公共文化服务平台

共 10 条记录，以下是 1-8

全选清除导出

排序方式：

基于Kalman滤波的无线传感网络的定位修正算法被引量：2: 2016年; 针对无线传感网中的传感节点定位问题,提出了基于Kalman滤波的传感网络的定位修正LCKF(localization correction-based Kalman filter)算法。在LCKF算法中,锚节点位于感测区域的边界,传感节点利用来自两侧的锚节点的位置信息估计自己的位置,并取均值。然后,再利用Kalman滤波算法修正跳数长的一侧的位置估计。依据跳数短的一侧的位置估计数据修正跳数长的一侧定位精度。仿真结果表明,与同类算法相比,提出的LCKF算法的定位精度得到有效提高。; 袁波谭彬胡运全; 关键词：无线传感网络锚节点跳数 KALMAN滤波

基于移动边缘计算的虚拟现实压缩与传输系统被引量：11: 2020年; 针对基于云服务的虚拟现实对数据传输速率的高要求以及对传输时延的敏感性问题,提出并设计了基于移动边缘计算技术的云VR系统方案,主要包括基于视点的VR处理和混合数模传输优化。首先采用基于金字塔投影的用户视点感知动态推流方法实现基于视点的VR处理;然后引入混合数模技术对传输进行优化改进,并给出了启发式的资源分配优化算法;最后在长期演进(LTE)系统的基础上改造基站协议栈,融入移动边缘计算技术,实现了完整的移动边缘云VR系统。实验结果表明,与已有方案相比,所提方案能够实现更加稳健高效的传输,达到更好的VR用户体验。; 谭彬赵嵩源吴俊张文茹; 关键词：虚拟现实

一种基于RTP/RTCP协议的音视频同步算法研究: 2015年; 提出了一种基于RTP/RTCP协议的音视频同步算法。该算法将到达接收端的音视频RTP数据包时间戳映射至一个公共的绝对时间轴上,以测算出网络传输过程中的延时误差△Ti。然后,针对接收端音视频播映不同的速度,测算数据包在缓冲区等待播映过程中的延时误差△Wi。最后以△Ti和△Wi的和作为总误差给出相应的播映策略。仿真实验结果表明,该算法的RSME低于其他同步算法,对于音视频的失步现象具有较明显的纠正效果,用户对于播映质量的满意度大幅提升。; 周旭艳李先哲谭彬朱兵肖英; 关键词：音视频同步 RTP/RTCP 时间戳

“三集五大”接入网络安全技术的建设: 2015年; 为了适应"三集五大"体系建设需求,以及"三集五大"体系调整的整体需要,吉安供电公司信息通信分公司合理利用现有的网络资源,在机构调整过程以及各单位接入层通道搭建过程中,对综合布线系统、接入网络配线系统以及骨干网络通道联通方式等方面进行了管理模式及施工方式思路的总体变革,并在信息安全建设、桌面终端管控以及限制违规外联管理等方面提供了硬件保障,为公司信息网络发展、各级单位网络需求以及后续调整创造了良好的建设管理平台。; 刘伟谭彬; 关键词：三集五大网络安全

基于互信息图割的风景图片美学测度: 2014年; 提出了一种基于最大互信息图割的摄影照片可计算美学测度算法。该方法按照信息理论元素将彩色图像R/G/B三通道信源空间进行压缩,根据图像邻近位置颜色分布相似的原理,进行区域Bins合并。然后采用逐像素扫描方式,用贪心法以最大信息熵为优化目标,找出区域的分割位置。接着采用二叉分割树进行存储优化分割节点,用大顶堆获取当互信息值最大的节点,对区域反复进行垂直或水平分割,以给定的分割区域块数为终止条件。最后累加分割过程中互信息值最大的节点之和作为照片最终的美学测度值。分割过程中,对算法进行加速,将R/G/B三通道的各像素直方图由16777216个Bins压缩成64个Bins。实验结果表明,这种算法测量的美学值与Ground truth一致,能有效地表现原图像的丰富细节,是一种将信息理论元素在图像微观美学测度的一种尝试。; 谭云兰谭彬; 关键词：最大互信息图像分割

网络研究性学习模式平台的设计与实现被引量：2: 2012年; 针对网络研究性学习模式有学习过程中的自主性、开放性、协作性、实践性、过程性等五个方面的基本特点。提出了网络研究性学习模式平台应该遵循的实用性和先进性、高性能和高负载能力、安全性和可靠性、灵活性与可扩展性、开放性和标准化的设计原则。采用ASP.NET技术结合使用SQL.Server数据库,来实现网络环境下的自主性学习功能,详细叙述了智能交流平台的设计方法,通过应用举例,说明了网络学习平台提供了更为自由的开放环境,让个体和群体之间在各种环境下更为广泛的直接交换信息。; 肖英石立君袁波谭彬曾宪文; 关键词：网络研究性学习创新人才培养模式

密集帧率采样的视频标题生成被引量：2: 2018年; 使用固定时间间隔取帧的方式用于视频标题生成,易导致多种静态或动态信息丢失,使得生成的句子质量难以提高。针对这一问题,提出了一种使用密集帧率采样的标题生成方法(dense frame rate sampling based captioning model,DFS-CM),将视频分为多个长度统一的片段,提取片段中所有视频帧的深度CNN(convolutional neural network)特征,然后使用均值或最大值方法,降低了特征数量,增强了特征的稀疏程度;同时,还改善了模型的训练策略,增强了模型的稳定性和泛化能力。最后在S2VT框架的基础上,使用Goog Le Net和Res Net-152两种CNN模型,对所提方法进行了验证。在Youtube2Text数据集上的实验结果表明,无论是采用均值特征还是最大值特征,其模型性能与基准模型相比均得到了改善,尤其是使用Res Net-152和最大值方式,其B@4和CIDEr分别达到了47.1%和34.1%。; 汤鹏杰汤鹏杰谭云兰李金忠; 关键词：视频

基于双流混合变换CNN特征的图像分类与识别被引量：2: 2015年; 具有表达能力及可辨别性更强的特征是图像分类与识别技术的关键。深度CNN特征经过多次中间非线性变换,特征鲁棒性更强,在图像分类与识别领域已取得重大进展。但传统的CNN模型只增加变换层次,下层变换依赖于上层输出结果,因此其中间特征冗余度较低,最终得到的特征向量信息丰富程度不够。本文提出一种基于双流混合变换的CNN模型——DTM-CNN。该模型首先使用不同大小的感受野卷积核提取图像不同的中间特征,然后在多次深度变换时,对中间特征进行混合流动,经过多次混合变换,最终得到1024维的特征向量,并使用Softmax回归函数对其分类。实验结果表明,该模型经过多次卷积、池化及激活变换,提取的特征更加抽象、语义及结构信息更加丰富,对图像具有更强的表达能力及辨别性,因此图像分类及识别性能优越。; 汤鹏杰谭云兰李金忠谭彬; 关键词：图像分类 CNN

全选清除导出

共1页<1>

谭彬