元昌安
- 作品数：11 被引量：29H指数：3
- 供职机构：广西教育学院更多>>
- 发文基金：国家自然科学基金四川省科技计划项目广西壮族自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术社会学更多>>
- 基于数据场聚类的共享单车需求预测模型被引量：5
- 2022年
- 共享单车系统日益普及,积累了海量的出行轨迹数据.在共享单车系统中,用户的借车和还车行为是随机的,且受天气、时间等动态因素影响,使得共享单车调度不平衡,影响单车用户体验,并给运营商造成巨大经济损失.提出了新型基于站点聚类的共享单车需求预测算法,通过构建单车转移网络计算站点活跃度,充分考虑站点地理位置和单车转移模式因素,基于数据场聚类思想,将距离相近和用车模式相似的站点聚合到一个聚簇中,给出最佳簇中心个数求取方法.充分分析时间和天气因素对站点单车需求的影响,利用皮尔逊相关系数,从真实天气数据中选择相关性最大的天气特征,结合历史聚簇内单车需求量,将其转化为三维向量,利用多特征长短时记忆深度神经网络LSTM(long short-term memory)对向量内的特征信息进行学习和训练,以30分钟为长时间间隔,对每个聚簇内的单车需求量进行预测分析.与传统机器学习算法和当前主流方法进行对比,实验结果表明,所提单车需求模型预测性能得到显著提升.
- 乔少杰韩楠岳昆易玉根黄发良元昌安丁鹏Louis Alberto GUTIERREZ
- 关键词：数据场
- 移动社交网络快速社区并行发现算法被引量：10
- 2020年
- 针对传统社区发现技术已无法有效处理大规模移动社交网络数据的问题,基于图论知识、网络性质提出山地模型,设计了滑坡算法,采用GraphX分布式图计算框架实现了并行化社区发现算法。模型首先利用模块度的聚类思想初始化山地模型并求取网络中每条边的权重,然后利用滑坡算法,迭代削弱社区间的关系,最终获得网络的社区结构。大量真实和模拟移动社交网络数据上的实验结果表明:所提算法能解决传统社区发现算法无法处理的大规模网络社区划分问题,在保证具有较高的社区识别准确率前提下,在时间性能上较现有并行社区发现算法提高140%以上,16台服务器构成的集群对于1000万个结点构成的大规模网络进行社区发现的时间不超过10 min。
- 韩楠乔少杰乔少杰元昌安黄萍彭京周凯
- 关键词：分布式计算模块度
- 用于发现文本词间关联规则的完全加权模式挖掘方法
- 一种用于发现文本词间关联规则的完全加权正负模式挖掘方法，通过将待处理的完全加权数据进行预处理，构建完全加权数据库和项目库；挖掘完全加权频繁项集和负项集，剪枝获得有趣的完全加权频繁项集和负项集；采用支持度-CPIR模型-相...
- 黄名选元昌安
- 情景感知驱动的移动对象多模式轨迹预测技术综述被引量：1
- 2023年
- 如何利用多源异构时空数据进行准确的轨迹预测并且反映移动对象的移动特性是轨迹预测领域的核心问题.现有的大多数轨迹预测方法是长序列轨迹模式预测模型,根据历史轨迹的特点进行预测,或将当前移动对象的轨迹位置放入时空语义场景根据历史移动对象轨迹预测位置.综述当前常用的轨迹预测模型和算法,涉及不同的研究领域.首先,阐述了多模式轨迹预测的主流工作,轨迹预测的基本模型类;其次,对不同类的预测模型进行总结,包括数学统计类、机器学习类、滤波算法,以及上述领域具有代表性的算法;再次,对情景感知技术进行了介绍,描述了不同领域的学者对情景感知的定义,阐述了情景感知技术所包含的关键技术点,诸如情景感知计算、情景获取和情景推理的不同类模型,分析了情景感知的不同分类、过滤、存储和融合以及它们的实现方法等.详细介绍了情景感知驱动的轨迹预测模型技术路线及各阶段任务的工作原理.给出了情景感知技术在真实场景中的应用,包括位置推荐,兴趣点推荐等,通过与传统算法对比,分析情景感知技术在此类应用中的优劣.详细介绍了情景感知结合LSTM(long short-term memory)技术应用于行人轨迹预测领域的新方法.最后,总结了轨迹预测和情景感知研究的当前问题和未来发展趋势.
