【摘 要】
：
共享出租车出行对提高城市整体交通通行效率具有重要意义。计算给定时间内任意两个行程匹配关系存在计算量较大的问题,较难满足整个城市空间范围内的需求。提出了一种基于时间、距离和方向约束的快速筛选策略,将该策略应用于基于图的共享行程匹配方法,通过纽约市出租车数据集进行了有效性验证,结果表明提出的筛选策略能够在不影响匹配效果的前提下极大地降低匹配所需的时间(单条行程匹配所需时间分别减少约82%)。对青岛市2
【基金项目】
：
国家自然科学青年基金资助项目(41706198)。
论文部分内容阅读
共享出租车出行对提高城市整体交通通行效率具有重要意义。计算给定时间内任意两个行程匹配关系存在计算量较大的问题,较难满足整个城市空间范围内的需求。提出了一种基于时间、距离和方向约束的快速筛选策略,将该策略应用于基于图的共享行程匹配方法,通过纽约市出租车数据集进行了有效性验证,结果表明提出的筛选策略能够在不影响匹配效果的前提下极大地降低匹配所需的时间(单条行程匹配所需时间分别减少约82%)。对青岛市2017年3月15日(周三)和3月18日(周六) 8 531辆出租车的GPS轨迹数据进行了实证分析,发现当
其他文献
方面级情感分析广泛应用于商品评价、餐饮、电商决策等,该任务的一个核心点是方面词提取。目前常用方法是用观点词来辅助提取方面词对文本进行序列标注,或使用跨度标记法预测方面词开始与结束的位置。这些方法没有考虑到观点词提取、情感极性分类对方面词提取的影响。针对这个问题提出一种用于方面提取的多元关系协作学习模型,利用观点词提取、方面词提取、情感极性分类间的关系建模,在关系中实现多任务的协作学习与联合训练。在
针对当前主流视觉问答(visual question answering,VQA)任务使用区域特征作为图像表示而面临的训练复杂度高、推理速度慢等问题,提出一种基于复合视觉语言的卷积网络(composite visionlinguistic convnet,CVlCN)来对视觉问答任务中的图像进行表征。该方法将图像特征和问题语义通过复合学习表示成复合图文特征,然后从空间和通道上计算复合图文特征的注意
研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点。针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程。对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析。最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领
混合图像分割算法所包含的两个部件中,初始分割不能形成低误分割率的过分割区域集,而区域合并存在缺少区域合并标号选择机制,且存在确定区域合并停止时刻的方式常不满足场景需求的不足。针对以上问题,提出一种基于多级区域信息融合的混合图像分割算法(MRIHS)。首先,使用改进的马尔可夫模型平滑超像素块,以形成初始分割区域;其次,在对初始分割区域进行相似性度量并选定待合并区域对后,利用设计出的区域标号选择机制来
为解决逻辑Petri网不能详尽地描述模型在规定时间点变迁引发和引发完成的时间问题,提出逻辑时延Petri网。首先在普通变迁的基础上引入变迁的引发时间和变迁完成时间形成决策变迁,为每个token定义到达时间和自身时间属性等;其次重新定义引发规则和可达图算法,并针对决策变迁和可达图生成进行算法描述;最后使用逻辑时延Petri网对停车预订系统进行建模,构建可达图分析系统中重分配问题以及车位的利用率等问题
当前函数型数据分析更多关注于函数的振幅变化而忽略相位变化,很多场合下,相位变化中含有对统计分析有用的信息。基于偏最小二乘法提出了相幅组合的函数型数据特征提取方法,首先使用函数对齐技术获得刻画相位变化的时间弯曲函数,再将对齐函数和弯曲函数通过分段函数的方式重新组合,最后利用偏最小二乘法提取相幅组合函数的成分特征,并应用在回归和分类模型上。实验结果表明,与主成分分析方法相比,所提方法具有更优越的预测性
提出了一种新的面向图的一致性多视角稀疏聚类框架,该方法先将多视角数据分解为一致性与不一致性部分;然后采用相似性度量方法与KNN (K-nearest neighbor)算法对多视角数据进行分解与融合;再运用稀疏表示学习多视角图的一致性相似矩阵,进而通过谱聚类获取聚类结果。最后,设计并实现了一种交替迭代优化算法求解目标函数,并在八个多视角数据集上通过对比实验验证了该方法的有效性。
目前情感分析模型通常使用word2vec、Glo Ve等方法生成静态词向量,并且传统的卷积或循环深度模型无法完整地关注上下文,提取特征不充分,影响情感判断。针对上述问题,提出基于ELMo(embedding from language model)和双向自注意力网络(bidirectional self-attention network,Bi-SAN)的中文文本情感分析模型。首先通过ELMo语言
卷积神经网络在隐写分析领域取得了一系列进展,但现有网络结构大多都是专用隐写分析,只针对某一类隐写算法有效。为了提高模型的泛化能力,提出了一种基于新残差网络的图像隐写分析算法。构建了残差分组融合网络结构(W-R2N),采用分组融合的方式来提高提取多尺度特征的能力,增大每层网络的感受野范围,并且增加每组卷积的对角相关性。相对于Xu-Net和SRNET在S-UNIWARD嵌入率为0.4 bpp情况下隐写
针对在电子商务平台上普遍存在的网络水军,提出了一个综合考虑网络结构与时间特征的算法来检测评论网络中的水军群组。该算法由四步组成:a)基于评论网络结构特征的分析挖掘出易受水军攻击的目标产品; b)受"共爆发现象"的启发,提出了一个目标产品被水军群组攻击的可疑时期挖掘算法; c)基于目标产品可疑时期内的数据,构造目标产品—评论者的诱导子图,并在该子图上应用层次凝聚聚类算法生成候选水军群组;d)为了过滤