论文部分内容阅读
基于CNN和LSTM的用户行为识别问题研究
【出 处】
：
南京信息工程大学
【发表日期】
：
2021年01期
其他文献
在大数据背景下,对海量数据的分类和聚类是机器学习中的重要步骤。然而,可用于训练的大数据拥有更丰富的数据特征,并且冗余的特征数据会大大增加计算的复杂度,在经典领域中,计算资源以及存储容量已经成为亟待解决的问题。量子的叠加特性和并行计算能力能够很好地解决这一问题。因此,在量子领域中寻找针对分类和聚类问题的可行且高效的算法,是一项很有理论价值和研究意义的工作。本文借助量子机器学习中非常重要的数据预处理算
随着云技术的不断发展,用户更加愿意将私有数据外包到云服务器。在此情况下,如何保证外包数据的安全和用户信息的隐私性成为了云平台中亟需解决的关键问题。访问控制方案根据用户属性限制用户权限,为外包数据的安全性提供了保障。然而,传统访问控制方案致力于防止敏感数据被恶意用户使用,忽略了对访问结构的灵活性和对用户属性的匿名性需求。一方面,访问控制方案对访问策略的精细度要求较高,使访问结构变得复杂,用户的计算和
数字图像修复是当今计算机视觉和计算机图形学中的研究热点,它是利用破损图像中的已知区域信息填充未知区域信息的一种技术,该项技术已经应用在文物保护、老照片修复、影视制作、摄影、网络数据传输等方面。由于数字图像修复的广泛应用,所以数字图像修复技术的研究具有重要的理论意义和实用价值。本文以Criminisi算法为基础,针对其不足,提出了在计算优先权时采用置信度项阈值分界,对数平滑的方式,利用Jaccard