- 乔少杰吴凌淳韩楠黄发良毛睿元昌安Louis Alberto GUTIERREZ
- 关键词：轨迹预测时空数据库移动数据库数据挖掘
- 融合多信息的个性化推荐模型被引量：7
- 2021年
- 为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。
- 沈杰乔少杰韩楠元昌安元昌安覃晓许源平
- 关键词：推荐系统知识图谱
- 面向复杂路网低频GPS采样数据新型地图匹配算法被引量：2
- 2021年
- 大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全,利用Geohash技术对路网和轨迹数据进行存储和搜索,充分考虑车辆速度和道路限速因素,使用轨迹点后向向量和路段向量对路候选段进行分析,设计综合评价函数得到最优匹配结果。实验结果表明,与传统垂直投影算法和曲线拟合算法进行对比,所提曲线拟合算法准确率较高,时间效率得到显著提升。
- 黄振锋乔少杰乔少杰韩楠元昌安曹亮许源平曹亮
- 关键词：地图匹配
- 基于改进自适应聚类的无线传感器目标跟踪算法
- 2022年
- 针对无线传感器网络目标跟踪中跟踪精度与传感器节能问题进行研究,提出基于预测的簇头自适应聚类算法,该算法采用动态聚类算法,通过考虑传感器节点剩余能量、节点到汇聚的距离和节点到运动目标的距离3个参数,最大限度地减少簇头与基站间的远程通信,节约网络能量,延长网络寿命,降低目标漏失概率,加入预测机制,采用线性预测的方法预测跟踪目标的下一个位置,继而根据得到的预测误差,改变集群的大小和形状,减少参与跟踪过程的传感器节点数量,节约网络能量,保持合理的跟踪精度。仿真实验对网络能源消耗、跟踪误差和网络寿命进行分析,实验结果表明,与现有算法相比,该算法在考虑随机运动速度的情况下仍能准确地跟踪目标,且能耗更低,大大延长了网络的生命周期,从而表明所提算法的有效性和可行性。
- 苗丽元昌安覃晓
- 关键词：无线传感器网络目标跟踪动态聚类
- 学习型数据库索引推荐技术综述被引量：3
- 2022年
- 数据库技术是现代计算机软件技术中不可或缺的一部分,在各个行业中都发挥着十分重要的作用。但是,伴随着时代的发展,互联网和云计算要求数据库能够有效地存储和处理大数据,使传统的关系型数据库软件工具能力难以应对新的应用场景。其中,索引对于提升复杂数据集上检索任务的效率有着非常重要的意义。机器学习近年来取得了长足的发展,为数据库索引推荐技术提供了新的机遇。首先叙述了索引推荐的研究背景与挑战;然后,将索引推荐分为索引生成与索引选择2个阶段,分别对这2个阶段的相关技术进行论述;最后,对基于学习的数据库索引推荐技术做了介绍与展望,其中,重点介绍了索引生成与索引选择。索引生成阶段包含基于学习的范围索引、哈希索引、布隆过滤器等,总结了基于学习的索引生成技术的优缺点;对于索引选择阶段,将传统方法与基于学习的方法进行对比与分析,重点叙述强化学习解决索引选择问题。
- 杨国平乔少杰屈露露韩楠魏盛杰元昌安
- 关键词：数据库
- 推进广西区域文化的理论与实践研究,增强高校领导干部的文化自信
- 2019年
- 新时代高校领导干部要坚定文化自信展示新时代新作为,可以从内化正心、外化践行和放眼全球入手来探索提升高校领导干部的文化自信。广西地域文化蕴含“广西精神”的初始基因,滋养了广西人健全人格的精神养料,表达了广西人构建和谐社会的深切期盼,提供了素质教育的重要素材。广西教育学院在推进广西区域文化理论与实践研究方面进行了积极的探索。我们将在广西桂学研究会广西教育学院研究基地辐射、引领的基础上,进一步推动广西教育学院百越文化研究院在育人、咨政等方面发挥重要作用。
- 元昌安
- 关键词：高校领导干部文化自信区域文化教育价值百越文化
- 一种基于时空位置预测的空间众包任务分配方法被引量：3
- 2022年
- 空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式只能得到局部最优分配结果.提出最大价值最小成本任务分配的新问题,目标是对当前和未来的工人进行分配,使用最小的移动成本获得最大的分配价值.为解决这一问题,提出了基于轨迹的任务分布预测方法及基于核密度估计的工人分布预测方法,设计基于位置预测的任务分配算法来计算众包工人和空间任务的相对最优分配策略.所提位置预测方法利用图卷积神经网络和ConvLSTM模型进行预测,相较传统基于网格的位置分布预测更加精确和稳定.基于位置预测的启发式分配算法可以在线性时间内结合预测得到的位置信息完成任务分配,更加契合空间众包平台的强时效性.在真实数据集上进行大量实验来证明所提方法的有效性,相比于基于网格的预测方法,任务/工人位置预测准确率分别提高了15.7%和18.8%.
- 徐天承乔少杰武俊韩楠岳昆易玉根黄发良元昌安
