排序方式: 共有30条查询结果,搜索用时 15 毫秒
1.
CSCW多媒体同步与协同模型 总被引:2,自引:0,他引:2
介绍了CSCW和群件基本概念,讨论了CSCW和群件的关键技术和发展现状,提出了一种基于多媒体同步关系的面向群件的多媒体同步协同模型,并讨论了初步实现技术和方案。 相似文献
2.
基于小波变换和小波神经网络的3D遮挡人脸识别方法 总被引:1,自引:0,他引:1
提出一种基于小波变换和小波神经网络的3D遮挡人脸识别方法.首先,对待检测人脸的深度图像进行小波变换,计算各层小波变换系数与数据库中平均人脸深度图像的小波变换系数之间的距离,通过阈值分割得到遮挡区域的二值掩膜,进而得到人脸的遮挡区域;然后,对非遮挡区域提取小波变换系数,构建小波神经网络分类器,依据小波网络的人脸空间距离进行3D遮挡人脸识别.仿真实验表明,该文方法对3D人脸的有意遮挡和无意遮挡的鲁棒性强、识别性能好. 相似文献
3.
IP QoS已成为IP网络的核心技术。目前实现IP QoS的机制主要包括有多种,例如子带宽管理、MPLS、IntServ、DiffServ等,可以结合起来实现更完善的IP QoS。目前,比较一致的看法是在网络边缘采用IntServ,在网络主干采用DiffServ。我们在局域网自适应IP QoS基础上,进一步研究了基于DiffServ的IP QoS.本文给出一种DiffServ结合IntServ实现彻底的端到端的IP QoS网络框架,提出了DiffServ实现自适应IP QoS管理的框架与方案,讨论了内部路由节点自适应QoS控制策略。最后讨论基于网络仿真软件NS2的一个简单实验结果。 相似文献
4.
在描述逻辑ALCQI(D)基础上,将ODMG面向对象数据模型转换为描述逻辑ALCQI(D)表示的知识库,借助描述逻辑ALCQI(D)的推理能力,将面向对象数据模型的类可满足性、类包含关系、类冗余性、模式蕴含性等验证问题转化为相应知识库的推理问题,并证明这些推理问题的正确性. 相似文献
5.
为研究如何帮助社交网络中虚拟团队从海量的用户中筛选更多行为相似的用户加入团队,建立了一种基于社交网络的团队成员推荐模型,为虚拟团队推荐一些行为特征相似的用户作为候选团队成员。通过对用户信息和团队信息进行分词处理,得到用户标签向量集和团队标签向量集;将基于遗传算法的聚类算法应用于团队标签向量集,得到团队聚类簇和团队聚类中心;在此基础上,将团队聚类中心作为用户集的初始聚类中心,聚类出行为特征与团队聚类中心相似的用户簇,将这些用户簇作为相应团队聚类簇的候选推荐用户;再应用协同过滤思想,筛选出团队推荐成员列表。实验结果表明,该算法有效地解决了虚拟团队成员推荐问题。 相似文献
6.
讨论影响视频会议音频质量的主要原因,提出一种态设置缓冲区改善音质的方法,并建立Petri网络模型分析其可行性。 相似文献
7.
随着移动互联的发展,针对多个学校网络用户漫游时的认证问题,利用双线性对的特性,基于Shamir的拉格朗日差值多项式,提出了一种基于模糊属性的跨校无线漫游认证机制,方案中只有拥有不少于系统发布的授权属性集中一定个数的用户才可以被认证成功。该机制不涉及用户身份隐私信息,通过用户属性更新机制及漫游用户更新机制,对被认证用户的描述更加灵活,确保了认证的正确执行及用户信息的安全;同时不需要将用户信息返 回到原属学校进行认证,提高了认证效率。分析和实践表明,此机制可抵抗中间人攻击、重放攻击和合谋攻击,可满足无线网络环境用户漫游认证的安全需求,为多个学校间学术交流和资源共享提供了保障。 相似文献
8.
针对使用传统关联规则算法挖掘大数据集时,挖掘过程中效率不高,挖掘出大量冗余规则的问题,提出了基于关联规则和相似度的数据挖掘算法(U-APR):首先,一次性读入数据并构建矩阵,并利用关联规则支持度度量的特性来增加判断属性,以加快结束迭代过程,从而改进了Apriori算法频繁扫描数据库问题;然后,使用相似度算法去除冗余的关联规则;最后,结合置信度、支持度和用户目标匹配度对挖掘结果进行排序输出,从而得到用户感兴趣的关联规则. 同时,应用该算法与目前常用的2种关联规则算法对广东某高校学生财务数据进行数据挖掘. 实验结果表明:与2种常用的关联规则算法相比,U-APR算法缩短了运算时间和提高了存储空间利用率,对用户分析挖掘结果有较好的优化效果. 相似文献
9.
柔性工作流元模型及应用 总被引:4,自引:0,他引:4
随着企业竞争的加剧和政府对提高工作效率的迫切需要,工作流的柔性问题成为研究的热点.以元模型为基础,提出了一种实现柔性工作流的方法.以WfMC过程定义元模型为基础,提出了一种支持工作流柔性的元模型.在此基础上,通过引入ECA规则,对工作流中主要元素进行了形式化描述.以实例说明了该模型在实践中的应用. 相似文献
10.
提出一种基于语法的代码生成模型, 该模型具有选择性局部注意力和包含前序信息的长短期记忆(LSTM)神经网络解码器, 通过更改上下文向量的计算范围, 并在解码过程中融合更多的前序信息, 增强单词之间的相关性。在Hearthstone和Django两个数据集上进行的代码生成实验证实了所提模型的有效性, 与最新的模型相比, 所提模型不仅表现出更出色的准确率和双语评估学习成绩, 还可以使计算工作量最小化。 相似文献