-
公开(公告)号：CN117273443A
公开(公告)日：2023-12-22
申请号：CN202311208451.X
申请日：2023-09-19
申请人： 长春理工大学
IPC分类号： G06Q10/0635 , G06Q50/26 , G06N20/00
摘要： 本发明公开一种交通事故预测方法、系统、电子设备及存储介质，涉及智能交通技术领域，所述方法包括：获取待预测特征；待预测特征包括待预测交通事件的时序特征、事故安全特征和共线性特征；基于待预测特征和交通事故预测模型，对待预测交通事件进行事故预测；交通事故预测模型是利用最终交通事故数据集对双层堆叠模型架构进行训练得到的，最终交通事故数据集是依次利用CART算法和单边选择对基于原始交通事故数据集进行特征衍生后得到的衍生后的交通事故数据集进行处理得到的，双层堆叠模型架构是基于逻辑回归算法、随机森林算法、K近邻算法和梯度提升树构建的。本发明提高了交通事故预测的准确性。
-
公开(公告)号：CN113791871B
公开(公告)日：2023-08-22
申请号：CN202111122840.1
申请日：2021-09-24
申请人： 长春理工大学
摘要： 本发明涉及一种面向多目标的云计算任务策略调度方法及系统，首先基于各子任务在各虚拟机上执行时间计算执行全部子任务所花费的最大时间；其次根据各虚拟机的执行成本计算总执行成本；然后基于所述总执行成本和所述执行全部子任务所花费的最大时间构建适应度函数；最后利用所述适应度函数和蜉蝣算法进行任务策略调度，输出虚拟机调度表。本发明提出了面向多目标的任务调度策略，从任务调度算法方面进行改进，提出改进的蜉蝣算法，使用自适应变异因子提升蜉蝣算法的局部搜索性能，不仅提升了任务完成时间，还减少了任务花费时间。
-
公开(公告)号：CN113791871A
公开(公告)日：2021-12-14
申请号：CN202111122840.1
申请日：2021-09-24
申请人： 长春理工大学
摘要： 本发明涉及一种面向多目标的云计算任务策略调度方法及系统，首先基于各子任务在各虚拟机上执行时间计算执行全部子任务所花费的最大时间；其次根据各虚拟机的执行成本计算总执行成本；然后基于所述总执行成本和所述执行全部子任务所花费的最大时间构建适应度函数；最后利用所述适应度函数和蜉蝣算法进行任务策略调度，输出虚拟机调度表。本发明提出了面向多目标的任务调度策略，从任务调度算法方面进行改进，提出改进的蜉蝣算法，使用自适应变异因子提升蜉蝣算法的局部搜索性能，不仅提升了任务完成时间，还减少了任务花费时间。
-
公开(公告)号：CN108205889B
公开(公告)日：2021-04-27
申请号：CN201711474416.7
申请日：2017-12-29
申请人： 长春理工大学
IPC分类号： G08G1/01
摘要： 本发明涉及一种基于卷积神经网络的高速公路交通流预测方法，其特征在于包括以下步骤：1）、对交通流数据和外部因素数据进行预处理，构建时间相邻性矩阵，日周期性矩阵，周周期性矩阵和外部因素向量作为模型的输入；2）、采用卷积神经网络分别对交通流的时间相邻性，日周期性和周周期性进行建模，同时提取不同的时空特征；3）、基于步骤2）所提取的时空特征融合外部因素，构成融合向量作为全连接层的输入；4）、利用全连接层融合所有特征，完成最终的交通流预测，其利用深度学习模型对高速路网交通流进行建模，融合了交通流的时空特征和外部影响因素，使模型能够应对复杂交通流特征，获得预测结果，解决了对区域全部路段同时预测的问题。
-
公开(公告)号：CN112183862A
公开(公告)日：2021-01-05
申请号：CN202011048192.5
申请日：2020-09-29
申请人： 长春理工大学
摘要： 本发明公开一种城市路网的交通流量预测方法及系统，涉及智能交通技术领域，方法包括：建立包括邻接矩阵以及时间序列向量矩阵的训练数据集；建立图小波注意力门控循环神经网络模型；该模型包括基于小波变换的图卷积神经网络以及与所述图卷积神经网络连接的门控循环神经网络；门控循环神经网络包括与各时间段一一对应的融入注意力机制的门控循环单元；利用训练数据集对图小波注意力门控循环神经网络模型进行训练和优化；将待预测的城市路网的邻接矩阵以及时间序列向量矩阵输入训练和优化后的图小波注意力门控循环神经网络模型，得到各路段未来一时间段的交通流量。本发明公开的方法及系统，能够准确预测交通流量。
-
公开(公告)号：CN111950551A
公开(公告)日：2020-11-17
申请号：CN202010816397.7
申请日：2020-08-14
申请人： 长春理工大学
摘要： 本发明涉及一种基于卷积神经网络的目标检测方法，包括：基于残差卷神经网络进行特征提取，得到逐层的基础特征图；将所述基础特征图由浅至深依次融合，得到融合特征图；基于区域生成网络对所述融合特征图进行候选框提取，得到候选目标区域特征图；根据所述融合特征图和所述候选目标区域特征图得到感兴趣区域特征图；根据所述感兴趣区域特征图基于全卷积层得到分类得分和边框回归。本发明针对小目标及遮挡目标具有较高检测精度。
-
公开(公告)号：CN109041210A
公开(公告)日：2018-12-18
申请号：CN201810920495.8
申请日：2018-08-14
申请人： 长春理工大学
摘要： 本发明公开一种无线传感器网络定位方法。所述定位方法包括：无线传感器网络中分布有多个未知节点和多个信标节点，已知所述信标节点的位置，未知所述未知节点的位置，获取所述信标节点的位置信息；根据所述信标节点的位置信息获取所述未知节点任意三个邻近信标节点组成的区域；判断所述未知节点是否存在所述三个邻近信标节点组成的三角形内部的区域内；如果是，采用迭代的方法缩小三角形的定位区域来确定所述未知节点的位置；否则，采用通信半径范围外的所述信标节点来缩小定位区域和质心加权的方法确定所述未知节点的位置信息。通过质心加权的方法进行定位，提高了节点的定位精度以及覆盖率。
-
公开(公告)号：CN105354298A
公开(公告)日：2016-02-24
申请号：CN201510742141.5
申请日：2015-11-01
申请人： 长春理工大学
IPC分类号： G06F17/30
CPC分类号： G06F17/30194 , G06F17/30592
摘要： 本发明提供了一种基于Hadoop的大规模社交网络分析方法及其分析平台，包括以下步骤：1)、获取社交网络中的原始数据，并将原始数据进行存储；2)、对所述原始数据进行统一化处理，使得原始数据生成固定格式的数据文件；3)、对数据文件进行预处理，使得数据文件转化为HNAP系统的数据格式，然后建立支持图论模型及分布式环境的数据模型；4)、利用HNAP系统算法库中的算法，对步骤3)数据模型的数据进行社会网络分析，并对分析后的输出结果进行整合，生成文档文件，本发明利用分布式数据处理分析工具，对所述原始数据进行处理，使得原始数据生成固定格式的数据文件，使得其能够利用分布式计算，获得分析结果，解决了单核处理能力不足的问题。
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.03 秒)
