆检测方法被引量：6: 2015年; 针对交通场景运动车辆检测中车辆数目统计准确率不高、自适应性不强等问题,提出了一种基于半监督支持向量机(SVM)分类算法的交通视频车辆检测方法。利用人工标记的少量样本,分别训练2个基于方向梯度直方图(HOG)特征与基于局部二值模式(LBP)特征的不同核函数的SVM分类器;结合半监督算法的思想,构建SVM的半监督分类方法(SEMI-SVM),标记未知样本并加入到原样本库中,该方法支持样本库动态更新,避免了繁重的人工标记样本的工作,提高了自适应性;最后,通过三帧差分法提取运动区域,加载分类器在该区域进行多尺度检测,标记检测出来的运动车辆,统计车辆数目。实验结果表明:该方法在具有一定的自适应性的同时,有较高的车辆检测准确率,即使在复杂交通情况下,对运动车辆依然有很好的检测效果。; 蒋新华高晟廖律超邹复民; 关键词：车辆检测 HOG特征 LBP特征 SVM分类器半监督学习

基于后缀自动机的轨迹模式挖掘方法被引量：1: 2016年; 基于交通路网研究移动对象轨迹预测,将序列分析方法和马尔可夫统计模型结合,提出了一种基于后缀自动机的变阶马尔可夫模型挖掘方法。该方法根据移动对象的历史轨迹数据进行学习训练,计算轨迹序列上下文的概率特征,建立序列的后缀自动机模型,结合当前实际轨迹数据,动态自适应预测将来的位置信息。实验结果表明:相比固定阶马尔可夫模型,随着阶数的增加(L≥2),固定阶马尔可夫模型预测的精度逐步降低,而该方法能动态自适应,精度保持在81.3%左右,取得较好的预测效果;同时,该方法只需线性的时间和空间开销,大大降低了存储空间和时间,能实现大规模数据的在线学习。; 王兴蒋新华蔡伟文廖律超; 关键词：轨迹预测

全选清除导出

共1页<1>

福建省自然科学基金(2013J01214)