排序方式: 共有50条查询结果,搜索用时 234 毫秒
1.
2.
物联网是一个巨大的、分布广泛的物与物相连的网络,其上产生的海量数据通常是与时间和空间相关的,具有动态、异构、分布的特性,因此对这些数据的挖掘非常困难,而且耗费时间和内存,效率低下。为了解决这些问题,提出了一种基于云计算的物联网数据挖掘系统:将这些海量数据转化为PML数据文件,并存储在HDFS中,同时把挖掘任务分配到多台节点服务器上并行处理。采用Hadoop平台,将关联规则Apriori算法Map/Reduce化,提高了挖掘的效率。另外,采用副本策略将计算向存储迁移,将失效节点的计算迁移到副本数据存储节点就地执行,降低了数据传输的时间,大为提高了挖掘的效率。 相似文献
3.
4.
5.
针对物流运输中最佳运输方式的选择问题,运用层次分析法(AHP)确定物流运输的主要评估准则,构建多专家层次评估决策模型。分别采用系数d和CI来衡量专家判断偏差和判断矩阵一致性,采用一种以CI为参数的加权方法获得专家权重,在评估过程中充分考虑各专家的差异,综合评估结果,获得最终排序向量。最后,用一个简化的案例来说明层次分析法在物流运输方案选择中的运用。 相似文献
6.
在图像处理应用中,常常需要根据一些列相关的输入图片生成一张新的图片。现有的研究大都设定一些启发式规则用于图片的合成过程。为了提高图片合成的性能,提出了一种基于改进的贝叶斯方法的图片合成模型。在给定理想的图片合成模型后,对传感器误差和图片误差进行了分析。由于图片误差和几何误差之间是相关的,因此分析了它们之间的关系。在根据已有数据对模型进行后验估计时,通过最小化能量来得到模型的先验参数。在目标函数的优化过程中,基于现有研究通过重新赋权值的迭代方法进行优化问题的求解。最后,通过大量的实验表明,所提出的图片合成模型与相关方法相比具有更好的图片合成和渲染效果。 相似文献
7.
8.
文本生成图像是机器学习领域非常具有挑战性的任务,虽然目前已经有了很大突破,但仍然存在模型训练不稳定以及梯度消失等问题。针对这些不足,在堆叠生成对抗网络(StackGAN)基础上,提出一种结合谱归一化与感知损失函数的文本生成图像模型。首先,该模型将谱归一化运用到判别器网络中,将每层网络梯度限制在固定范围内,相对减缓判别器网络的收敛速度,从而提高网络训练的稳定性;其次,将感知损失函数添加到生成器网络中,增强文本语义与图像内容的一致性。使用Inception score评估所提模型生成图像的质量。实验结果表明,该模型与原始StackGAN相比,具有更好的稳定性且生成图像更加逼真。 相似文献
9.
10.