排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
提出了一种当不同摄相机的观测结果之间的对应关系未知时,通过测量不同摄像机观测值之间的统计相关性来推断摄像机网络拓扑的新方法。具体实现是通过统计相关性的非参数化估计和未知对应关系的贝叶斯集成,将两个摄像机之间的统计相关性与每个摄像机的观测值之间的交互信息关联起来,交互信息的计算是通过计算过渡分布的熵来进行的,并采用马尔可夫链蒙特卡罗集成观测值之间的未知对应关系,同时还考虑了两个摄像机的观测值之间丢失的对应关系。基于一条模拟的和真实的道路、一个模拟的和真实的摄像机交通网络的仿真结果表明,方案能够在多模态情形下比较准确地恢复过渡分布和匹配目标。 相似文献
2.
3.
针对移动云主机负载变化大、难以精准预测的问题,提出一种联合特征选择下基于长短期记忆网络的AR-LSTM-ED负载预测模型,能够对云主机负载进行单步和长时间多步预测。首先采用联合特征选择的方法得到与目标预测负载序列相关的其他负载序列,并且利用适用于在线预测的无抽取的小波变换方法将目标预测特征分解成更加易于预测的子序列。最后将这些序列和目标预测序列一起输入AR-LSTM-ED模型中,AR-LSTM-ED模型利用长短期记忆编-解码网络对目标负载进行预测,具有能够捕捉负载中的长期依赖关系的优点,且进一步结合了自回归模型(AR)以预测负载中的线性数据。在真实的Google云计算数据集上验证算法,对比实验结果表明,本文提出的方法取得了更好的性能。 相似文献
1